| 摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第1章 绪论 | 第12-18页 |
| 1.1 模拟电路故障研究背景及意义 | 第12-13页 |
| 1.2 模拟电路故障诊断技术的研究现状及常用方法 | 第13-17页 |
| 1.2.1 模拟电路故断研究现状 | 第13-14页 |
| 1.2.2 常用的模拟电路故障诊断方法 | 第14-17页 |
| 1.3 论文主要内容和结构 | 第17-18页 |
| 第2章 基于小波包和神经网络的模拟电路故障诊断方法 | 第18-36页 |
| 2.1 引言 | 第18页 |
| 2.2 基于小波包分析的故障特征提取方法 | 第18-20页 |
| 2.2.1 小波包理论 | 第18-19页 |
| 2.2.2 小波包特征提取方法 | 第19-20页 |
| 2.3 神经网络概述 | 第20-25页 |
| 2.3.1 神经网络的特点 | 第20-21页 |
| 2.3.2 人工神经元的模型 | 第21-22页 |
| 2.3.3 神经网络的学习 | 第22-25页 |
| 2.4 BP神经网络 | 第25-30页 |
| 2.4.1 BP神经网络的结构模型 | 第26-28页 |
| 2.4.2 BP神经网络的学习算法 | 第28-30页 |
| 2.5 仿真实例 | 第30-35页 |
| 2.5.1 仿真电路 | 第30-32页 |
| 2.5.2 基于小波包的特征提取 | 第32页 |
| 2.5.3 构造BP神经网络结构 | 第32-33页 |
| 2.5.4 基于小波包的故障诊断结果 | 第33-35页 |
| 2.6 本章小结 | 第35-36页 |
| 第3章 基于LMD和神经网络的模拟电路故障诊断 | 第36-55页 |
| 3.1 引言 | 第36页 |
| 3.2 LMD理论 | 第36-41页 |
| 3.2.1 LMD算法 | 第36-39页 |
| 3.2.2 LMD时频分析方法验证 | 第39-41页 |
| 3.3 基于LMD能量特征的模拟电路故障诊断 | 第41-48页 |
| 3.3.1 故障诊断步骤 | 第42页 |
| 3.3.2 仿真电路 | 第42-44页 |
| 3.3.3 基于LMD能量特征的模拟电路故障特征提取 | 第44-45页 |
| 3.3.4 神经网络结构 | 第45-46页 |
| 3.3.5 诊断结果 | 第46-48页 |
| 3.4 基于LMD多尺度熵的模拟电路故障诊断 | 第48-54页 |
| 3.4.1 多尺度熵理论 | 第48-51页 |
| 3.4.2 基于LMD多尺度熵的故障特征提取 | 第51页 |
| 3.4.3 LMD多尺度熵故障诊断 | 第51-54页 |
| 3.5 本章小结 | 第54-55页 |
| 第4章 基于极限学习机的模拟电路故障诊断 | 第55-60页 |
| 4.1 引言 | 第55页 |
| 4.2 极限学习机理论 | 第55-57页 |
| 4.2.1 极限学习机的优缺点 | 第56-57页 |
| 4.2.2 诊断流程 | 第57页 |
| 4.3 仿真实例 | 第57-59页 |
| 4.4 本章小结 | 第59-60页 |
| 第5章 总结和展望 | 第60-62页 |
| 参考文献 | 第62-66页 |
| 致谢 | 第66-67页 |
| 研究生期间科研成果 | 第67-68页 |
| 致谢 | 第68页 |