基于小波分析和遗传神经网络的模拟电路故障诊断
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·模拟电路故障诊断的背景与意义 | 第10-11页 |
| ·模拟电路故障诊断技术在国内外的发展与研究现状 | 第11-12页 |
| ·模拟电路故障的种类和原因 | 第12-13页 |
| ·本文的主要研究内容 | 第13-15页 |
| 第2章 模拟电路故障诊断的 BP 神经网络方法 | 第15-30页 |
| ·神经网络概述 | 第15-19页 |
| ·神经网络的分类 | 第15-18页 |
| ·神经网络的特点与应用 | 第18-19页 |
| ·BP 神经网络 | 第19-23页 |
| ·BP 神经网络的结构 | 第19-20页 |
| ·BP 神经网络的学习算法 | 第20-22页 |
| ·BP 神经网络的缺点 | 第22-23页 |
| ·模拟电路故障诊断的 BP 网络方法 | 第23-26页 |
| ·模拟电路的诊断任务 | 第23-24页 |
| ·模拟电路的诊断方法 | 第24页 |
| ·模拟电路的诊断原理 | 第24-26页 |
| ·故障诊断实例 | 第26-29页 |
| ·故障电路的分析 | 第26-27页 |
| ·BP 神经网络的设计及训练 | 第27-29页 |
| ·本章小结 | 第29-30页 |
| 第3章 遗传神经网络在模拟电路故障诊断中的应用 | 第30-44页 |
| ·遗传算法概述 | 第30-31页 |
| ·遗传算法的基本操作 | 第31-37页 |
| ·遗传算法的基本步骤 | 第31-34页 |
| ·二进制编码的遗传算法操作 | 第34-36页 |
| ·遗传算法的适应度及调整 | 第36-37页 |
| ·遗传算法对 BP 神经网络的优化 | 第37-40页 |
| ·BP 网络权值和阈值的优化 | 第37-39页 |
| ·BP 网络结构的优化 | 第39页 |
| ·BP 网络学习算法的优化 | 第39-40页 |
| ·用遗传算法诊断电路实例 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 第4章 模拟电路故障诊断的小波遗传神经网络方法 | 第44-62页 |
| ·小波的基本概念 | 第44-46页 |
| ·小波的信号分解与重构 | 第46-48页 |
| ·小波神经网络 | 第48-53页 |
| ·小波网络的结构和形式 | 第48-50页 |
| ·小波网络的性质及学习算法 | 第50页 |
| ·小波网络的参数调整算法 | 第50-53页 |
| ·模拟电路故障诊断的小波方法 | 第53-61页 |
| ·主元分析与归一化处理 | 第53-55页 |
| ·信号的去噪处理 | 第55-56页 |
| ·故障特征提取 | 第56-57页 |
| ·故障诊断实例 | 第57-60页 |
| ·诊断结果分析 | 第60-61页 |
| ·本章小结 | 第61-62页 |
| 结论与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 致谢 | 第68-69页 |
| 附录A （攻读学位期间所发表的学术论文目录） | 第69页 |
