基于改进小波神经网络的模拟电路故障诊断研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-7页 |
| 第1章 绪论 | 第11-15页 |
| 1.1 模拟电路故障诊断课题的背景与意义 | 第11页 |
| 1.2 模拟电路故障诊断方法的研究现状 | 第11-13页 |
| 1.2.1 国外故障诊断的研究现状 | 第11-12页 |
| 1.2.2 国内故障诊断的发展历史 | 第12-13页 |
| 1.3 本文的主要工作及结构安排 | 第13-15页 |
| 1.3.1 本文的主要工作 | 第13-14页 |
| 1.3.2 本文的结构安排 | 第14-15页 |
| 第2章 模拟电路故障诊断的原理及方法 | 第15-21页 |
| 2.1 引言 | 第15页 |
| 2.2 模拟电路故障产生原因及分类 | 第15-17页 |
| 2.2.1 模拟电路故障产生原因 | 第15页 |
| 2.2.2 模拟电路故障分类 | 第15-17页 |
| 2.3 模拟电路故障诊断方法 | 第17-21页 |
| 2.3.1 故障诊断的定义及方法分类 | 第17页 |
| 2.3.2 传统模拟电路故障诊断方法 | 第17-18页 |
| 2.3.3 现代模拟电路故障诊断方法 | 第18-21页 |
| 第3章 基于BP神经网络的模拟电路故障诊断 | 第21-28页 |
| 3.1 引言 | 第21页 |
| 3.2 人工神经网络概述 | 第21-25页 |
| 3.2.1 人工神经网络模型 | 第21-23页 |
| 3.2.2 神经网络学习算法 | 第23-25页 |
| 3.3 基于BP神经网络的故障诊断 | 第25-28页 |
| 3.3.1 BP神经网络算法 | 第25-26页 |
| 3.3.3 基于BP神经网络的故障诊断 | 第26-28页 |
| 第4章 基于小波神经网络的模拟电路故障诊断 | 第28-47页 |
| 4.1 引言 | 第28页 |
| 4.2 小波理论 | 第28-35页 |
| 4.2.1 小波变换 | 第29页 |
| 4.2.2 多分辨分析 | 第29-31页 |
| 4.2.3 小波基函数的选择 | 第31-34页 |
| 4.2.4 小波包分析 | 第34-35页 |
| 4.3 基于小波神经网络的故障诊断 | 第35-38页 |
| 4.3.1 小波神经网络的分类 | 第35-36页 |
| 4.3.2 小波分析特征提取 | 第36-38页 |
| 4.3.3 小波包变换特征提取 | 第38页 |
| 4.4 诊断实例 | 第38-47页 |
| 4.4.1 诊断电路 | 第38-39页 |
| 4.4.2 构造样本集 | 第39-43页 |
| 4.4.3 确定神经网络结构 | 第43-44页 |
| 4.4.4 训练及诊断 | 第44-45页 |
| 4.4.5 特征向量融合 | 第45-47页 |
| 第5章 粒子群算法优化神经网络 | 第47-60页 |
| 5.1 引言 | 第47页 |
| 5.2 基本的粒子群优化算法 | 第47-49页 |
| 5.2.1 粒子群优化算法基本原理 | 第47-48页 |
| 5.2.2 粒子群算法流程 | 第48-49页 |
| 5.3 改进粒子群优化算法 | 第49-53页 |
| 5.3.1 基于惯性权值的改进 | 第49-51页 |
| 5.3.2 基于加速因子的改进 | 第51-52页 |
| 5.3.3 基于邻近群拓扑的改进 | 第52-53页 |
| 5.4 粒子群小波神经网络 | 第53-60页 |
| 5.4.1 粒子群神经网络原理及方法 | 第53-54页 |
| 5.4.2 粒子群小波神经网络在故障诊断中的应用 | 第54-60页 |
| 第6章 总结与展望 | 第60-61页 |
| 参考文献 | 第61-65页 |
| 致谢 | 第65-66页 |
| 攻读硕士期间发表的学术论文 | 第66页 |
