基于深度学习重构算法的旋转机械故障识别研究
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第9-19页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状综述 | 第10-16页 |
| 1.2.1 深度学习理论研究 | 第10-12页 |
| 1.2.2 深度学习应用研究 | 第12-15页 |
| 1.2.3 基于深度学习的故障识别研究现状 | 第15-16页 |
| 1.3 本文主要研究内容及安排 | 第16-19页 |
| 1.3.1 主要研究内容 | 第16-17页 |
| 1.3.2 论文的组织结构 | 第17-19页 |
| 2 深度学习算法研究 | 第19-32页 |
| 2.1 引言 | 第19-20页 |
| 2.2 人工神经网络 | 第20-21页 |
| 2.3 深度学习单层结构 | 第21-25页 |
| 2.3.1 受限玻尔兹曼机 | 第21-22页 |
| 2.3.2 卷积神经网络 | 第22-23页 |
| 2.3.3 自动编码器以及衍生结构 | 第23-25页 |
| 2.4 深度学习多层结构 | 第25-31页 |
| 2.4.1 深度置信网络 | 第25-27页 |
| 2.4.2 深度卷积神经网络 | 第27-28页 |
| 2.4.3 深度自动编码器 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 基于深度神经网络的故障识别研究 | 第32-43页 |
| 3.1 引言 | 第32页 |
| 3.2 旋转机械故障识别的方法与基本流程 | 第32-34页 |
| 3.2.1 故障识别的基本流程 | 第32-33页 |
| 3.2.2 故障识别的方法 | 第33-34页 |
| 3.3 基于深度神经网络的智能识别算法 | 第34-36页 |
| 3.4 实验结果及分析 | 第36-41页 |
| 3.4.1 数据描述 | 第36-38页 |
| 3.4.2 参数描述 | 第38-39页 |
| 3.4.3 实验结果分析 | 第39-41页 |
| 3.5 本章小结 | 第41-43页 |
| 4 深度自编码器重构算法及其故障识别研究 | 第43-53页 |
| 4.1 引言 | 第43页 |
| 4.2 深度自编码器重构算法研究 | 第43-50页 |
| 4.2.1 深度自编码器重构 | 第43-44页 |
| 4.2.2 深度自编码器结合策略设计 | 第44-48页 |
| 4.2.3 深度学习重构算法的步骤 | 第48-50页 |
| 4.3 实验结果及分析 | 第50-52页 |
| 4.3.1 临界值的选取 | 第50页 |
| 4.3.2 参数描述以及权重计算 | 第50-51页 |
| 4.3.3 实验结果分析 | 第51-52页 |
| 4.4 本章小结 | 第52-53页 |
| 5 实验验证 | 第53-58页 |
| 5.1 数据采集以及预处理 | 第53-55页 |
| 5.2 识别不平衡的数据集识别算法研究 | 第55-57页 |
| 5.3 本章小结 | 第57-58页 |
| 6 总结与展望 | 第58-60页 |
| 6.1 总结 | 第58页 |
| 6.2 展望 | 第58-60页 |
| 参考文献 | 第60-66页 |
| 攻读硕士学位期间所取得的研究成果 | 第66-67页 |
| 致谢 | 第67-68页 |
