| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·研究背景和意义 | 第10页 |
| ·模拟电路故障诊断的方法 | 第10-12页 |
| ·国内外研究现状 | 第12-13页 |
| ·本文的结构及工作安排 | 第13-16页 |
| 第2章 神经网络原理 | 第16-22页 |
| ·神经网络模型 | 第16-18页 |
| ·神经元网络的学习过程 | 第16-17页 |
| ·神经网络结构模型 | 第17页 |
| ·神经网络的分类 | 第17-18页 |
| ·BP 神经网络 | 第18-21页 |
| ·本章小结 | 第21-22页 |
| 第3章 基于 BP 神经网络的模拟电路故障诊断 | 第22-32页 |
| ·故障特征提取 | 第22-24页 |
| ·故障集的分类 | 第22-23页 |
| ·激励信号和检测信号的选取 | 第23页 |
| ·灵敏度分析 | 第23-24页 |
| ·神经网络结构确定 | 第24-26页 |
| ·输入数据预处理 | 第24-25页 |
| ·数据压缩 | 第25页 |
| ·网络各层节点设计 | 第25-26页 |
| ·初始值和学习速率的选取 | 第26页 |
| ·对附加动量因子的 BP 神经网络的改进算法 | 第26-27页 |
| ·验证实例 | 第27-30页 |
| ·本章小结 | 第30-32页 |
| 第4章 集成 T-S 模糊神经网络的模拟电路故障诊断 | 第32-46页 |
| ·模糊逻辑理论概念 | 第32-33页 |
| ·模糊神经网络 | 第33-37页 |
| ·基于标准模型的模糊神经网络 | 第34-35页 |
| ·T-S 模糊神经网络知识简介 | 第35-37页 |
| ·T-S 模糊神经网络面临的问题及解决方法 | 第37-39页 |
| ·集成 T-S 神经网络模型 | 第37-38页 |
| ·集成 T-S 模糊神经网络诊断算法 | 第38-39页 |
| ·决策融合 | 第39页 |
| ·集成 T-S 模糊神经网络在模拟电路中的应用 | 第39-45页 |
| ·本章小结 | 第45-46页 |
| 第5章 模拟电路故障诊断的多种群混沌遗传方法 | 第46-60页 |
| ·遗传算法基本原理 | 第46-50页 |
| ·编码 | 第46-47页 |
| ·初始化种群 | 第47页 |
| ·适应度函数的设计选取 | 第47-48页 |
| ·种群的遗传因子设计 | 第48-49页 |
| ·参数选取 | 第49-50页 |
| ·标准遗传算法步骤 | 第50页 |
| ·混沌遗传 | 第50-52页 |
| ·混沌概述 | 第50-51页 |
| ·混沌序列 | 第51-52页 |
| ·多种群混沌遗传算法 | 第52-56页 |
| ·多种群协同进化算法简介 | 第52页 |
| ·改进的混沌优化算法 | 第52-54页 |
| ·多种群协同进化混沌遗传算法 | 第54-56页 |
| ·仿真结果及分析 | 第56-59页 |
| ·本章小结 | 第59-60页 |
| 结论 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第66-67页 |
| 致谢 | 第67-68页 |
| 作者简介 | 第68页 |