基于深度学习的管路工况识别研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状 | 第9-15页 |
| 1.2.1 深度学习的概念 | 第9-12页 |
| 1.2.2 研究现状 | 第12-15页 |
| 1.3 论文章节安排 | 第15-16页 |
| 第二章 深度自动编码器 | 第16-21页 |
| 2.1 深度自动编码器原理 | 第16-18页 |
| 2.1.1 自动编码器 | 第16-17页 |
| 2.1.2 深度自动编码器 | 第17-18页 |
| 2.2 深度自动编码器关键参数设置 | 第18-20页 |
| 2.3 本章小结 | 第20-21页 |
| 第三章 深度自动编码器特征重构实验 | 第21-35页 |
| 3.1 重构效果评价参数设置 | 第21-22页 |
| 3.2 振动仿真信号重构流程 | 第22-24页 |
| 3.3 振动仿真信号重构分析 | 第24-34页 |
| 3.3.1 简单正弦仿真信号重构分析 | 第24-27页 |
| 3.3.2 不同幅值正弦仿真信号重构分析 | 第27-29页 |
| 3.3.3 归一化仿真信号重构分析 | 第29-34页 |
| 3.4 本章小结 | 第34-35页 |
| 第四章 管路工况分类识别 | 第35-48页 |
| 4.1 实验构建 | 第35-36页 |
| 4.2 管路工况识别算法流程 | 第36-38页 |
| 4.3 简单时频域分析 | 第38-40页 |
| 4.4 隐藏层组合分析 | 第40-43页 |
| 4.4.1 恒值型组合 | 第40-41页 |
| 4.4.2 升值型组合 | 第41页 |
| 4.4.3 降值型组合 | 第41-42页 |
| 4.4.4 隐藏层分析小结 | 第42-43页 |
| 4.5 样本长度分析 | 第43-44页 |
| 4.6 有标签样本比例对模型的影响 | 第44-45页 |
| 4.7 最优测点位置选取 | 第45-46页 |
| 4.8 传统方法对比分析 | 第46页 |
| 4.9 本章小结 | 第46-48页 |
| 第五章 总结与展望 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-55页 |
| 攻读学位期间发表的学术论文目录 | 第55页 |
