基于流形结构的模拟电路故障诊断方法研究 |
论文目录 | | 摘要 | 第1-5页 | abstract | 第5-6页 | 专用术语注释表 | 第9-10页 | 第一章 绪论 | 第10-15页 | 1.1 选题的背景及意义 | 第10-11页 | 1.2 模拟电路的研究过程 | 第11-12页 | 1.3 本文研究内容 | 第12-13页 | 1.4 论文结构安排 | 第13-15页 | 第二章 模拟电路故障诊断概述以及相关技术 | 第15-24页 | 2.1 模拟电路故障诊断简述 | 第15-17页 | 2.1.1 模拟电路故障诊断的难点 | 第15-16页 | 2.1.2 故障类型简介 | 第16页 | 2.1.3 模拟电路故障诊断方法简介 | 第16-17页 | 2.2 常见的提取故障特征方法 | 第17-19页 | 2.2.1 主成分分析的算法简介 | 第17-18页 | 2.2.2 希尔伯特黄变换算法简介 | 第18页 | 2.2.3 局域均值分解算法简介 | 第18-19页 | 2.3 常见的模拟电路故障识别方法 | 第19-23页 | 2.3.1 人工神经网络 | 第19-20页 | 2.3.2 支持向量机 | 第20-21页 | 2.3.3 k-近邻法 | 第21-23页 | 2.4 本章总结 | 第23-24页 | 第三章 模拟电路特征提取 | 第24-38页 | 3.1 局域均值分解原理 | 第24-27页 | 3.2 模糊熵理论 | 第27-28页 | 3.3 特征提取 | 第28-29页 | 3.4 电路诊断应用实例分析 | 第29-37页 | 3.4.1 电路描述 | 第29-30页 | 3.4.2 电路验证分析 | 第30-37页 | 3.5 本章小结 | 第37-38页 | 第四章 基于流形结构SVM模拟电路故障诊断 | 第38-49页 | 4.1 流形SVM | 第38-41页 | 4.1.1 SVM简介 | 第38页 | 4.1.2 SVM数学原理 | 第38-39页 | 4.1.3 流形结构SVM模型 | 第39-41页 | 4.2 改进权重的粒子群算法 | 第41-43页 | 4.2.1 PSO算法 | 第41页 | 4.2.2 变权重粒子群算法 | 第41-43页 | 4.3 改进粒子群优化流形结构SVM参数 | 第43-44页 | 4.4 基于流形结构改进权重粒子群SVM模拟电路故障诊断实例 | 第44-48页 | 4.4.1 基于流形结构改进权重粒子群SVM模拟电路故障诊断模型 | 第44-45页 | 4.4.2 电路描述 | 第45-46页 | 4.4.3 验证分析 | 第46-48页 | 4.5 本章小结 | 第48-49页 | 第五章 基于二叉树极限学习机的模拟电路故障诊断模型 | 第49-63页 | 5.1 极限学习机理论 | 第49-51页 | 5.2 传统的多分类方法 | 第51-53页 | 5.2.1 一对一方法 | 第51-52页 | 5.2.2 一对多方法 | 第52-53页 | 5.3 基于相似方向数的二叉树极限学习分类模型 | 第53-57页 | 5.3.1 二叉树分类算法 | 第53-54页 | 5.3.2 类间相似方向数理论 | 第51-55页 | 5.3.3 生成BT-ELM模型 | 第55-57页 | 5.4 基于类间相似方向数的BT-ELM模拟电路故障诊断实例 | 第57-62页 | 5.4.1 基于类间相似方向数的BT-ELM诊断模型 | 第57页 | 5.4.2 电路描述 | 第57-58页 | 5.4.3 验证分析 | 第58-62页 | 5.5 本章小结 | 第62-63页 | 第六章 总结与展望 | 第63-66页 | 6.1 总结 | 第63-64页 | 6.2 展望 | 第64-66页 | 参考文献 | 第66-69页 | 附录1 攻读硕士学位期间撰写的论文 | 第69-70页 | 附录2 攻读硕士学位期间申请的专利 | 第70-71页 | 致谢 | 第71页 |
|
|
|
| |