基于多分类器的模拟电路故障诊断研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-8页 |
| 第一章 绪论 | 第8-13页 |
| ·电路故障诊断的发展现状 | 第8-9页 |
| ·用于模拟电路故障诊断的方法 | 第9-12页 |
| ·传统方法 | 第10-11页 |
| ·智能方法 | 第11-12页 |
| ·论文的主要内容 | 第12-13页 |
| 第二章 基于神经网络的诊断系统方案 | 第13-19页 |
| ·测试系统的组成 | 第13页 |
| ·故障数据获取 | 第13-14页 |
| ·特征提取 | 第14-15页 |
| ·诊断部分 | 第15-16页 |
| ·传统的基于神经网络的诊断方案 | 第16-18页 |
| ·本章小结 | 第18-19页 |
| 第三章 集成神经网络与负相关算法 | 第19-29页 |
| ·集成神经网络 | 第19-21页 |
| ·BP算法 | 第19-20页 |
| ·BP算法的缺陷 | 第20-21页 |
| ·AdaBoost算法与Bagging算法 | 第21-23页 |
| ·AdaBoost算法简介 | 第22-23页 |
| ·Bagging算法简介 | 第23页 |
| ·负相关算法理论 | 第23-24页 |
| ·负相关算法理论的理论推导 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第四章 模拟电路故障诊断实例 | 第29-42页 |
| ·选择目标电路并进行故障类型的定义 | 第29-30页 |
| ·PSPICE模拟仿真 | 第30-33页 |
| ·利用神经网络进行电路的故障诊断 | 第33-35页 |
| ·神经网络系统的参数的确定 | 第33页 |
| ·传递函数的选择 | 第33-35页 |
| ·对于样本集的降维处理 | 第35页 |
| ·利用负相关算法训练神经网络 | 第35页 |
| ·实验结果 | 第35-41页 |
| ·算法的评价 | 第41页 |
| ·本章小结 | 第41-42页 |
| 第五章 总结和展望 | 第42-44页 |
| ·总结 | 第42页 |
| ·展望 | 第42-44页 |
| 致谢 | 第44-45页 |
| 参考文献 | 第45-47页 |
