| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-23页 |
| 1.1 模拟电路故障诊断技术研究的背景 | 第16-17页 |
| 1.2 模拟电路故障诊断方法的研究意义 | 第17-18页 |
| 1.3 模拟电路故障诊断方法的研究现状 | 第18-21页 |
| 1.4 本文的主要研究内容及结构安排 | 第21-23页 |
| 第2章 模拟电路故障诊断的神经网络方法 | 第23-41页 |
| 2.1 引言 | 第23页 |
| 2.2 人工神经网络基本研究 | 第23-28页 |
| 2.2.1 神经网络的研究概述 | 第23-24页 |
| 2.2.2 神经网络的发展与在模拟电路故障诊断中的应用 | 第24-25页 |
| 2.2.3 神经网络的分类 | 第25-26页 |
| 2.2.4 神经网络的性能和学习规则 | 第26-28页 |
| 2.3 BP 神经网络的研究 | 第28-33页 |
| 2.3.1 BP 神经网络结构模型和学习规则 | 第28-31页 |
| 2.3.2 传统 BP 算法的局限性 | 第31-32页 |
| 2.3.3 BP 神经网络在模拟电路故障诊断中的应用 | 第32-33页 |
| 2.4 RBF 神经网络的研究 | 第33-38页 |
| 2.4.1 RBF 神经网络模型及算法 | 第33-36页 |
| 2.4.2 RBF 网络在模拟电路故障诊断中的设计 | 第36-38页 |
| 2.5 BP 神经网络和 RBF 神经网络的比较 | 第38-39页 |
| 2.5.1 网络结构 | 第38页 |
| 2.5.2 训练时间 | 第38-39页 |
| 2.5.3 样本数量 | 第39页 |
| 2.5.4 逼近性能 | 第39页 |
| 2.6 本章小结 | 第39-41页 |
| 第3章 模拟电路故障诊断的小波神经网络法 | 第41-58页 |
| 3.1 引言 | 第41页 |
| 3.2 小波理论研究 | 第41-48页 |
| 3.2.1 小波理论概述与基本概念 | 第41-43页 |
| 3.2.2 小波算法 | 第43-44页 |
| 3.2.3 小波基的选择 | 第44-46页 |
| 3.2.4 小波分解与小波包 | 第46-48页 |
| 3.3 模拟电路故障诊断的小波神经网络方法 | 第48-57页 |
| 3.3.1 小波神经网络用于模拟电路故障诊断 | 第48-49页 |
| 3.3.2 基于小波系数均方根的故障特征提取方法 | 第49-50页 |
| 3.3.3 诊断实例 | 第50-57页 |
| 3.4 本章小结 | 第57-58页 |
| 第4章 模拟电路故障诊断的优化神经网络方法 | 第58-81页 |
| 4.1 引言 | 第58-59页 |
| 4.2 免疫算法 | 第59-62页 |
| 4.2.1 免疫算法概述 | 第59页 |
| 4.2.2 免疫算法相关概念 | 第59-60页 |
| 4.2.3 免疫算法的分类 | 第60-61页 |
| 4.2.4 免疫遗传算法原理 | 第61-62页 |
| 4.3 蚁群算法 | 第62-66页 |
| 4.3.1 基本概念与算法特点 | 第62-64页 |
| 4.3.2 基本原理与算法规则 | 第64-66页 |
| 4.3.3 实例 | 第66页 |
| 4.4 基于免疫蚁群 RBF 网络的模拟电路故障诊断 | 第66-71页 |
| 4.4.1 新的融合算法——免疫蚁群算法 | 第66-68页 |
| 4.4.2 免疫蚁群优化的 RBF 网络用于模拟电路故障诊断 | 第68-71页 |
| 4.5 ACS-IP 对 RBF 神经网络的优化实例 | 第71-72页 |
| 4.5.1 基本蚂蚁算法（AS）的优化过程 | 第71页 |
| 4.5.2 ACS-IP 的优化过程 | 第71-72页 |
| 4.6 优化 RBF 网络的模拟电路故障诊断实例 | 第72-79页 |
| 4.6.1 实例一 | 第72-75页 |
| 4.6.2 实例二 | 第75-79页 |
| 4.7 本章小结 | 第79-81页 |
| 第5章 基于改进蚂蚁算法优化的支持向量机故障诊断方法 | 第81-95页 |
| 5.1 引言 | 第81页 |
| 5.2 支持向量机概述 | 第81-86页 |
| 5.2.1 支持向量机基本原理 | 第81-84页 |
| 5.2.2 核函数和 VC 维 | 第84-85页 |
| 5.2.3 支持向量机与神经网络 | 第85页 |
| 5.2.4 SVM 用于模拟电路故障诊断 | 第85-86页 |
| 5.3 改进蚂蚁算法 | 第86-88页 |
| 5.4 优化 SVM 用于模拟电路故障诊断 | 第88-90页 |
| 5.5 计算机仿真实例 | 第90-94页 |
| 5.6 本章小结 | 第94-95页 |
| 第6章 基于 DSP 控制的神经网络自动测试与诊断系统 | 第95-115页 |
| 6.1 引言 | 第95-96页 |
| 6.2 ATS 实验装置系统的组成与基本功能 | 第96-98页 |
| 6.3 测试与诊断系统的设计 | 第98-114页 |
| 6.3.1 概述 | 第98-99页 |
| 6.3.2 基于 DSP 处理器的 ATS 设计 | 第99-101页 |
| 6.3.3 通信模块的设计与实现 | 第101-105页 |
| 6.3.4 激励源模块的设计与实现 | 第105-107页 |
| 6.3.5 数字测试模块设计与实现 | 第107-109页 |
| 6.3.6 模拟测试模块设计与实现 | 第109-112页 |
| 6.3.7 PCB 测试模块的设计与实现 | 第112-114页 |
| 6.4 本章小结 | 第114-115页 |
| 结论 | 第115-117页 |
| 参考文献 | 第117-127页 |
| 致谢 | 第127-128页 |
| 附录 A 攻读学位期间的主要成果 | 第128-129页 |
| 附录 B 攻读学位期间参与的科研课题 | 第129页 |
