声明
第一章绪 论
1.1 课题研究背景和意义
1.2 国内外研究现状与发展动态
1.3 论文研究内容与主要结构
第二章电路健康管理基础
2.1 电子电路健康管理
2.1.1 产品设备的可靠性与维护
2.1.2 故障预测与健康管理技术
2.1.3 故障预测与健康管理的应用
2.2 故障预测与健康管理技术分类
2.2.1 基于物理模型的PHM技术
2.2.2 基于数据驱动的PHM技术
2.2.3 基于数据的统计学方法
2.2.4 基于数据的机器学习方法
2.3 数据异常检测方法介绍
2.3.1 数据异常的类型
2.3.2 数据异常识别方法分类
2.4 本章总结
第三章机器学习算法与硬件平台
3.1 机器学习理论
3.1.1 监督学习
3.1.2 无监督学习
3.1.3 半监督学习
3.1.4 强化学习
3.2 深度学习与神经网络
3.2.1 神经网络基础
3.2.2 深度神经网络
3.3 异构系统硬件开发平台
3.3.1 PYNQ异构开发平台
3.3.2 PYNQ硬件资源介绍
3.3.3 Vivado HLS 开发工具
3.4 本章总结
第四章数据异常感知硬件系统设计
4.1 数据预处理方法
4.1.1 数据整理
4.1.2 数据特征缩放
4.2 使用深度神经网络的检测方法
4.2.1 数据异常与深度神经网络
4.2.2 深度神经网络推理
4.2.3 深度神经网络训练
4.3 神经网络算法在PYNQ异构平台的实现
4.3.1 使用HLS开发的硬件优化方法
4.3.2 使用HLS的异常识别算法实现
4.4 本章小结
第五章算法硬件设计实现及验证
5.1 数据获取与模型训练
5.1.1 基于OrCAD仿真的数据获取
5.1.2 基于Tensorflow的模型建立及验证
5.2 异常监测硬件平台搭建与使用
5.2.1 基于PYNQ的异构平台软硬件配置
5.2.2 使用异构平台进行异常数据识别
5.3 实验结果讨论分析
5.4 本章小结
第六章总结与展望
致谢
参考文献
攻读硕士学位期间取得的成果
电子科技大学;
