首页--交通运输论文--公路运输论文--汽车保养与修理论文--诊断和检测技术及其仪器设备论文

基于深度信念网络的变速器故障分类识别研究

摘要第5-6页
Abstract第6-7页
第一章 绪论第10-19页
    1.1 课题来源第10页
    1.2 课题研究的意义和目的第10-12页
    1.3 国内外研究现状第12-18页
        1.3.1 深度学习概念第12-16页
        1.3.2 研究现状第16-18页
    1.4 论文的研究内容第18-19页
第二章 深度信念网络第19-38页
    2.1 前向堆叠RBM学习第19-29页
        2.1.1 限制波尔兹曼机第19-20页
        2.1.2 限制波尔兹曼机基本模型第20-27页
        2.1.3 Gibbs抽样第27-29页
    2.2 后向微调学习第29-30页
    2.3 深度信念网络关键参数设置第30-32页
    2.4 轴承故障分类识别第32-37页
    2.5 本章小结第37-38页
第三章 基于深度信念重构网络的振动仿真信号重构第38-52页
    3.1 深度信念重构网络第38-40页
    3.2 振动仿真信号重构流程第40-42页
    3.3 振动仿真信号重构分析第42-51页
        3.3.1 初始正弦仿真信号重构分析第42-44页
        3.3.2 不同幅值正弦仿真信号重构分析第44-46页
        3.3.3 归一化仿真信号重构分析第46-51页
    3.4 本章小结第51-52页
第四章 基于原始数据的故障分类识别第52-66页
    4.1 基于原始数据的轴承故障分类识别第52-59页
        4.1.1 隐藏层组合分析第53-57页
        4.1.2 样本长度分析第57-59页
    4.2 时间成本控制分析第59-63页
    4.3 传统方法对比分析第63-64页
    4.4 本章小结第64-66页
第五章 变速器故障分类识别第66-80页
    5.1 实验构建第66-69页
    5.2 时域频域简单分析第69-72页
    5.3 单一故障分类识别第72-75页
        5.3.1 齿轮正常状态下轴承故障第72-73页
        5.3.2 轴承正常状态下齿轮故障第73-75页
    5.4 复杂故障分类识别第75-78页
        5.4.1 结果分析第75-76页
        5.4.2 时间成本控制分析第76-77页
        5.4.3 DBN输入方式对比分析第77-78页
    5.5 本章小结第78-80页
结论与展望第80-82页
参考文献第82-88页
攻读硕士学位期间取得的研究成果第88-89页
致谢第89-90页
附件第90页

论文共90页,点击 下载论文
上一篇:潮汕地区乡村聚落形态现代演变研究
下一篇:基于BIM的地铁综合管线设计优化方法研究