基于卷积神经网络的变速器故障分类识别研究
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-16页 |
| 1.1 课题来源 | 第10页 |
| 1.2 课题研究的意义和目的 | 第10页 |
| 1.3 卷积神经网络的研究现状 | 第10-12页 |
| 1.4 旋转机械故障诊断研究现状 | 第12-15页 |
| 1.5 论文研究内容 | 第15-16页 |
| 第二章 卷积神经网络 | 第16-26页 |
| 2.1 卷积神经网络算法原理 | 第16-18页 |
| 2.2 卷积神经网络训练过程 | 第18-23页 |
| 2.2.1 前向传播 | 第19页 |
| 2.2.2 反向传播 | 第19-23页 |
| 2.3 卷积神经网络分类流程 | 第23页 |
| 2.4 基于卷积神经网络的手写体数字识别 | 第23-25页 |
| 2.5 本章小结 | 第25-26页 |
| 第三章 振动信号预处理 | 第26-38页 |
| 3.1 时频分析方法 | 第26-28页 |
| 3.1.1 短时傅里叶变换 | 第26-27页 |
| 3.1.2 连续小波变换 | 第27页 |
| 3.1.3 S变换 | 第27-28页 |
| 3.2 齿轮冲击型故障仿真及时频分析 | 第28-31页 |
| 3.3 滚动轴承内圈冲击型故障仿真及时频分析 | 第31-34页 |
| 3.4 混合故障仿真及时频分析 | 第34-36页 |
| 3.5 本章小结 | 第36-38页 |
| 第四章 基于CNN的故障时频图像分类识别研究 | 第38-56页 |
| 4.1 实验设置 | 第38-40页 |
| 4.2 故障诊断流程 | 第40页 |
| 4.3 信号时域及时频域分析 | 第40-44页 |
| 4.4 变速箱信号的时频图像识别 | 第44-49页 |
| 4.4.1 迭代次数对分类结果的影响 | 第44-45页 |
| 4.4.2 批量尺寸大小对分类结果的影响 | 第45-46页 |
| 4.4.3 卷积核个数对分类结果的影响 | 第46-47页 |
| 4.4.4 卷积核尺寸对分类结果的影响 | 第47-48页 |
| 4.4.5 参数验证 | 第48-49页 |
| 4.5 卷积神经网络识别性能验证 | 第49-51页 |
| 4.6 不同时频方法与CNN结合的性能分析 | 第51-55页 |
| 4.6.1 三类方法的时频图对比分析 | 第51-53页 |
| 4.6.2 三种时频方法下的故障识别结果 | 第53-55页 |
| 4.7 本章小结 | 第55-56页 |
| 第五章 变转速下的变速箱故障识别 | 第56-67页 |
| 5.1 实验设置 | 第56页 |
| 5.2 升速工况下的故障诊断 | 第56-63页 |
| 5.2.1 升速信号分析 | 第56-60页 |
| 5.2.2 时频图像识别 | 第60-63页 |
| 5.3 升降速工况下的故障诊断 | 第63-65页 |
| 5.4 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 结论 | 第67-68页 |
| 展望 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 攻读硕士学位期间取得的研究成果 | 第75-76页 |
| 致谢 | 第76-77页 |
| Ⅳ-2答辩委员会对论文的评定意见 | 第77页 |
