| 中文摘要 | 第3-5页 |
| 英文摘要 | 第5-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 课题来源 | 第10页 |
| 1.2 选题背景及研究意义 | 第10-11页 |
| 1.3 国内外研究现状 | 第11-14页 |
| 1.3.1 故障信号处理方法 | 第11-12页 |
| 1.3.2 深度学习 | 第12-14页 |
| 1.4 本文研究主要内容 | 第14-16页 |
| 2 行星减速器的振动机理与振动信号模型 | 第16-22页 |
| 2.1 前言 | 第16页 |
| 2.2 齿轮的振动机理 | 第16-17页 |
| 2.3 行星减速器结构及振动信号特点 | 第17-18页 |
| 2.3.1 结构及传动特点 | 第17-18页 |
| 2.3.2 振动信号特点 | 第18页 |
| 2.4 振动信号模型 | 第18-21页 |
| 2.4.1 啮合点处振动信号模型 | 第19-20页 |
| 2.4.2 传递路径对测试的影响 | 第20页 |
| 2.4.3 局部故障振动信号模型 | 第20-21页 |
| 2.5 总结 | 第21-22页 |
| 3 基于优化的MORLET小波和峭度的冲击信号提取 | 第22-34页 |
| 3.1 引言 | 第22页 |
| 3.2 优化MORLET小波变换 | 第22-23页 |
| 3.3 基于峭度的冲击信号检测原理 | 第23-24页 |
| 3.4 冲击信号提取的方法 | 第24-28页 |
| 3.4.1 周期冲击信号的小波尺度谱 | 第24-27页 |
| 3.4.2 冲击信号提取算法 | 第27-28页 |
| 3.5 仿真信号分析 | 第28-32页 |
| 3.6 总结 | 第32-34页 |
| 4 基于改进的激活函数的深度信念网络的模型及性能分析 | 第34-52页 |
| 4.1 引言 | 第34页 |
| 4.2 深度信念网络模型 | 第34-40页 |
| 4.2.1 前向堆叠RBM模型 | 第34-39页 |
| 4.2.2 DBN反向调节过程 | 第39-40页 |
| 4.3 DBN神经网络激活函数的改进 | 第40-47页 |
| 4.3.1 反向调节算法 | 第40-42页 |
| 4.3.2 改进的激活函数 | 第42-46页 |
| 4.3.3 参数确定 | 第46-47页 |
| 4.3.4 自适应调节学习率 | 第47页 |
| 4.3.5 网络评估 | 第47页 |
| 4.4 手写字体分类识别 | 第47-50页 |
| 4.5 本章小结 | 第50-52页 |
| 5 行星减速器的智能故障诊断 | 第52-72页 |
| 5.1 前言 | 第52页 |
| 5.2 行星减速器实验构建 | 第52-59页 |
| 5.2.1 实验台介绍 | 第52-54页 |
| 5.2.2 齿轮故障类型 | 第54-56页 |
| 5.2.3 振动信号采集 | 第56-59页 |
| 5.3 原始振动信号作为DBN的输入 | 第59-60页 |
| 5.4 振动信号特征作为DBN的输入 | 第60-70页 |
| 5.4.1 信号特征提取 | 第60-64页 |
| 5.4.2 故障诊断实验 | 第64-70页 |
| 5.5 总结 | 第70-72页 |
| 6 总结与展望 | 第72-74页 |
| 6.1 本文总结 | 第72页 |
| 6.2 工作展望 | 第72-74页 |
| 致谢 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 附录 | 第80页 |
| A. 作者在攻读学位期间发表的论文目录 | 第80页 |
| B. 作者在攻读学位期间参与的科研项目 | 第80页 |
| C. 作者在攻读学位期间申请的发明专利 | 第80页 |