基于主成分的概率神经网络模拟电路故障诊断的研究

文摘

英文文摘

声明

第1章绪论

1.1模拟电路故障诊断的意义

1.2模拟电路故障诊断的研究现状及发展

1.3模拟电路故障测试与故障诊断的范畴

1.3.1模拟电路故障测试

1.3.2模拟电路故障诊断范畴

1.4模拟电路故障诊断的方法及其瓶颈

1.5神经网络故障诊断问题的提出

1.6神经网络的故障诊断能力

1.7基于神经网络的故障诊断方法研究现状

1.8本文的工作

第2章 模拟电路故障诊断理论

2.1模拟电路故障诊断概述

2.2模拟电路故障产生原因与模式识别

2.2.1模式识别概述

2.3模拟电路故障特征及提取

2.4模拟电路故障类型

2.5模拟电路故障诊断方法分类

2.6本章小结

第3章 神经网络理论

3.1神经网络理论概述

3.1.1神经网络理论的发展历史

3.1.2神经网络的发展的特点

3.1.3神经网络的基本原理

3.1.4神经网络学习算法

3.2 BP神经网络结构

3.2.1 BP网络模型结构

3.2.2 BP网络的学习算法

3.2.3 BP网络学习算法的主要问题

3.3径向基函数神经网络

3.3.1 RBF神经网络模型

3.3.2 RBF网络的学习算法

3.4概率神经网络模型

3.4.1概率神经网络模式识别机理

3.5本章小结

第4章 主成分分析法

4.1主成分分析法法简介

4.2主成分分析法法基本原理

4.2.1主成分分析法的主要统计量

4.2.2特征根λ

4.2.3特征向量α(即为载荷)

4.2.4主成分分数(得分矩阵)

4.2.5各成分的贡献率

4.2.6累计贡献率

4.2.7计算主成分值，建立新样本

4.2.8确定取几个成分作为主成分的判定方法

4.2.9主成分的图形解释

4.2.10主成分分析法算法

4.3主成分的诊断实例

4.3.1诊断结果

4.4本章小结

第5章基于主成分的概率神经网络故障诊断实例

5.1电路故障特征集的确定

5.1.1输入特征的提取和表示

5.1.2输出量的表示

5.1.3构造样本集

5.2故障诊断过程

5.3仿真分析

5.3.1 BP网络和PNN网络的训练过程

5.3.2故障诊断中的模糊集

5.4本章小结

总结与展望

1.全文总结

2.进一步的工作

参考文献

致谢

附录