基于神经网络的模拟电路故障诊断
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-14页 |
| 1.1 模拟电路故障诊断研究的背景及意义 | 第10页 |
| 1.2 模拟电路故障诊断的发展历史与现状 | 第10-12页 |
| 1.2.1 模拟电路故障诊断的发展历史 | 第10-11页 |
| 1.2.2 模拟电路故障诊断发展现状 | 第11-12页 |
| 1.3 本文主要研究内容及章节安排 | 第12-14页 |
| 第2章 模拟电路故障诊断原理 | 第14-19页 |
| 2.1 模拟电路故障诊断概述 | 第14-15页 |
| 2.1.1 故障诊断的定义 | 第14页 |
| 2.1.2 模拟电路故障诊断的产生与发展 | 第14-15页 |
| 2.2 模拟电路故障诊断的基本知识 | 第15-17页 |
| 2.2.1 故障产生的原因 | 第15页 |
| 2.2.2 故障类型、特征及测试 | 第15-16页 |
| 2.2.3 模拟电路测试的主要任务 | 第16-17页 |
| 2.3 故障诊断方法 | 第17-19页 |
| 第3章 神经网络基本原理 | 第19-26页 |
| 3.1 神经网络的产生与发展 | 第19-21页 |
| 3.2 神经网络的主要模型与基本结构 | 第21-26页 |
| 3.2.1 神经元模型 | 第21-22页 |
| 3.2.2 神经网络的基本结构 | 第22-23页 |
| 3.2.3 神经网络的学习机制 | 第23-24页 |
| 3.2.4 神经网络的主要学习规则 | 第24-26页 |
| 第4章 BP神经网络基本原理 | 第26-33页 |
| 4.1 BP神经网络基本原理概述 | 第26-27页 |
| 4.2 BP神经网络的学习规则 | 第27-30页 |
| 4.3 BP神经网络的设计与训练过程 | 第30-32页 |
| 4.4 BP网络的缺陷和不足 | 第32-33页 |
| 第5章 遗传算法原理与特征提取原理 | 第33-42页 |
| 5.1 遗传算法概述 | 第33-36页 |
| 5.1.1 遗传算法的基本概念 | 第33-34页 |
| 5.1.2 遗传算法的基本原理 | 第34-35页 |
| 5.1.3 遗传算法的应用 | 第35-36页 |
| 5.2 小波分析方法 | 第36-39页 |
| 5.2.1 小波分析概述 | 第36-37页 |
| 5.2.2 小波分析的特点 | 第37页 |
| 5.2.3 连续小波变换 | 第37-38页 |
| 5.2.4 离散小波变换 | 第38-39页 |
| 5.3 因子分析法提取故障特征 | 第39-42页 |
| 5.3.1 因子分析的概念 | 第40页 |
| 5.3.2 因子分析的特点 | 第40页 |
| 5.3.3 因子分析基本概念 | 第40-42页 |
| 第6章 诊断实例仿真分析 | 第42-64页 |
| 6.1 电路的仿真分析 | 第42-45页 |
| 6.2 故障特征的有效提取 | 第45-56页 |
| 6.2.1 因子分析法提取故障特征 | 第45-54页 |
| 6.2.2 小波分析法提取故障特征 | 第54-56页 |
| 6.3 BP神经网络的构建 | 第56-64页 |
| 6.3.1 确定BP神经网络的结构 | 第56-57页 |
| 6.3.2 训练BP神经网络 | 第57-61页 |
| 6.3.3 测试BP神经网络 | 第61-64页 |
| 总结与展望 | 第64-66页 |
| 参考文献 | 第66-69页 |
| 致谢 | 第69-70页 |
| 附录A 攻读学位期间发表的论文 | 第70-71页 |
| 附录B 程序代码(节录) | 第71-73页 |
