| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 1 绪论 | 第14-20页 |
| 1.1 研究背景及意义 | 第14-15页 |
| 1.2 滚动轴承故障机理 | 第15-16页 |
| 1.3 国内外研究现状 | 第16-18页 |
| 1.4 研究内容 | 第18页 |
| 1.5 论文章节安排 | 第18-20页 |
| 2 特征提取与滚动轴承故障诊断方法 | 第20-36页 |
| 2.1 故障特征人工构建 | 第20-24页 |
| 2.2 两种故障分类算法 | 第24-30页 |
| 2.3 算法性能测试 | 第30-35页 |
| 2.4 本章小结 | 第35-36页 |
| 3 基于稀疏自动编码器的滚动轴承故障诊断算法 | 第36-53页 |
| 3.1 稀疏自动编码器与自动特征提取 | 第36-41页 |
| 3.2 稀疏自动编码器参数确定策略 | 第41-45页 |
| 3.3 基于FSAE与 SVM的滚动轴承智能故障诊断算法 | 第45-47页 |
| 3.4 实验测试 | 第47-52页 |
| 3.5 本章小结 | 第52-53页 |
| 4 基于稀疏自动编码器的半监督滚动轴承故障诊断算法 | 第53-64页 |
| 4.1 滚动轴承故障诊断中的半监督算法 | 第53-57页 |
| 4.2 基于K近邻与SVM的半监督分类算法设计 | 第57-59页 |
| 4.3 基于稀疏自动编码器的半监督滚动轴承故障诊断算法 | 第59-60页 |
| 4.4 实验测试 | 第60-63页 |
| 4.5 本章小结 | 第63-64页 |
| 5 总结与展望 | 第64-66页 |
| 5.1 总结 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 参考文献 | 第66-71页 |
| 作者简历 | 第71-73页 |
| 学位论文数据集 | 第73页 |
