基于信息融合和极限学习机的模拟电路故障诊断
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 第1章 绪论 | 第11-19页 |
| ·课题研究背景及其意义 | 第11页 |
| ·模拟电路诊断存在的问题 | 第11-12页 |
| ·模拟电路诊断的发展及现状 | 第12-15页 |
| ·模拟电路诊断技术的分类 | 第15-17页 |
| ·论文结构 | 第17-19页 |
| 第2章 模拟电路诊断的神经网络方法 | 第19-35页 |
| ·引言 | 第19页 |
| ·神经网络概述 | 第19-21页 |
| ·人工神经元模型 | 第19-20页 |
| ·神经网络的发展 | 第20-21页 |
| ·神经网络的分类 | 第21页 |
| ·神经网络模型 | 第21-27页 |
| ·BP 神经网络 | 第21-23页 |
| ·RBF 神经网络 | 第23-25页 |
| ·SOFM 神经网络 | 第25-26页 |
| ·各神经网络的比较 | 第26-27页 |
| ·基于神经网络的模拟电路诊断 | 第27-34页 |
| ·电路诊断基本框架 | 第27-28页 |
| ·训练样本的构造 | 第28-30页 |
| ·神经网络结构的确定 | 第30-31页 |
| ·神经网络的训练 | 第31-34页 |
| ·小结 | 第34-35页 |
| 第3章 模拟电路的故障特征提取方法 | 第35-45页 |
| ·引言 | 第35页 |
| ·特征提取方法概述 | 第35-37页 |
| ·小波分析法 | 第37-41页 |
| ·多分辨率分析 | 第37-38页 |
| ·小波变换 | 第38-39页 |
| ·小波包分解 | 第39-41页 |
| ·故障特征提取 | 第41-44页 |
| ·基本原理 | 第41页 |
| ·实施步骤 | 第41页 |
| ·实例分析 | 第41-44页 |
| ·小结 | 第44-45页 |
| 第4章 信息融合在模拟电路诊断中的应用 | 第45-53页 |
| ·引言 | 第45页 |
| ·信息融合概述 | 第45-46页 |
| ·信息融合模型 | 第46-48页 |
| ·数据级融合 | 第46-47页 |
| ·特征级融合 | 第47-48页 |
| ·决策级融合 | 第48页 |
| ·模拟电路融合诊断方法 | 第48-52页 |
| ·贝叶斯信息融合 | 第48-49页 |
| ·模糊变换信息融合 | 第49-51页 |
| ·D-S 证据理论信息融合 | 第51页 |
| ·神经网络信息融合 | 第51-52页 |
| ·小结 | 第52-53页 |
| 第五章 基于 SOFM 网络的异质信息融合诊断 | 第53-60页 |
| ·引言 | 第53页 |
| ·红外诊断基础 | 第53-55页 |
| ·热辐射定律 | 第53-54页 |
| ·红外诊断原理 | 第54-55页 |
| ·故障诊断策略 | 第55-56页 |
| ·异类故障信息分析 | 第56页 |
| ·实例分析 | 第56-59页 |
| ·小结 | 第59-60页 |
| 第6章 基于极限学习机的模拟电路诊断 | 第60-72页 |
| ·引言 | 第60页 |
| ·极限学习机在模式分类中的应用 | 第60-67页 |
| ·单隐层前馈神经网络 | 第60页 |
| ·极限学习机算法 | 第60-62页 |
| ·极限学习机分类方法 | 第62-67页 |
| ·应用小波包分解和 ELM 的模拟电路诊断 | 第67-71页 |
| ·故障特征提取 | 第67-68页 |
| ·电路诊断原理 | 第68-69页 |
| ·实例分析 | 第69-71页 |
| ·小结 | 第71-72页 |
| 结论 | 第72-74页 |
| 参考文献 | 第74-79页 |
| 附录A （攻读学位期间发表的学术论文目录） | 第79-80页 |
| 附录B （攻读学位期间参加的科研工作及学术活动） | 第80-81页 |
| 致谢 | 第81页 |
