| 摘要 | 第5-6页 |
| abstract | 第6页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题背景及研究意义 | 第9-11页 |
| 1.2 故障预测方法的国内外研究现状 | 第11-14页 |
| 1.2.1 故障预测方法的国外研究现状 | 第11-14页 |
| 1.2.2 故障预测方法的国内研究现状 | 第14页 |
| 1.2.3 LSTM网络的研究现状 | 第14页 |
| 1.3 本课题主要研究内容 | 第14-16页 |
| 第二章 旋转机械故障分析 | 第16-25页 |
| 2.1 轴承故障机理 | 第16-17页 |
| 2.2 滚动轴承的故障形式 | 第17-19页 |
| 2.3 影响轴承故障失效的因素 | 第19-20页 |
| 2.4 滚动轴承的振动机理 | 第20-21页 |
| 2.5 旋转机械故障演化规律分析 | 第21-24页 |
| 2.6 本章小结 | 第24-25页 |
| 第三章 LSTM网络模型 | 第25-37页 |
| 3.1 多层感知器 | 第25-30页 |
| 3.1.1 前向传播过程 | 第26-27页 |
| 3.1.2 输出层 | 第27-28页 |
| 3.1.3 损失函数 | 第28-29页 |
| 3.1.4 反向传播过程 | 第29-30页 |
| 3.2 RNN模型 | 第30-32页 |
| 3.2.1 RNN模型基本结构 | 第30-31页 |
| 3.2.2 前向传播过程 | 第31-32页 |
| 3.2.3 反向传播过程 | 第32页 |
| 3.3 LSTM网络模型 | 第32-36页 |
| 3.3.1 LSTM网络模型基本结构 | 第32-35页 |
| 3.3.2 LSTM网络模型的训练方法 | 第35-36页 |
| 3.4 本章小结 | 第36-37页 |
| 第四章 基于LSTM的旋转机械状态预测 | 第37-54页 |
| 4.1 基于CEEMDAN的旋转机械振动噪声降噪研究 | 第38-44页 |
| 4.1.1 EMD理论 | 第38-39页 |
| 4.1.2 EEMD理论 | 第39-42页 |
| 4.1.3 CEEMDAN理论 | 第42-43页 |
| 4.1.4 基于CEEMDAN的旋转机械振动噪声降噪 | 第43-44页 |
| 4.2 CEEMDAN能量熵特征提取 | 第44-46页 |
| 4.2.1 信息熵 | 第44-45页 |
| 4.2.2 CEEMDAN能量熵 | 第45-46页 |
| 4.3 旋转机械状态预测实验分析 | 第46-52页 |
| 4.3.1 数据介绍 | 第46-48页 |
| 4.3.2 支持向量回归模型 | 第48-50页 |
| 4.3.3 LSTM网络结构设计与实验分析 | 第50-52页 |
| 4.4 本章小结 | 第52-54页 |
| 第五章 基于LSTM的机械剩余使用寿命预测 | 第54-61页 |
| 5.1 LSTM网络预测模型的训练集和测试集 | 第54-55页 |
| 5.2 振动信号相对特征提取 | 第55-58页 |
| 5.2.1 数据预处理 | 第55页 |
| 5.2.2 特征提取 | 第55-58页 |
| 5.3 旋转机械剩余使用寿命预测实验分析 | 第58-60页 |
| 5.4 本章小结 | 第60-61页 |
| 第六章 结论与展望 | 第61-64页 |
| 6.1 总结与结论 | 第61-62页 |
| 6.2 研究展望 | 第62-64页 |
| 参考文献 | 第64-70页 |
| 攻读硕士学位期间发表的学术论文及取得的相关科研成果 | 第70-71页 |
| 致谢 | 第71页 |
