| 中文摘要 | 第1-4页 |
| 英文摘要 | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·论文的选题背景和意义 | 第8-9页 |
| ·模拟电路故障诊断理论的产生与发展 | 第9-11页 |
| ·神经网络技术的发展现状 | 第11-13页 |
| ·论文的主要研究内容 | 第13-15页 |
| 2 模拟电路故障诊断方法的特性和原理 | 第15-23页 |
| ·故障诊断的基本概念和思想 | 第15-16页 |
| ·模拟电路的故障特点及诊断的复杂性 | 第16-17页 |
| ·模拟电路的故障特点 | 第16页 |
| ·模拟电路故障诊断的复杂性 | 第16-17页 |
| ·模拟电路故障诊断中的基本概念 | 第17-18页 |
| ·电路故障的分类 | 第17页 |
| ·故障测试的基本术语 | 第17-18页 |
| ·模拟电路故障诊断方法综述 | 第18-19页 |
| ·三大类基本故障诊断方法 | 第18页 |
| ·模拟电路故障诊断研究方法的分类 | 第18-19页 |
| ·传统诊断方法与智能诊断技术的比较 | 第19-20页 |
| ·模拟电路故障诊断的模式识别方法 | 第20-23页 |
| ·模式识别原理 | 第20-22页 |
| ·模拟电路故障诊断的模式识别法 | 第22-23页 |
| 3 基于神经网络的模拟电路故障诊断方法 | 第23-37页 |
| ·神经网络概述 | 第23-27页 |
| ·神经网络的分类 | 第23-25页 |
| ·人工神经网络的训练 | 第25页 |
| ·人工神经网络的主要特点 | 第25-26页 |
| ·用于故障诊断的常用神经网络模型 | 第26-27页 |
| ·BP 神经网络原理 | 第27-32页 |
| ·BP 网络模型 | 第27页 |
| ·BP 神经网络学习算法和学习过程 | 第27-31页 |
| ·神经网络的激励函数 | 第31-32页 |
| ·BP 神经网络在模拟电路故障诊断中的应用 | 第32-36页 |
| ·模拟电路故障诊断的BP 神经网络解决方案 | 第32-33页 |
| ·BP 神经网络进行模拟电路故障诊断的步骤 | 第33-36页 |
| ·BP 神经网络用于故障诊断的优点和存在的问题 | 第36-37页 |
| 4 改进的 BP 神经网络模拟电路的故障诊断方法研究 | 第37-49页 |
| ·BP 网络的改进思路 | 第37页 |
| ·改进的BP 算法 | 第37-39页 |
| ·动量方法 | 第37-38页 |
| ·自适应学习速率法 | 第38页 |
| ·共轭梯度法 | 第38-39页 |
| ·Levenberg-Marquartd（LMBP）法 | 第39页 |
| ·BP 网络的遗传优化 | 第39-43页 |
| ·遗传算法概述 | 第39-41页 |
| ·遗传算法的工作原理 | 第41页 |
| ·遗传算法的基本操作与基本方法 | 第41-43页 |
| ·遗传算法与人工神经网络的结合 | 第43-45页 |
| ·神经网络连接权的优化 | 第43-44页 |
| ·神经网络结构的优化 | 第44页 |
| ·神经网络学习规则的优化 | 第44-45页 |
| ·神经网络权值和阈值的遗传优化设计 | 第45-49页 |
| 5 基于改进 BP 网络的模拟电路故障诊断实例 | 第49-66页 |
| ·诊断实例一：线性稳压电源电路 | 第49-57页 |
| ·诊断实例二：有源双T 带阻滤波器 | 第57-65页 |
| ·结果和讨论 | 第65-66页 |
| 6 总结与展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-72页 |
| 附录：作者在攻读学位期间发表的论文目录 | 第72页 |