| 致谢 | 第7-8页 |
| 摘要 | 第8-9页 |
| ABSTRACT | 第9-10页 |
| 第一章 绪论 | 第15-22页 |
| 1.1 课题研究背景及意义 | 第15-16页 |
| 1.2 模拟电路故障诊断技术的发展和研究现状 | 第16-19页 |
| 1.3 本文主要研究内容和安排 | 第19-22页 |
| 1.3.1 本文主要研究内容 | 第20页 |
| 1.3.2 本文章节内容安排 | 第20-22页 |
| 第二章 故障提取理论与支持向量机原理及优化架构 | 第22-42页 |
| 2.1 小波理论 | 第22-24页 |
| 2.1.1 小波理论概述 | 第22-23页 |
| 2.1.2 小波分析 | 第23-24页 |
| 2.2 核主元特征提取方法 | 第24-27页 |
| 2.2.1 基于主元分析的特征提取 | 第25-26页 |
| 2.2.2 基于核主元分析的特征提取 | 第26-27页 |
| 2.3 支持向量机方法 | 第27-36页 |
| 2.3.1 支持向量机的理论基础 | 第27-31页 |
| 2.3.2 支持向量机的概述 | 第31-36页 |
| 2.4 粒子群和混沌粒子群算法概述 | 第36-39页 |
| 2.4.1 粒子群算法概述 | 第36-38页 |
| 2.4.2 混沌粒子群算法概述 | 第38-39页 |
| 2.5 模拟电路故障诊断优化架构 | 第39-40页 |
| 2.6 本章小结 | 第40-42页 |
| 第三章 基于支持向量机的模拟电路故障诊断方法 | 第42-53页 |
| 3.1 故障提取方法 | 第42-43页 |
| 3.1.1 基于小波理论的故障特征提取 | 第42页 |
| 3.1.2 基于核主元分析的故障特征提取 | 第42-43页 |
| 3.2 实例分析 | 第43-46页 |
| 3.3 基于支持向量机的模拟电路故障诊断方法 | 第46-50页 |
| 3.3.1 多分类支持向量机 | 第46-48页 |
| 3.3.2 基于libsvm的模拟电路故障诊断模型 | 第48-50页 |
| 3.4 实例分析 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 混沌粒子群优化支持向量机的模拟电路故障诊断 | 第53-73页 |
| 4.1 复合核函数支持向量机 | 第53-55页 |
| 4.1.1 核函数的种类和选择 | 第53-54页 |
| 4.1.2 复合核函数对支持向量机的优化 | 第54-55页 |
| 4.2 基于算法优化的支持向量机模型 | 第55-57页 |
| 4.2.1 粒子群算法对支持向量机的优化 | 第55-56页 |
| 4.2.2 混沌粒子群算法对支持向量机的优化 | 第56-57页 |
| 4.3 实例分析1 | 第57-62页 |
| 4.3.1 参数初始化 | 第57页 |
| 4.3.2 复合核函数的选择 | 第57-59页 |
| 4.3.3 粒子群与混沌粒子群优化支持向量机的诊断结果 | 第59-61页 |
| 4.3.4 性能比较与分析 | 第61-62页 |
| 4.4 实例分析2 | 第62-71页 |
| 4.4.1 故障数据采集 | 第62-64页 |
| 4.4.2 故障特征提取 | 第64-66页 |
| 4.4.3 复合核函数的选择 | 第66-68页 |
| 4.4.4 粒子群与混沌粒子群优化支持向量机的诊断结果 | 第68-71页 |
| 4.4.5 性能比较与分析 | 第71页 |
| 4.5 本章小结 | 第71-73页 |
| 第五章 总结与展望 | 第73-75页 |
| 5.1 总结 | 第73页 |
| 5.2 展望 | 第73-75页 |
| 参考文献 | 第75-79页 |
| 攻读硕士学位期间的学术活动及成果情况 | 第79页 |
