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 |