| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 模拟电路故障诊断研究的意义和背景 | 第12-13页 |
| 1.2 模拟电路故障诊断的研究现状 | 第13-15页 |
| 1.2.1 国外研究现状 | 第13-14页 |
| 1.2.2 国内研究现状 | 第14-15页 |
| 1.3 模拟电路故障诊断存在的问题 | 第15-16页 |
| 1.4 模拟电路故障诊断的分类 | 第16-17页 |
| 1.5 本文的结构和研究内容 | 第17-18页 |
| 第2章 神经网络在模拟电路故障诊断中的应用 | 第18-32页 |
| 2.1 神经网络的概述 | 第18-21页 |
| 2.1.1 神经网络的特点 | 第19-20页 |
| 2.1.2 神经网络的应用 | 第20-21页 |
| 2.1.3 神经网络的学习方式 | 第21页 |
| 2.2 BP神经网络 | 第21-26页 |
| 2.2.1 BP神经网络的结构 | 第22-23页 |
| 2.2.2 BP神经网络的算法 | 第23-24页 |
| 2.2.3 BP算法的局限性及其改进算法 | 第24-26页 |
| 2.3 小波神经网络 | 第26-31页 |
| 2.3.1 小波基本理论 | 第26-27页 |
| 2.3.2 小波神经网络及其改进算法 | 第27-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第3章 基于小波神经网络的模拟电路故障诊断 | 第32-41页 |
| 3.1 多分辨分析理论 | 第32-34页 |
| 3.2 故障特征的提取 | 第34-36页 |
| 3.3 基于小波神经网络的模拟电路故障诊断 | 第36-40页 |
| 3.3.1 原始数据的提取 | 第36-38页 |
| 3.3.2 数据的预处理及样本集的构造 | 第38-39页 |
| 3.3.3 小波神经网络的设计及实例诊断 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于遗传小波神经网络的模拟电路故障诊断 | 第41-51页 |
| 4.1 遗传算法的基本思想 | 第41-42页 |
| 4.2 遗传算法的基本操作 | 第42-47页 |
| 4.2.1 染色体编码 | 第43页 |
| 4.2.2 群体设定 | 第43-44页 |
| 4.2.3 适应度函数值的计算 | 第44-45页 |
| 4.2.4 遗传操作 | 第45-47页 |
| 4.3 遗传算法优化神经网络 | 第47-48页 |
| 4.4 基于遗传小波神经网络的模拟电路故障诊断 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 第5章 基于LabVIEW的遗传小波神经网络模拟电路故障诊断 | 第51-62页 |
| 5.1 LabVIEW概述 | 第51-52页 |
| 5.2 LabVIEW和MATLAB的混合编程 | 第52-54页 |
| 5.2.1 LabVIEW和MATLAB混合编程的方式 | 第52-53页 |
| 5.2.2 LabVIEW MatlabScript节点简介 | 第53-54页 |
| 5.3 基于LabVIEW平台的模拟电路故障诊断 | 第54-61页 |
| 5.4 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读硕士期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
