基于遗传算法和神经网络的模拟电路故障诊断方法研究
| 摘要 | 第3-5页 |
| ABSTRACT | 第5-7页 |
| 第1章 绪论 | 第10-13页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 课题国内外研究现状 | 第10-11页 |
| 1.3 本文主要工作及结构 | 第11-13页 |
| 第2章 模拟电路故障诊断概述及方法 | 第13-20页 |
| 2.1 模拟电路故障诊断概述 | 第13-15页 |
| 2.1.1 模拟电路故障诊断的基本概念 | 第13页 |
| 2.1.2 模拟电路故障诊断分类 | 第13-15页 |
| 2.2 模拟电路故障诊断方法 | 第15-20页 |
| 2.2.1 故障诊断的定义及故障原因来源 | 第15页 |
| 2.2.2 模拟电路故障诊断方法分析 | 第15-16页 |
| 2.2.3 故障类型分类及测试 | 第16-20页 |
| 第3章 BP神经网络用于模拟电路故障诊断 | 第20-35页 |
| 3.1 人工神经网络的发展历史 | 第20-21页 |
| 3.2 人工神经网络概述 | 第21-24页 |
| 3.2.1 神经网络的特点 | 第21-22页 |
| 3.2.2 神经网络的结构 | 第22-23页 |
| 3.2.3 神经网络的分类 | 第23-24页 |
| 3.3 人工神经网络的学习算法 | 第24-26页 |
| 3.3.1 梯度下降算法 | 第24-25页 |
| 3.3.2 牛顿下降算法 | 第25-26页 |
| 3.3.3 模拟退火算法 | 第26页 |
| 3.4 BP神经网络 | 第26-29页 |
| 3.4.1 BP网络结构 | 第26-27页 |
| 3.4.2 BP神经网络算法 | 第27-29页 |
| 3.4.3 BP算法出现的问题 | 第29页 |
| 3.5 BP神经网络应用诊断实例 | 第29-35页 |
| 3.5.1 灵敏度分析用于故障诊断 | 第29-30页 |
| 3.5.2 诊断实例分析 | 第30-35页 |
| 第4章 基于遗传算法的模拟电路故障诊断研究 | 第35-51页 |
| 4.1 遗传算法概述 | 第35页 |
| 4.2 遗传算法的特点 | 第35-36页 |
| 4.3 基本遗传算法 | 第36-41页 |
| 4.3.1 简单遗传算法及算法描述 | 第36-38页 |
| 4.3.2 遗传算法的操作 | 第38-41页 |
| 4.3.3 遗传算法的适应度函数 | 第41页 |
| 4.4 遗传算法优化BP神经网络 | 第41-43页 |
| 4.4.1 优化BP神经网络权值和阈值 | 第41-42页 |
| 4.4.2 优化BP神经网络学习规则 | 第42-43页 |
| 4.4.3 优化BP神经网络结构 | 第43页 |
| 4.5 改进遗传算法及诊断实例 | 第43-51页 |
| 4.5.1 MATLAB软件及遗传算法工具箱简介 | 第43-44页 |
| 4.5.2 遗传算法的编码及其改进 | 第44-46页 |
| 4.5.3 仿真实例与比较 | 第46-51页 |
| 第5章 总结与展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士期间发表的学术论文 | 第57-58页 |
| 致谢 | 第58-59页 |
