| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 目录 | 第8-10页 |
| 第1章 绪论 | 第10-15页 |
| 1.1 研究背景和意义 | 第10页 |
| 1.2 模拟电路故障诊断的研究现状 | 第10-14页 |
| 1.3 论文的主要研究内容及结构安排 | 第14-15页 |
| 第2章 ELM 和模拟电路故障诊断原理 | 第15-29页 |
| 2.1 极限学习机 | 第15-22页 |
| 2.1.1 支持向量机分类原理 | 第15-18页 |
| 2.1.2 极限学习机概述 | 第18-19页 |
| 2.1.3 极限学习机分类原理 | 第19-22页 |
| 2.2 模拟电路故障特征提取 | 第22-24页 |
| 2.2.1 基本思想 | 第22页 |
| 2.2.2 特征提取方法 | 第22-24页 |
| 2.3 基于 ELM 的模拟电路故障诊断 | 第24-28页 |
| 2.3.1 概述 | 第24页 |
| 2.3.2 分析工具 | 第24-25页 |
| 2.3.3 诊断方法 | 第25-27页 |
| 2.3.4 基于 ELM 模拟电路诊断的基本思想 | 第27-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 基于 PCA 和 ELM-RBF 的模拟电路故障诊断 | 第29-42页 |
| 3.1 基于主成分分析的故障特征提取 | 第29-34页 |
| 3.1.1 主成分分析 | 第29-33页 |
| 3.1.2 特征提取方法 | 第33-34页 |
| 3.2 基于 ELM-RBF 的模拟电路故障分类 | 第34-38页 |
| 3.2.1 RBF | 第34-36页 |
| 3.2.2 ELM-RBF | 第36-38页 |
| 3.3 基于 PCA 和 ELM-RBF 的模拟电路诊断 | 第38-41页 |
| 3.3.1 诊断方法 | 第38页 |
| 3.3.2 实例诊断 | 第38-41页 |
| 3.4 本章小结 | 第41-42页 |
| 第4章 结合群智能方法的模拟电路故障诊断 | 第42-52页 |
| 4.1 群智能算法 | 第42-45页 |
| 4.1.1 差分进化算法 | 第43-44页 |
| 4.1.2 群搜索算法 | 第44-45页 |
| 4.2 智能算法优化 ELM | 第45-48页 |
| 4.2.1 差分进化优化 ELM 算法 | 第45-47页 |
| 4.2.2 GSO 优化 ELM 算法 | 第47-48页 |
| 4.3 优化 ELM 在电路诊断中的应用 | 第48-51页 |
| 4.3.1 诊断方法 | 第48-49页 |
| 4.3.2 实例诊断 | 第49-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第5章 基于 K-means 与 ELM 集成的电路诊断法 | 第52-57页 |
| 5.1 bagging 算法 | 第52-53页 |
| 5.2 k-means 聚类 | 第53页 |
| 5.3 基于 k-means 聚类的极限学习机集成 | 第53-55页 |
| 5.4 实例诊断 | 第55-56页 |
| 5.5 本章小结 | 第56-57页 |
| 结论与展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 附录 A 攻读学位期间发表的学术论文目录 | 第63-64页 |
| 附录 B 攻读学位期间参加的科研工作及学术活动 | 第64-65页 |
| 致谢 | 第65页 |
