基于深度学习的故障诊断方法研究
| 摘要 | 第6-7页 |
| abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 目的及意义 | 第11-12页 |
| 1.2 深度学习的发展与应用 | 第12-17页 |
| 1.2.1 深度学习的发展历程 | 第12-13页 |
| 1.2.2 深度学习的应用 | 第13-17页 |
| 1.3 本文主要工作内容 | 第17-18页 |
| 1.4 本章小结 | 第18-19页 |
| 第2章 传统神经网络 | 第19-31页 |
| 2.1 BP神经网络 | 第19-22页 |
| 2.2 概率神经网络 | 第22-26页 |
| 2.3 Softmax分类器 | 第26-29页 |
| 2.4 总结 | 第29-31页 |
| 第3章 基于深度信念网络的故障诊断方法 | 第31-41页 |
| 3.1 深度学习 | 第31-32页 |
| 3.2 深度信念网络简介 | 第32页 |
| 3.3 深度信念网络结构 | 第32-37页 |
| 3.3.1 限制玻尔兹曼机 | 第33-35页 |
| 3.3.2 CD-K算法 | 第35-37页 |
| 3.4 故障诊断模型 | 第37-40页 |
| 3.4.1 深度信念网络初始化 | 第38页 |
| 3.4.2 深度信念网络模型的训练 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 基于栈式编码器的故障诊断方法 | 第41-48页 |
| 4.1 自动编码器 | 第41-44页 |
| 4.1.1 自动编码器结构 | 第41-42页 |
| 4.1.2 稀疏自动编码器 | 第42-44页 |
| 4.2 栈式编码器 | 第44-47页 |
| 4.2.1 栈式编码器编码步骤 | 第45页 |
| 4.2.2 栈式编码器模型的训练 | 第45-47页 |
| 4.3 本章小结 | 第47-48页 |
| 第5章 仿真结果分析 | 第48-62页 |
| 5.1 TE仿真数据 | 第48-52页 |
| 5.1.1 过程反应 | 第49-50页 |
| 5.1.2 过程变量 | 第50-51页 |
| 5.1.3 过程故障 | 第51-52页 |
| 5.2 仿真分析 | 第52-60页 |
| 5.2.1 仿真过程 | 第52-53页 |
| 5.2.2 训练过程分析 | 第53-55页 |
| 5.2.3 测试结果分析 | 第55-60页 |
| 5.3 本章小结 | 第60-62页 |
| 结论 | 第62-63页 |
| 参考文献 | 第63-67页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第67-68页 |
| 致谢 | 第68-69页 |
