基于卷积神经网络的振动信号模态参数提取
| 摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 引言 | 第10-12页 |
| 1 绪论 | 第12-19页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 国内外研究现状与进展 | 第13-16页 |
| 1.2.1 振动信号的模态参数提取研究现状 | 第13-14页 |
| 1.2.2 卷积神经网络的研究现状 | 第14-16页 |
| 1.3 本文的研究思路和结构安排 | 第16-19页 |
| 1.3.1 本文的研究思路 | 第16-17页 |
| 1.3.2 本文结构安排 | 第17-19页 |
| 2 振动信号的模态参数识别方法 | 第19-35页 |
| 2.1 频域识别法 | 第19-24页 |
| 2.1.1 Levy法 | 第19-22页 |
| 2.1.2 正交多项式拟合法 | 第22-24页 |
| 2.2 时域识别法 | 第24-30页 |
| 2.2.1 ITD法 | 第25-27页 |
| 2.2.2 SSI算法 | 第27-30页 |
| 2.3 现代信号处理技术 | 第30-33页 |
| 2.4 本章小结 | 第33-35页 |
| 3 卷积神经网络理论 | 第35-46页 |
| 3.1 卷积神经网络的概述 | 第35-38页 |
| 3.2 卷积神经网络学习过程 | 第38-45页 |
| 3.2.1 前向传播过程 | 第38-41页 |
| 3.2.2 反向传播过程 | 第41-45页 |
| 3.3 本章小结 | 第45-46页 |
| 4 面向振动信号模态参数提取的卷积神经网络改进 | 第46-58页 |
| 4.1 改进卷积神经网络的结构构建 | 第46-47页 |
| 4.2 改进卷积神经网络的BP学习研究 | 第47-51页 |
| 4.3 改进卷积神经网络的BP学习算法仿真实验 | 第51-57页 |
| 4.3.1 训练集和测试集的构建 | 第51-52页 |
| 4.3.2 实验仿真过程 | 第52-55页 |
| 4.3.3 噪声强度对频率提取的影响 | 第55页 |
| 4.3.4 迭代次数对频率提取的影响 | 第55-57页 |
| 4.4 本章小结 | 第57-58页 |
| 5 粒子群优化改进卷积神经网络的模态参数识别 | 第58-62页 |
| 5.1 粒子群优化原理 | 第58页 |
| 5.2 改进卷积神经网络的粒子群优化学习研究 | 第58-60页 |
| 5.3 粒子群优化改进卷积神经网络的仿真实验 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 6 工程应用测试 | 第62-67页 |
| 6.1 实验装置和仪器 | 第62-63页 |
| 6.2 经典算法处理对比 | 第63-64页 |
| 6.3 BP学习算法和粒子群优化对比 | 第64-65页 |
| 6.4 实验结果分析 | 第65-66页 |
| 6.5 本章小结 | 第66-67页 |
| 7 总结与展望 | 第67-70页 |
| 7.1 总结 | 第67-68页 |
| 7.2 展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 在学研究成果 | 第74-75页 |
| 致谢 | 第75页 |
