| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及研究意义 | 第10-11页 |
| 1.2 轴承智能故障诊断算法研究现状及分析 | 第11-13页 |
| 1.2.1 国外研究现状 | 第11-12页 |
| 1.2.2 国内研究现状 | 第12-13页 |
| 1.3 卷积神经网络研究现状 | 第13-15页 |
| 1.4 综述与简析 | 第15-16页 |
| 1.5 本文主要研究内容 | 第16-18页 |
| 第2章 基于一维卷积神经网络的滚动轴承故障诊断方法 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 卷积神经网络结构 | 第18-23页 |
| 2.2.1 卷积层 | 第18-19页 |
| 2.2.2 激活层 | 第19-20页 |
| 2.2.3 池化层 | 第20-21页 |
| 2.2.4 全连接层 | 第21页 |
| 2.2.5 目标函数 | 第21-22页 |
| 2.2.6 用于滚动轴承故障诊断的一维卷积神经网络结构 | 第22-23页 |
| 2.3 卷积神经网络误差反向传播 | 第23-24页 |
| 2.3.1 全连接层反向求导 | 第23-24页 |
| 2.3.2 池化层反向求导 | 第24页 |
| 2.3.3 卷积层反向求导 | 第24页 |
| 2.4 Adam优化算法 | 第24-25页 |
| 2.5 数据集增强 | 第25-26页 |
| 2.6 滚动轴承故障诊断试验 | 第26-29页 |
| 2.6.1 凯斯西储大学轴承数据库 | 第26-27页 |
| 2.6.2 故障诊断结果 | 第27-29页 |
| 2.7 本章小结 | 第29-30页 |
| 第3章 轴承故障诊断深度卷积神经网络架构 | 第30-39页 |
| 3.1 引言 | 第30页 |
| 3.2 WDCNN算法描述 | 第30-31页 |
| 3.3 批量归一化层（BN） | 第31-33页 |
| 3.3.1 BN的正向传播 | 第31-32页 |
| 3.3.2 BN的反向求导 | 第32-33页 |
| 3.4 WDCNN超参数设计准则 | 第33-34页 |
| 3.5 WDCNN轴承故障诊断试验 | 第34-38页 |
| 3.5.1 WDCNN试验参数 | 第34-35页 |
| 3.5.2 WDCNN试验模型及训练 | 第35-36页 |
| 3.5.3 故障诊断结果 | 第36-38页 |
| 3.6 本章小结 | 第38-39页 |
| 第4章 基于AdaBN算法的WDCNN轴承故障诊断模型 | 第39-50页 |
| 4.1 引言 | 第39页 |
| 4.2 基于AdaBN算法的WDCNN模型 | 第39-40页 |
| 4.3 噪声环境下轴承故障诊断性能分析 | 第40-43页 |
| 4.3.1 噪声信号准备 | 第40-41页 |
| 4.3.2 第一层卷积核大小对抗噪性影响 | 第41-42页 |
| 4.3.3 抗噪性比较 | 第42-43页 |
| 4.4 变载情况下故障诊断性能分析 | 第43-45页 |
| 4.4.1 变载问题描述 | 第43-44页 |
| 4.4.2 试验结果与分析 | 第44-45页 |
| 4.5 WDCNN模型可视化分析 | 第45-49页 |
| 4.5.1 第一层卷积核可视化 | 第45-46页 |
| 4.5.2 神经元可视化 | 第46-48页 |
| 4.5.3 分类过程可视化 | 第48-49页 |
| 4.6 本章小结 | 第49-50页 |
| 第5章 基于训练干扰的WDCNN轴承故障诊断模型 | 第50-65页 |
| 5.1 引言 | 第50页 |
| 5.2 TICNN模型 | 第50-55页 |
| 5.2.1 TICNN模型结构 | 第50-51页 |
| 5.2.2 卷积核Dropout算法 | 第51-53页 |
| 5.2.3 极小批量训练 | 第53-54页 |
| 5.2.4 基于多数同意规则的集成学习 | 第54-55页 |
| 5.3 TICNN模型训练过程 | 第55-57页 |
| 5.4 TICNN抗噪性分析 | 第57-60页 |
| 5.4.1 Mini-batch大小对TICNN抗噪性能的影响 | 第57-58页 |
| 5.4.2 卷积核Dropout，BN与集成学习对TICNN抗噪性的影响 | 第58-59页 |
| 5.4.3 抗噪性比较 | 第59-60页 |
| 5.5 TICNN变载情况下轴承故障诊断率分析 | 第60页 |
| 5.6 TICNN模型可视化分析 | 第60-64页 |
| 5.6.1 第一层卷积核可视化 | 第61页 |
| 5.6.2 神经元可视化 | 第61-62页 |
| 5.6.3 分类过程可视化 | 第62-64页 |
| 5.7 本章小结 | 第64-65页 |
| 结论 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读学位期间发表的学术论文 | 第70-72页 |
| 致谢 | 第72页 |
