首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--一般性问题论文--设计、性能分析与综合论文

基于信息融合的模拟电路故障诊断系统的研究

摘要第5-6页
Abstract第6页
第一章 绪论第9-17页
    1.1 选题背景与研究意义第9-10页
    1.2 模拟电路故障诊断技术的发展及其趋势第10-13页
        1.2.1 模拟电路故障诊断技术的发展过程第10-11页
        1.2.2 模拟电路故障诊断技术的发展现状第11-13页
    1.3 信息融合技术的发展及其现状第13-15页
        1.3.1 信息融合技术的发展过程第13-14页
        1.3.2 信息融合技术的发展现状第14-15页
    1.4 本文的主要内容和章节安排第15-17页
第二章 基于信息融合的模拟电路故障诊断系统第17-25页
    2.1 基于信息融合的模拟电路故障诊断方法第17-19页
        2.1.1 信息融合技术概述第17-18页
        2.1.2 传统信息融合系统介绍及改进第18-19页
    2.2 信息融合故障诊断系统的基本模块介绍第19-24页
        2.2.1 系统故障特征的选择及提取模块第19-21页
        2.2.2 系统样本集的构造模块第21页
        2.2.3 神经网络初步决策模块第21-23页
        2.2.4 系统基于D-S证据融合决策模块第23-24页
    2.3 本章小结第24-25页
第三章 模拟电路故障诊断的神经网络方法第25-37页
    3.1 神经网络概述第25页
    3.2 BP神经网络第25-28页
        3.2.1 BP神经网络模型第25-26页
        3.2.2 BP神经网络的学习算法第26-27页
        3.2.3 BP神经网络的改进第27-28页
    3.3 RBF神经网络第28-30页
        3.3.1 RBF神经网络模型第28-29页
        3.3.2 RBF神经网络的学习算法第29-30页
    3.4 实例分析第30-36页
        3.4.1 待诊断电路模型及诊断过程第30-33页
        3.4.2 神经网络结构设计及结果分析第33-36页
    3.5 本章小结第36-37页
第四章 模拟电路的特征提取方法第37-47页
    4.1 特征提取方法的概述第37-38页
    4.2 主元分析法第38-39页
    4.3 小波分析方法第39-41页
        4.3.1 小波变换第39-40页
        4.3.2 小波包分析第40-41页
    4.4 小波包分析与主元分析法的融合第41-45页
        4.4.1 小波包分析融合主元分析法应用于故障诊断第41页
        4.4.2 小波包分析融合主元分析法的特征提取第41-43页
        4.4.3 实例分析第43-45页
    4.5 本章小结第45-47页
第五章 信息融合技术在模拟电路故障诊断系统中的应用第47-61页
    5.1 基于信息融合技术的故障诊断系统第47-50页
        5.1.1 D-S证据理论介绍第47-49页
        5.1.2 基于信息融合的故障诊断系统结构第49-50页
    5.2 模拟电路故障诊断系统应用实例一第50-56页
        5.2.1 电路故障诊断情况分析第51-54页
        5.2.2 诊断结果第54页
        5.2.3 信息融合前后诊断结果比较与分析第54-56页
    5.3 模拟电路故障诊断系统应用实例二第56-60页
        5.3.1 待诊电路模型第56页
        5.3.2 电路故障诊断情况分析第56-59页
        5.3.3 信息融合前后诊断结果比较与分析第59-60页
    5.4 本章小结第60-61页
第六章 基于信息融合的故障诊断系统在雷达故障诊断中的实现第61-71页
    6.1 传统的雷达故障诊断系统及其不足第61-62页
    6.2 基于信息融合的雷达故障诊断系统第62-69页
        6.2.1 雷达故障诊断系统结构第62-63页
        6.2.2 雷达故障诊断系统实现第63-69页
    6.3 本章小结第69-71页
第七章 总结与展望第71-73页
    7.1 总结第71-72页
    7.2 展望第72-73页
致谢第73-75页
参考文献第75-79页
攻读硕士学位期间发表的论文第79页

论文共79页,点击 下载论文
上一篇:不平衡模糊加权极限学习机及其集成方法研究
下一篇:基于单目视觉的轮式移动机器人目标测距及跟踪研究