| 摘要 | 第1-7页 |
| Abstract | 第7-15页 |
| 第1章 绪论 | 第15-22页 |
| ·选题意义 | 第15-16页 |
| ·模拟电路故障诊断技术的发展与现状 | 第16-20页 |
| ·本文的主要研究内容及结构安排 | 第20-22页 |
| ·本文的主要研究内容 | 第20-21页 |
| ·本文的内容安排 | 第21-22页 |
| 第2章 神经网络在模拟电路故障诊断中的应用研究 | 第22-47页 |
| ·引言 | 第22页 |
| ·人工神经网络概述 | 第22-24页 |
| ·神经网络的特性 | 第23页 |
| ·神经网络的分类 | 第23-24页 |
| ·神经网络的学习规则 | 第24-25页 |
| ·基于 BP 神经网络（BPNN）的模拟电路故障诊断 | 第25-30页 |
| ·BP 神经网络结构模型 | 第26-27页 |
| ·BP 神经网络的学习规则 | 第27-29页 |
| ·传统 BP 算法的局限性及改进 | 第29-30页 |
| ·BP 神经网络在模拟电路故障诊断中的应用 | 第30页 |
| ·大规模模拟电路快速诊断方法 | 第30-36页 |
| ·网络撕裂法 | 第30-32页 |
| ·网络的撕裂和子网络特性 | 第31页 |
| ·子网络状态判定条件 | 第31-32页 |
| ·故障子网络定位逻辑分析 | 第32页 |
| ·大规模电路交叉撕裂搜索诊断法 | 第32-35页 |
| ·网络撕裂诊断图和撕裂准则 | 第32-34页 |
| ·子网络级故障的逻辑定位 | 第34-35页 |
| ·基于神经网络的大规模模拟电路快速诊断方法 | 第35-36页 |
| ·故障模块快速诊断法 | 第35-36页 |
| ·撕裂指导原则 | 第36页 |
| ·基于 BP 神经网络的模拟电路故障诊断的实例 | 第36-45页 |
| ·小结 | 第45-47页 |
| 第3章 基于神经网络数据融合方法的模拟电路故障诊断 | 第47-67页 |
| ·引言 | 第47-48页 |
| ·数据融合概述 | 第48-51页 |
| ·数据融合的概念及特点 | 第48-49页 |
| ·数据融合的分类 | 第49-51页 |
| ·D-S(Dempster-Shafer)证据理论 | 第51-53页 |
| ·神经网络数据融合原理 | 第53-59页 |
| ·神经网络数据融合概述 | 第53-54页 |
| ·数据融合的神经网络 | 第54-59页 |
| ·子网络的组建 | 第56页 |
| ·集成神经网络的实现 | 第56-59页 |
| ·基于 D-S 证据理论的神经网络故障识别系统 | 第59-62页 |
| ·网络结构 | 第59-61页 |
| ·学习算法 | 第61-62页 |
| ·实例 | 第62-66页 |
| ·小结 | 第66-67页 |
| 第4章 小波神经网络在模拟电路故障诊断中的应用 | 第67-85页 |
| ·引言 | 第67-68页 |
| ·小波理论概述 | 第68-77页 |
| ·小波变换 | 第68-69页 |
| ·小波变换的时-频局部化特性 | 第69-70页 |
| ·小波函数 | 第70-74页 |
| ·Haar 小波 | 第70-71页 |
| ·Morlet 小波(高斯包络下的单频率复正弦函数) | 第71-72页 |
| ·Marr 小波(墨西哥小帽) | 第72页 |
| ·Daubechies 紧支集正交小波 | 第72-74页 |
| ·Symlets 小波 | 第74页 |
| ·小波分解和重构 | 第74-77页 |
| ·Haar 小波分解算法 | 第74-76页 |
| ·Haar 小波重构算法 | 第76-77页 |
| ·基于 MATLAB 小波分解仿真程序的实现 | 第77-79页 |
| ·小波神经网络在模拟电路故障诊断中的应用 | 第79-81页 |
