遗传神经网络在数模混合电子电路故障诊断中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第一章 绪论 | 第10-16页 |
| ·课题研究的背景和意义 | 第10-12页 |
| ·课题的研究背景 | 第10-11页 |
| ·课题的研究意义 | 第11-12页 |
| ·数模混合电路故障诊断理论及神经网络应用现状 | 第12-13页 |
| ·遗传神经网络在国内外研究现状 | 第13-14页 |
| ·本课题的主要研究内容 | 第14-16页 |
| 第二章 神经网络概述 | 第16-26页 |
| ·人工神经网络 | 第16-20页 |
| ·生物神经网络 | 第16页 |
| ·人工神经网络的发展概述 | 第16-18页 |
| ·人工神经网络的原理和模型 | 第18-20页 |
| ·BP神经网络 | 第20-26页 |
| ·BP网络结构 | 第20-21页 |
| ·BP网络算法 | 第21-24页 |
| ·BP网络的优缺点 | 第24-26页 |
| 第三章 遗传算法概述 | 第26-36页 |
| ·遗传算法的发展及现状 | 第26页 |
| ·遗传算法的原理和特点 | 第26-28页 |
| ·遗传算法的原理 | 第26-27页 |
| ·遗传算法的特点 | 第27-28页 |
| ·遗传算法的基本步骤 | 第28-36页 |
| ·编码 | 第29-30页 |
| ·适应度函数 | 第30页 |
| ·选择 | 第30-32页 |
| ·交叉 | 第32页 |
| ·变异 | 第32-34页 |
| ·控制参数的选取 | 第34-36页 |
| 第四章 遗传神经网络设计 | 第36-54页 |
| ·遗传算法神经网络融合技术 | 第36-38页 |
| ·遗传算法优化神经网络的连接权 | 第36-37页 |
| ·遗传算法优化神经网络的网络结构 | 第37页 |
| ·遗传算法优化神经网络的学习规则 | 第37-38页 |
| ·遗传神经网络的应用设计 | 第38-54页 |
| ·初始种群的生成设计 | 第38-40页 |
| ·目标函数与适应度函数的设计 | 第40页 |
| ·选择运算的实现 | 第40-42页 |
| ·交叉运算的实现 | 第42-47页 |
| ·变异运算的实现 | 第47-51页 |
| ·进化计算简要分析 | 第51-54页 |
| 第五章 混合电路故障诊断 | 第54-66页 |
| ·x射线管道爬行器指令源电路应用背景 | 第54-55页 |
| ·爬行器指令源电路板的功能和工作原理 | 第55-59页 |
| ·爬行器指令源电路板的功能 | 第55页 |
| ·爬行器指令源电路板的工作原理 | 第55-57页 |
| ·电路板的故障分析 | 第57页 |
| ·对电路板各个部分的测试过程 | 第57-59页 |
| ·构建遗传神经网络 | 第59-66页 |
| ·调用遗传算法计算网络初始权值 | 第59-60页 |
| ·建立BP神经网络模型 | 第60页 |
| ·遗传算法初始化BP网络权重的实现 | 第60-63页 |
| ·网络的训练与仿真 | 第63-66页 |
| 第六章 结论与展望 | 第66-68页 |
| ·结论 | 第66页 |
| ·展望 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录A 异或问题遗传网络程序 | 第72-80页 |
| 附录B 故障诊断遗传网络程序 | 第80-90页 |
| 致谢 | 第90页 |
