| 摘要 | 第1-5页 |
| Abstract | 第5-15页 |
| 第一章 绪论 | 第15-23页 |
| ·研究背景与意义 | 第15-17页 |
| ·国内外研究技术现状 | 第17-21页 |
| ·基于SBT 的测试诊断方法 | 第18-20页 |
| ·基于SAT 的测试诊断方法 | 第20页 |
| ·混合诊断方法 | 第20-21页 |
| ·论文的主要研究内容和安排 | 第21-23页 |
| 第二章 基于云模型的故障样本产生方法研究 | 第23-34页 |
| ·引言 | 第23-24页 |
| ·神经网络故障分类器设计 | 第24-25页 |
| ·BP 神经网络 | 第24-25页 |
| ·RBF 神经网络 | 第25页 |
| ·云样本的产生方法 | 第25-27页 |
| ·算法步骤 | 第25-26页 |
| ·神经网络和测试样本集 | 第26-27页 |
| ·诊断实例 | 第27-33页 |
| ·样本获取 | 第27-29页 |
| ·神经网络训练 | 第29-33页 |
| ·结果分析 | 第33页 |
| ·结论 | 第33-34页 |
| 第三章 基于支持向量机的故障分类器设计 | 第34-83页 |
| ·引言 | 第34-35页 |
| ·支持向量机分类器设计 | 第35-40页 |
| ·支持向量机的基本原理 | 第35-40页 |
| ·支持向量机训练和软件 | 第40页 |
| ·支持向量机多分类器设计 | 第40-51页 |
| ·基于one-against-rest 结构的多类SVC | 第40-48页 |
| ·one-against-one SVC 设计 | 第48页 |
| ·DAGSVC 设计 | 第48-49页 |
| ·聚类二叉树SVC 设计 | 第49-51页 |
| ·多类SVC 的平均计算量分析 | 第51-55页 |
| ·概念的提出 | 第51-53页 |
| ·几种SVC 的平均计算量分析 | 第53页 |
| ·聚类二叉树SVC 的平均计算量 | 第53-54页 |
| ·结合KNN 的SVC 平均计算量大小 | 第54-55页 |
| ·实验验证（基于小波特征） | 第55-75页 |
| ·仿真实验一 | 第56-65页 |
| ·仿真实验二 | 第65-69页 |
| ·仿真实验三 | 第69-72页 |
| ·实际验证电路 | 第72-75页 |
| ·实验验证（基于其他特征） | 第75-81页 |
| ·实际半波整流电路实验 | 第75-78页 |
| ·差分放大器电路实验 | 第78-81页 |
| ·结论 | 第81-83页 |
| 第四章 基于标量小波系数的故障特征选择技术研究 | 第83-99页 |
| ·引言 | 第83-84页 |
| ·小波分析基本知识 | 第84-87页 |
| ·小波的定义 | 第85页 |
| ·多分辨分析 | 第85-86页 |
| ·小波包分析 | 第86-87页 |
| ·兼顾后续分类器的小波特征选择算法 | 第87-92页 |
| ·小波特征选择算法框架 | 第87-88页 |
| ·小波特征重要性评价标准 | 第88-90页 |
| ·核函数参数的选择方法 | 第90页 |
| ·评估分类器的设计和改进 | 第90-92页 |
| ·实验结果 | 第92-98页 |
| ·验证实验一 | 第92-94页 |
| ·验证实验二 | 第94-98页 |
| ·结论 | 第98-99页 |
| 第五章 基于信息融合的故障诊断技术研究 | 第99-110页 |
| ·引言 | 第99页 |
| ·分类器模糊融合方法 | 第99-109页 |
| ·诊断流程 | 第100页 |
| ·诊断算法 | 第100-102页 |
| ·实例分析一 | 第102-107页 |
| ·实例分析二 | 第107-109页 |
| ·结论 | 第109-110页 |
| 第六章 模拟电子电路故障诊断的实验研究 | 第110-124页 |
| ·引言 | 第110页 |
| ·基于PC 机的实验系统 | 第110-116页 |
| ·板卡作为数据采集器 | 第110-112页 |
| ·DSP 作为数据采集器 | 第112-116页 |
| ·基于DSC 的实验系统 | 第116-123页 |
| ·DSC 简介 | 第116页 |
| ·硬件系统设计 | 第116-118页 |
| ·故障字典构建 | 第118-120页 |
| ·调试和结果分析 | 第120-123页 |
| ·结论 | 第123-124页 |
| 第七章 总结和展望 | 第124-126页 |
| ·全文总结 | 第124-125页 |
| ·未来工作展望 | 第125-126页 |
| 参考文献 | 第126-133页 |
| 致谢 | 第133-134页 |
| 在学期间的研究成果及发表的学术论文 | 第134-135页 |