| 致谢 | 第9-10页 |
| 摘要 | 第10-12页 |
| abstract | 第12-13页 |
| 第一章 绪论 | 第19-31页 |
| 1.1 课题研究背景和意义 | 第19-22页 |
| 1.1.1 研究背景 | 第19-20页 |
| 1.1.2 研究意义 | 第20-22页 |
| 1.2 模拟电路故障预测与健康管理的研究现状及方法 | 第22-27页 |
| 1.2.1 模拟电路故障诊断的研究现状及方法 | 第22-26页 |
| 1.2.2 模拟电路故障预测的研究现状及方法 | 第26-27页 |
| 1.3 现有技术的不足 | 第27页 |
| 1.4 本文的主要内容及结构安排 | 第27-31页 |
| 第二章 基于DBN特征提取的模拟电路早期故障诊断方法 | 第31-58页 |
| 2.1 模拟电路早期故障诊断的流程 | 第31-32页 |
| 2.2 模拟电路故障诊断的传统特征提取方法 | 第32-35页 |
| 2.2.1 基于信号变换的方法 | 第32-34页 |
| 2.2.2 基于统计分析的方法 | 第34-35页 |
| 2.2.3 计算信息量的方法 | 第35页 |
| 2.3 基于DBN的早期故障特征提取方法 | 第35-48页 |
| 2.3.1 深度学习理论 | 第35-37页 |
| 2.3.2 DBN理论 | 第37-46页 |
| 2.3.3 基于DBN的模拟电路早期故障特征提取方法 | 第46-48页 |
| 2.4 QPSO算法及其在DBN中RBM的学习率优化中的应用 | 第48-52页 |
| 2.4.1 QPSO算法 | 第48-50页 |
| 2.4.2 利用QPSO优化DBN中RBM的学习率的方法 | 第50-52页 |
| 2.5 SVM算法及早期故障诊断模型建立方法 | 第52-57页 |
| 2.5.1 最优超平面 | 第52-53页 |
| 2.5.2 线性可分SVM | 第53-54页 |
| 2.5.3 线性不可分SVM | 第54-55页 |
| 2.5.4 基于SVM的早期故障诊断模型建立方法 | 第55-57页 |
| 2.6 本章小结 | 第57-58页 |
| 第三章 模拟电路早期故障诊断实验及分析 | 第58-84页 |
| 3.1 模拟电路早期故障诊断实验的步骤 | 第58-59页 |
| 3.2 模拟电路早期故障诊断实验的测试电路和元件 | 第59-62页 |
| 3.3 模拟电路早期故障诊断实验的结果与讨论 | 第62-83页 |
| 3.4 本章小结 | 第83-84页 |
| 第四章 基于MKRVM的模拟电路故障预测体系结构 | 第84-96页 |
| 4.1 模拟电路故障预测的流程 | 第84-85页 |
| 4.2 模拟电路故障预测的特征提取 | 第85-88页 |
| 4.3 模拟电路健康度的计算方法 | 第88-89页 |
| 4.4 MKRVM算法及故障预测模型建立方法 | 第89-95页 |
| 4.4.1 贝叶斯理论 | 第89-90页 |
| 4.4.2 RVM理论 | 第90-92页 |
| 4.4.3 MKRVM方法 | 第92-93页 |
| 4.4.4 基于MKRVM的故障预测模型建立方法 | 第93-95页 |
| 4.5 本章小结 | 第95-96页 |
| 第五章 模拟电路故障预测实验及分析 | 第96-120页 |
| 5.1 模拟电路故障预测实验的步骤 | 第96-97页 |
| 5.2 模拟电路故障预测实验的测试电路和元件 | 第97页 |
| 5.3 模拟电路故障预测实验的结果与讨论 | 第97-118页 |
| 5.4 本章小结 | 第118-120页 |
| 第六章 总结与展望 | 第120-123页 |
| 6.1 总结 | 第120-121页 |
| 6.2 展望 | 第121-123页 |
| 参考文献 | 第123-135页 |
| 攻读博士学位期间的学术活动及成果情况 | 第135-136页 |
