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 |