| 摘要 | 第1-5页 |
| Abstract | 第5-7页 |
| 目录 | 第7-10页 |
| 第一章 绪论 | 第10-14页 |
| ·论文的研究目的和意义 | 第10页 |
| ·论文的课题背景 | 第10-11页 |
| ·模拟电路故障诊断研究现状 | 第11-12页 |
| ·神经网络技术的发展现状 | 第12页 |
| ·论文的主要研究内容 | 第12-14页 |
| 第二章 模拟电路故障诊断方法的技术特性分析 | 第14-22页 |
| ·模拟电路故障诊断的基本概念 | 第14-15页 |
| ·模拟电路的故障类型 | 第14页 |
| ·模拟电路测试 | 第14-15页 |
| ·模拟电路故障的特点以及诊断的困难与复杂性 | 第15-16页 |
| ·模拟电路故障的特点 | 第15页 |
| ·模拟电路故障诊断的困难与复杂性 | 第15-16页 |
| ·传统模拟电路故障诊断方法 | 第16-18页 |
| ·传统诊断方法局限性以及智能诊断技术的优势 | 第18-19页 |
| ·模拟电路故障诊断的模式识别方法 | 第19-21页 |
| ·模式识别原理 | 第19-20页 |
| ·模拟电路故障的模式识别法 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 第三章 基于神经网络的模拟电路故障诊断方法研究 | 第22-38页 |
| ·神经网络原理 | 第22-25页 |
| ·神经元模型以及激活函数 | 第22-23页 |
| ·神经元之间的连接形式以及神经网络学习算法 | 第23-24页 |
| ·神经网络的特点以及故障诊断中常用的网络模型 | 第24-25页 |
| ·BP网络 | 第25-30页 |
| ·BP算法的基本思想 | 第25-26页 |
| ·BP神经网络的学习过程 | 第26-30页 |
| ·BP神经网络在模拟电路故障诊断中的应用 | 第30-35页 |
| ·模拟电路故障诊断的BP神经网络解决方案 | 第30-34页 |
| ·辅助工具PSPICE | 第34-35页 |
| ·BP神经网络解决方案存在的问题 | 第35页 |
| ·本章小结 | 第35-38页 |
| 第四章 BP神经网络模拟电路故障诊断方法的改进技术研究 | 第38-50页 |
| ·改进型的BP算法 | 第38-40页 |
| ·附加动量法 | 第38-39页 |
| ·自适应学习速率法 | 第39页 |
| ·Levenberg-Marquardt(L-M)优化方法 | 第39-40页 |
| ·BP网络的遗传优化 | 第40-48页 |
| ·遗传算法概述 | 第40-41页 |
| ·遗传算法的基本原理 | 第41-43页 |
| ·神经网络的遗传优化 | 第43-45页 |
| ·神经网络权值及阀值的遗传优化设计 | 第45-48页 |
| ·神经网络训练样本的改进 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章 模拟电路故障的神经网络诊断技术验证系统设计 | 第50-58页 |
| ·验证系统的总体设计 | 第50-51页 |
| ·测试子系统设计 | 第51-53页 |
| ·测试子系统的硬件组成 | 第51-52页 |
| ·测试子系统测试软件功能设计 | 第52-53页 |
| ·远程故障诊断子系统设计 | 第53-57页 |
| ·远程故障诊断子系统的硬件以及软件组成 | 第53-54页 |
| ·远程故障诊断子系统设计 | 第54-55页 |
| ·远程故障诊断子系统的实现 | 第55-57页 |
| ·本章小结 | 第57-58页 |
| 第六章 神经网络故障诊断技术验证及数据处理 | 第58-72页 |
| ·诊断实例1 | 第58-66页 |
| ·诊断实例2 | 第66-71页 |
| ·本章小结 | 第71-72页 |
| 第七章 总结与展望 | 第72-74页 |
| 参考文献 | 第74-76页 |
| 攻读硕士学位期间发表学术论文情况 | 第76-78页 |
| 致谢 | 第78-79页 |
