基于粒子群算法的模拟电路故障诊断
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-12页 |
| ·研究背景和意义 | 第8-9页 |
| ·模拟电路故障诊断的研究现状 | 第9-10页 |
| ·国外研究现状 | 第9页 |
| ·国内研究现状 | 第9-10页 |
| ·本文的研究内容及结构安排 | 第10-12页 |
| 第2章 模拟电路的故障诊断 | 第12-21页 |
| ·故障诊断基本理论 | 第12-13页 |
| ·模拟电路故障分类 | 第12-13页 |
| ·模拟电路故障诊断内容 | 第13页 |
| ·模拟电路故障诊断方法 | 第13-14页 |
| ·人工神经网络 | 第14-16页 |
| ·神经网络概述 | 第14页 |
| ·神经网络分类 | 第14-15页 |
| ·神经网络的优势 | 第15-16页 |
| ·RBF神经网络 | 第16-17页 |
| ·RBF神经网络原理 | 第16-17页 |
| ·RBF与BP比较 | 第17页 |
| ·基于神经网络的模拟电路故障诊断 | 第17-20页 |
| ·模拟电路仿真数据的获取 | 第18页 |
| ·模拟电路故障特征提取 | 第18-20页 |
| ·建立和训练神经网络 | 第20页 |
| ·本章小结 | 第20-21页 |
| 第3章 信息熵理论及其在特征提取中的应用 | 第21-25页 |
| ·信息熵概述 | 第21页 |
| ·熵 | 第21-23页 |
| ·信息熵在模拟电路故障诊断中的应用 | 第23-24页 |
| ·本章小结 | 第24-25页 |
| 第4章 粒子群优化算法 | 第25-31页 |
| ·标准粒子群算法 | 第25-26页 |
| ·离散粒子群算法 | 第26-27页 |
| ·离散粒子群算法的改进 | 第27-30页 |
| ·改进映射函数 | 第27-29页 |
| ·自适应权重 | 第29页 |
| ·基于自然选择的算法 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第5章 模拟电路故障诊断实例 | 第31-45页 |
| ·电路仿真 | 第31-35页 |
| ·选择目标电路并进行故障定义 | 第31-32页 |
| ·仿真设置及仿真结果 | 第32-34页 |
| ·Pspice与Matlab数据通信 | 第34-35页 |
| ·特征提取 | 第35-41页 |
| ·计算特征点的诊断信息量 | 第35-36页 |
| ·粒子群算法选取最优特征集 | 第36-41页 |
| ·训练神经网络 | 第41-43页 |
| ·测试结果及分析 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第6章 总结及展望 | 第45-46页 |
| 参考文献 | 第46-48页 |
| 致谢 | 第48页 |
