基于遗传算法和神经网络的模拟电路故障诊断理论与方法
| 摘要 | 第1-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| ·模拟电路故障诊断的意义和发展过程 | 第9-10页 |
| ·模拟电路故障诊断方法的国内外研究现状 | 第10-11页 |
| ·模拟电路故障的模式识别诊断方法 | 第11-12页 |
| ·模式识别概述 | 第11-12页 |
| ·模拟电路故障的模式识别方法 | 第12页 |
| ·本文的主要工作 | 第12-14页 |
| 第2章 人工神经网络及其应用 | 第14-24页 |
| ·人工神经网络概述 | 第14-17页 |
| ·神经网络的主要模型 | 第14-15页 |
| ·神经网络学习算法 | 第15-17页 |
| ·神经网络的特点 | 第17页 |
| ·BP网络 | 第17-20页 |
| ·BP网络结构 | 第17-18页 |
| ·BP网络的学习算法 | 第18-19页 |
| ·BP算法的主要问题 | 第19-20页 |
| ·RBF网络 | 第20-23页 |
| ·RBF的模型结构 | 第20-21页 |
| ·RBF网络的学习算法 | 第21-22页 |
| ·RBF网络的特点 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 第3章 容差模拟电路的神经网络诊断方法 | 第24-38页 |
| ·改进型的BP算法 | 第24-27页 |
| ·拟牛顿法 | 第24-25页 |
| ·共轭梯度法 | 第25页 |
| ·Levenberg-Marquardt法 | 第25页 |
| ·附加动量法 | 第25-26页 |
| ·自适应学习速率 | 第26-27页 |
| ·容差模拟电路硬故障诊断实例 | 第27-33页 |
| ·神经网络进行模拟电路故障诊断的原理 | 第27-28页 |
| ·诊断实例 | 第28-33页 |
| ·容差模拟电路软故障诊断实例 | 第33-36页 |
| ·本章小结 | 第36-38页 |
| 第4章 用遗传算法实现容差电路的故障诊断 | 第38-51页 |
| ·遗传算法概述 | 第38-39页 |
| ·遗传算法的工作原理 | 第39-42页 |
| ·遗传算法的基本操作与基本方法 | 第39-42页 |
| ·遗传算法与人工神经网络的结合 | 第42-44页 |
| ·神经网络连接权的进化 | 第42页 |
| ·神经网络结构的优化 | 第42-43页 |
| ·神经网络学习规则的优化 | 第43-44页 |
| ·一种模糊神经网络聚类模型 | 第44-46页 |
| ·结构辨识 | 第45-46页 |
| ·参数辨识 | 第46页 |
| ·基于FNN的模拟电路故障诊断 | 第46-50页 |
| ·FNN对于模拟电路的诊断步骤 | 第46-48页 |
| ·仿真实例 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 第5章 大规模模拟网络故障的诊断方法 | 第51-66页 |
| ·网络撕裂法 | 第51-56页 |
| ·网络撕裂与逻辑分析 | 第51-52页 |
| ·子网络测试条件的应用 | 第52-53页 |
| ·故障子网络的故障定位 | 第53-54页 |
| ·线性网络的故障定位 | 第54-56页 |
| ·子网络级故障的交叉撕裂搜索诊断法 | 第56-58页 |
| ·网络撕裂诊断图和撕裂准则 | 第56-57页 |
| ·子网络级故障的逻辑定位 | 第57-58页 |
| ·不可及撕裂节点的子网络级故障诊断算法 | 第58-60页 |
| ·子网络γ类外节点电压的计算 | 第58-59页 |
| ·网络中含有γ类节点的多级诊断 | 第59-60页 |
| ·诊断实例 | 第60-65页 |
| ·本章小结 | 第65-66页 |
| 结论 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 致谢 | 第72-73页 |
| 附录A(攻读学位期间所发表的学术论文目录) | 第73页 |
