| 第一章 绪论 | 第1-17页 |
| 1．1 模拟电路故障诊断 | 第9-11页 |
| 1．1．1 选题背景和意义 | 第9-10页 |
| 1．1．2 模拟电路故障诊断的发展及研究现状 | 第10页 |
| 1．1．3 模拟电路故障诊断方法的分类 | 第10-11页 |
| 1．2 神经网络及其发展 | 第11-16页 |
| 1．2．1 神经网络理论的发展历史 | 第11-12页 |
| 1．2．2 神经网络智能诊断的形成 | 第12-16页 |
| 1．3 本文的组织安排 | 第16-17页 |
| 第二章 BP神经网络 | 第17-26页 |
| 2．1 神经网络基础 | 第17-20页 |
| 2．1．1 神经元模型 | 第17-18页 |
| 2．1．2 神经网络的拓扑结构 | 第18-19页 |
| 2．1．3 神经网络的学习机制 | 第19-20页 |
| 2．2 BP网络的基本原理 | 第20-26页 |
| 第三章 BP算法的改进和优化 | 第26-38页 |
| 3．1 BP算法的缺点 | 第26-27页 |
| 3．2 基于启发式学习方法的改进算法 | 第27-29页 |
| 3．2．1 附加动量法 | 第27-28页 |
| 3．2．2 自适应学习率 BP算法 | 第28-29页 |
| 3．2．3 弹性 BP算法 | 第29页 |
| 3．3 基于数值优化的改进算法 | 第29-34页 |
| 3．3．1 拟牛顿法 | 第30-31页 |
| 3．3．2 共轭梯度法 | 第31-32页 |
| 3．3．3 Levenberg-Marquardt(LM)法 | 第32-34页 |
| 3．4 神经网络隐层的优化设计 | 第34-38页 |
| 3．4．1 神经网络隐层的分析 | 第35页 |
| 3．4．2 隐含层内神经元数的确定 | 第35-38页 |
| 第四章 雷达电源典型故障的BP网络诊断 | 第38-54页 |
| 4．1 训练样本集的获取 | 第38-43页 |
| 4．2 BP神经网络的构建和训练 | 第43-47页 |
| 4．3 基于诊断任务分解的多神经网络 | 第47-49页 |
| 4．4 实验结果 | 第49-54页 |
| 4．4．1 不同BP算法的学习速度比较 | 第49-52页 |
| 4．4．2 结论 | 第52-54页 |
| 第五章 基于神经网络的专家系统 | 第54-79页 |
| 5．1 专家系统的介绍 | 第54页 |
| 5．2 专家系统的发展及研究现状 | 第54-56页 |
| 5．3 专家系统的结构及特点 | 第56-60页 |
| 5．4 利用故障树表示专家系统的测试流程 | 第60-71页 |
| 5．4．1 故障树分析法 | 第60-65页 |
| 5．4．2 专家系统测试流程故障树举例 | 第65-71页 |
| 5．5 BP神经网络专家系统 | 第71-79页 |
| 5．5．1 专家系统的不足和发展趋势 | 第71-73页 |
| 5．5．2 BP神经网络专家系统的组建 | 第73-75页 |
| 5．5．3 BP神经网络故障诊断专家系统的工作原理 | 第75-79页 |
| 第六章 结论与展望 | 第79-80页 |
| 参考文献 | 第80-83页 |
| 致谢 | 第83页 |