| ·基于小波预处理的神经网络模拟电路故障诊断 | 第79-80页 |
| ·嵌入式小波神经网络的模拟电路故障诊断方法 | 第80-81页 |
| ·实例 | 第81-84页 |
| ·小结 | 第84-85页 |
| 第5章 遗传小波神经网络在模拟电路故障诊断中的应用 | 第85-104页 |
| ·引言 | 第85-86页 |
| ·遗传算法概述 | 第86-87页 |
| ·遗传算法的基本思想 | 第86-87页 |
| ·遗传算法的特点 | 第87页 |
| ·基本遗传算法 | 第87-93页 |
| ·简单遗传算法 | 第87-89页 |
| ·遗传算法的基本操作 | 第89-91页 |
| ·遗传算法的编码 | 第91-93页 |
| ·遗传算法的适应度及其调整 | 第93页 |
| ·遗传算法对神经网络的优化 | 第93-97页 |
| ·神经网络连接权的进化 | 第94-95页 |
| ·神经网络结构的进化 | 第95-96页 |
| ·神经网络学习规则的进化 | 第96-97页 |
| ·混合训练神经网络 | 第97页 |
| ·遗传小波神经网络在模拟电路故障诊断中的应用 | 第97-98页 |
| ·实例 | 第98-103页 |
| ·小结 | 第103-104页 |
| 第6章 基于 DSP、神经网络的混合信号电路与系统测试仪的研究 | 第104-120页 |
| ·引言 | 第104页 |
| ·自动测试系统概述 | 第104-106页 |
| ·基于 DSP 的功能测试 | 第106-107页 |
| ·混合信号电路与机电系统测试仪的设计方案 | 第107-109页 |
| ·基本原理 | 第107-108页 |
| ·系统硬件组成 | 第108-109页 |
| ·DSP 软件总流程 | 第109页 |
| ·PC 与 DSP 通信的设计与实现 | 第109-111页 |
| ·通信模块硬件电路的组成 | 第109-110页 |
| ·通信模块软件设计 | 第110-111页 |
| ·通信协议的制定 | 第110-111页 |
| ·软件设计 | 第111页 |
| ·测试仪的硬件组成 | 第111-119页 |
| ·DSP 主控制模块 | 第112-113页 |
| ·数字芯片测试 | 第113-115页 |
| ·测试原理 | 第113页 |
| ·硬件结构图 | 第113-114页 |
| ·软件测试的实现 | 第114-115页 |
| ·模拟芯片的测试 | 第115-117页 |
| ·测试原理 | 第115-117页 |
| ·硬件结构图 | 第117页 |
| ·测试实现 | 第117页 |
| ·PCB 测试模块 | 第117-119页 |
| ·小结 | 第119-120页 |
| 结论 | 第120-122页 |
| 参考文献 | 第122-133页 |
| 附录A (研究成果：论文与专利) | 第133-136页 |
| A.1 攻读学位期间发表的学术论文 | 第133-134页 |
| A.2 专利申请情况 | 第134-136页 |
| 附录B（攻读学位期间参加的科研项目） | 第136-137页 |
| 附录C（读研期间获奖情况） | 第137-138页 |
| 附录D 混合信号电路与系统测试仪附图 | 第138-140页 |
| D.1 DSP 主控制模块 | 第138页 |
| D.2 模拟芯片测试模块 | 第138页 |
| D.3 硬件总图 | 第138-139页 |
| D.4 测试总界面 | 第139页 |
| D.5 测试仪外壳正面 | 第139-140页 |
| 附录E 混合信号电路与系统测试仪部分程序 | 第140-145页 |
| E.1 测试主程序 | 第140-142页 |
| E.2 数字模块部分程序 | 第142-144页 |
| E.3 串口中断响应部分的 DSP 程序 | 第144-145页 |
| 致谢 | 第145页 |
