| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第一章 绪论 | 第8-14页 |
| ·课题研究的目的及意义 | 第8-9页 |
| ·模拟电路故障的分类 | 第9页 |
| ·模拟电路故障诊断方法的分类 | 第9-11页 |
| ·模拟电路故障诊断的研究现状 | 第11-12页 |
| ·本文的主要研究内容 | 第12-14页 |
| 第二章 神经网络与模拟电路故障诊断 | 第14-36页 |
| ·引言 | 第14页 |
| ·神经网络 | 第14-19页 |
| ·基本概念 | 第14-16页 |
| ·传递函数 | 第16-17页 |
| ·网络结构 | 第17-19页 |
| ·学习算法的分类 | 第19页 |
| ·神经网络模拟电路故障诊断方法 | 第19-22页 |
| ·诊断原理 | 第19-20页 |
| ·故障特征的提取 | 第20-21页 |
| ·归一化处理方法 | 第21-22页 |
| ·神经网络模拟电路故障诊断方法的优势 | 第22页 |
| ·神经网络模拟电路诊断的基本步骤 | 第22-24页 |
| ·BFGS-BP神经网络在模拟电路故障诊断中的应用 | 第24-34页 |
| ·BP神经网络概述 | 第24-26页 |
| ·BP网络算法的改进 | 第26-29页 |
| ·诊断实例 | 第29-34页 |
| ·本章小结 | 第34-36页 |
| 第三章 信息融合及其诊断方法 | 第36-56页 |
| ·引言 | 第36-37页 |
| ·信息融合的基本概念及其原理 | 第37-40页 |
| ·基本概念 | 第37页 |
| ·信息分类 | 第37-38页 |
| ·信息融合方法 | 第38-40页 |
| ·信息融合方法简介 | 第40-51页 |
| ·贝叶斯方法 | 第41-42页 |
| ·神经网络方法 | 第42-43页 |
| ·D-S证据理论 | 第43-51页 |
| ·信息融合诊断框架 | 第51-53页 |
| ·基于信息融合层次的诊断模型 | 第51-52页 |
| ·基于信息融合过程的诊断模型 | 第52-53页 |
| ·信息融合诊断方法 | 第53-54页 |
| ·数据层融合诊断 | 第53页 |
| ·特征层融合诊断 | 第53-54页 |
| ·决策层融合诊断 | 第54页 |
| ·本章小结 | 第54-56页 |
| 第四章 基于智能信息融合的模拟电路故障诊断 | 第56-66页 |
| ·引言 | 第56页 |
| ·融合诊断的基本原理 | 第56-57页 |
| ·融合诊断的基本方法 | 第57-59页 |
| ·诊断实例 | 第59-65页 |
| ·实验电路 | 第59页 |
| ·故障特征 | 第59-60页 |
| ·构造样本集 | 第60-61页 |
| ·BFGS-BP神经网络设计 | 第61-62页 |
| ·诊断结果 | 第62-65页 |
| ·本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| ·本文的主要工作 | 第66页 |
| ·研究展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |