基于小波分析和神经网络的模拟电路故障诊断方法研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题研究的背景及意义 | 第8页 |
| 1.2 模拟电路故障诊断难点 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-11页 |
| 1.4 诊断方法分类 | 第11-13页 |
| 1.5 论文主要研究内容和组织架构 | 第13-14页 |
| 第二章 基于神经网络的模拟电路故障诊断研究 | 第14-31页 |
| 2.1 人工神经网络概述 | 第14-18页 |
| 2.1.1 人工神经网络基本原理 | 第14-15页 |
| 2.1.2 神经网络特性 | 第15-16页 |
| 2.1.3 神经网络学习规则 | 第16-18页 |
| 2.2 神经网络的基本类型 | 第18-19页 |
| 2.3 BP神经网络 | 第19-24页 |
| 2.3.1 网络结构 | 第19-21页 |
| 2.3.2 学习算法 | 第21-22页 |
| 2.3.3 算法的局限性和改进方法 | 第22-24页 |
| 2.4 基于神经网络的模拟电路故障诊断原理 | 第24-25页 |
| 2.5 故障诊断实例 | 第25-30页 |
| 2.5.1 故障电路仿真分析 | 第25-27页 |
| 2.5.2 故障特征向量的建立 | 第27-28页 |
| 2.5.3 BP神经网络的设计和训练 | 第28-29页 |
| 2.5.4 诊断结果 | 第29-30页 |
| 2.6 本章小结 | 第30-31页 |
| 第三章 基于小波神经网络的模拟电路故障诊断 | 第31-52页 |
| 3.1 小波分析理论 | 第31-38页 |
| 3.1.1 小波分析的概念 | 第31-32页 |
| 3.1.2 常用小波函数 | 第32-35页 |
| 3.1.3 小波分解提取故障特征 | 第35-38页 |
| 3.1.4 小波基的选取问题 | 第38页 |
| 3.2 小波神经网络的类型 | 第38-39页 |
| 3.3 松散型小波神经网络故障诊断方法 | 第39-44页 |
| 3.3.1 电路故障建模 | 第39-41页 |
| 3.3.2 样本集构造 | 第41-42页 |
| 3.3.3 故障诊断结果 | 第42-44页 |
| 3.4 紧致型小波神经网络故障诊断方法 | 第44-51页 |
| 3.4.1 算法推导及改进 | 第44-46页 |
| 3.4.2 电路故障建模 | 第46-48页 |
| 3.4.3 样本集构造 | 第48-49页 |
| 3.4.4 神经网络构造及诊断结果 | 第49-51页 |
| 3.5 本章小结 | 第51-52页 |
| 第四章 基于D-S理论融合决策的模拟电路故障诊断 | 第52-63页 |
| 4.1 单一信息源诊断存在的问题 | 第52页 |
| 4.2 信息融合理论 | 第52-54页 |
| 4.3 基于D-S证据理论的诊断系统 | 第54-58页 |
| 4.3.1 D-S证据理论 | 第54-57页 |
| 4.3.2 基于D-S证据理论的诊断系统架构 | 第57-58页 |
| 4.4 诊断实例 | 第58-61页 |
| 4.5 对比分析 | 第61-62页 |
| 4.6 本章小结 | 第62-63页 |
| 第五章 总结与展望 | 第63-65页 |
| 5.1 论文总结 | 第63-64页 |
| 5.2 论文展望 | 第64-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 附录 | 第70-71页 |
