| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 变量注释表 | 第13-14页 |
| 1 绪论 | 第14-27页 |
| 1.1 研究背景及意义 | 第14页 |
| 1.2 传统故障诊断国内外研究现状 | 第14-21页 |
| 1.3 基于深度学习的故障诊断研究现状 | 第21-25页 |
| 1.4 主要研究内容与组织结构 | 第25-27页 |
| 2 深度神经网络相关理论 | 第27-36页 |
| 2.1 深度神经网络简介 | 第27-31页 |
| 2.2 深度神经网络训练方法 | 第31-33页 |
| 2.3 深度神经网络优化方法 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 3 基于深度神经网络的提升机轴承故障诊断算法 | 第36-50页 |
| 3.1 引言 | 第36页 |
| 3.2 相关工作 | 第36-37页 |
| 3.3 基于深度神经网络的故障诊断模型 | 第37-43页 |
| 3.4 实验 | 第43-49页 |
| 3.5 本章小结 | 第49-50页 |
| 4 基于自适应批标准化神经网络的提升机轴承故障诊断算法 | 第50-64页 |
| 4.1 引言 | 第50页 |
| 4.2 相关工作 | 第50-51页 |
| 4.3 基于自适应批标准化的故障诊断算法 | 第51-56页 |
| 4.4 实验 | 第56-63页 |
| 4.5 本章小结 | 第63-64页 |
| 5 总结与展望 | 第64-65页 |
| 参考文献 | 第65-73页 |
| 作者简历 | 第73-75页 |
| 学位论文数据集 | 第75页 |