| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-14页 |
| 1.1 研究的背景和意义 | 第9-10页 |
| 1.2 模拟电路故障诊断的研究历史和现状 | 第10-12页 |
| 1.2.1 模拟电路故障诊断的研究历史 | 第10-11页 |
| 1.2.2 故障诊断的新发展 | 第11页 |
| 1.2.3 基于神经网络的模拟电路故障诊断的发展现状 | 第11-12页 |
| 1.3 本文的主要工作 | 第12-14页 |
| 第二章 模拟电路的故障诊断 | 第14-26页 |
| 2.1 模拟电路的故障诊断方法 | 第14-17页 |
| 2.1.1 故障产生的原因 | 第14页 |
| 2.1.2 故障的分类、特征及测试 | 第14-16页 |
| 2.1.3 故障诊断方法 | 第16-17页 |
| 2.2 基于模式识别的模拟电路故障诊断方法 | 第17-20页 |
| 2.2.1 模式识别原理 | 第17-19页 |
| 2.2.1.1 模式识别系统的典型构成 | 第17-19页 |
| 2.2.2 模拟电路故障诊断的模式识别方法 | 第19-20页 |
| 2.3 基于人工神经网络的模拟电路故障诊断方法 | 第20-25页 |
| 2.3.1 人工神经网络概述 | 第20-24页 |
| 2.3.1.1 神经网络的主要模型 | 第21-22页 |
| 2.3.1.2 神经网络的学习规则 | 第22-24页 |
| 2.3.2 神经网络在模拟电路故障诊断中的应用 | 第24-25页 |
| 2.4 小结 | 第25-26页 |
| 第三章 神经网络模拟电路故障诊断方法设计 | 第26-36页 |
| 3.1 BP 网络 | 第26-32页 |
| 3.1.1 BP 网络模型 | 第26页 |
| 3.1.2 BP 网络学习规则 | 第26-30页 |
| 3.1.3 BP 算法的改进 | 第30-32页 |
| 3.1.3.1 附加动量法 | 第30页 |
| 3.1.3.2 自适应调节学习率 | 第30-31页 |
| 3.1.3.3 累积误差校正算法 | 第31-32页 |
| 3.2 基于神经网络的诊断系统 | 第32-35页 |
| 3.2.1 系统的组成 | 第32-34页 |
| 3.2.2 数据预处理 | 第34-35页 |
| 3.2.2.1 归一化 | 第34-35页 |
| 3.2.2.2 主成分分析维度约简(PCA) | 第35页 |
| 3.2.2.3 人工神经网络训练及诊断 | 第35页 |
| 3.3 小结 | 第35-36页 |
| 第四章 实验数据与结果分析 | 第36-48页 |
| 4.1 诊断实例 | 第36-38页 |
| 4.2 BP 神经网络结构设计 | 第38-39页 |
| 4.3 BP 神经网络训练及诊断 | 第39-45页 |
| 4.4 基于 PCA 的 BP 神经网络训练及诊断 | 第45-47页 |
| 4.5 小结 | 第47-48页 |
| 第五章 总结和展望 | 第48-49页 |
| 参考文献 | 第49-52页 |
| 致谢 | 第52-53页 |