| 中文摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 机械故障诊断的研究意义及研究现状 | 第12-16页 |
| 1.1.1 研究意义 | 第12-13页 |
| 1.1.2 研究现状 | 第13-16页 |
| 1.2 深度学习方法的研究现状及其在机械故障诊断中的应用 | 第16-20页 |
| 1.2.1 深度学习方法的研究现状 | 第16-18页 |
| 1.2.2 深度学习方法在机械故障诊断中的应用 | 第18-20页 |
| 1.3 论文的主要研究工作 | 第20-22页 |
| 1.4 论文的章节安排 | 第22-23页 |
| 第二章 深度学习基本理论概述 | 第23-36页 |
| 2.1 神经网络概述 | 第23-28页 |
| 2.1.1 前向传播过程 | 第25页 |
| 2.1.2 反向传播过程 | 第25-27页 |
| 2.1.3 反向传播算法 | 第27-28页 |
| 2.2 深度学习神经网络 | 第28-29页 |
| 2.2.1 深度学习概念 | 第28页 |
| 2.2.2 深度学习训练方法 | 第28页 |
| 2.2.3 Softmax分类器 | 第28-29页 |
| 2.3 自动编码器基本理论概述 | 第29-35页 |
| 2.3.1 自动编码器 | 第29-31页 |
| 2.3.2 稀疏自动编码器 | 第31-32页 |
| 2.3.3 压缩自动编码器 | 第32-33页 |
| 2.3.4 自动编码器的训练过程 | 第33-34页 |
| 2.3.5 深度自动编码器 | 第34-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 基于深度SAE的特征稀疏性增强双层故障诊断网络研究与应用 | 第36-53页 |
| 3.1 深度SAE神经网络 | 第36-38页 |
| 3.1.1 深度SAE的网络结构 | 第36-37页 |
| 3.1.2 深度SAE的网络训练过程 | 第37-38页 |
| 3.2 基于EMD分解和AR模型的数据预处理 | 第38-41页 |
| 3.2.1 EMD分解 | 第38-39页 |
| 3.2.2 AR模型建立与参数提取 | 第39-41页 |
| 3.3 基于深度SAE的特征稀疏性增强双层故障诊断网络 | 第41-42页 |
| 3.3.1 双层故障诊断网络结构 | 第41页 |
| 3.3.2 双层故障诊断网络流程 | 第41-42页 |
| 3.4 轴承故障诊断实验验证 | 第42-52页 |
| 3.4.1 轴承故障实验台及数据介绍 | 第42-44页 |
| 3.4.2 轴承数据预处理 | 第44-45页 |
| 3.4.3 诊断结果分析 | 第45-50页 |
| 3.4.4 参数选取分析 | 第50-52页 |
| 3.5 本章小结 | 第52-53页 |
| 第四章 基于深度CAE的特征鲁棒性增强自适应故障诊断网络研究与应用 | 第53-68页 |
| 4.1 深度CAE神经网络 | 第53-55页 |
| 4.1.1 深度CAE的网络结构 | 第53-54页 |
| 4.1.2 深度CAE的网络训练过程 | 第54-55页 |
| 4.2 网络参数优化 | 第55-57页 |
| 4.2.1 RELU函数的引入 | 第55-56页 |
| 4.2.2 学习率的自适应优化 | 第56-57页 |
| 4.3 基于深度CAE的特征鲁棒性增强自适应故障诊断网络 | 第57-58页 |
| 4.3.1 故障诊断网络结构 | 第57页 |
| 4.3.2 故障诊断网络流程 | 第57-58页 |
| 4.4 齿轮箱故障诊断实验验证 | 第58-67页 |
| 4.4.1 齿轮箱故障实验台及数据介绍 | 第58-59页 |
| 4.4.2 诊断结果分析 | 第59-64页 |
| 4.4.3 鲁棒性验证 | 第64-66页 |
| 4.4.4 参数选取分析 | 第66-67页 |
| 4.5 本章小结 | 第67-68页 |
| 第五章 特征鲁棒性与稀疏性增强组合型故障诊断网络研究与应用 | 第68-77页 |
| 5.1 特征增强组合型深度神经网络 | 第68-69页 |
| 5.1.1 网络结构设计 | 第68页 |
| 5.1.2 网络训练过程 | 第68-69页 |
| 5.2 特征鲁棒性与稀疏性增强组合型故障诊断网络 | 第69-70页 |
| 5.2.1 故障诊断网络结构 | 第69-70页 |
| 5.2.2 故障诊断网络流程 | 第70页 |
| 5.3 轴承故障诊断实验验证 | 第70-76页 |
| 5.3.1 轴承故障实验台及数据介绍 | 第70-72页 |
| 5.3.2 诊断结果分析 | 第72-73页 |
| 5.3.3 参数选取分析 | 第73-76页 |
| 5.4 本章小结 | 第76-77页 |
| 第六章 总结与展望 | 第77-79页 |
| 6.1 总结 | 第77-78页 |
| 6.2 展望 | 第78-79页 |
| 参考文献 | 第79-86页 |
| 攻读学位期间本人出版或公开发表的论著、论文 | 第86-87页 |
| 致谢 | 第87-88页 |
