| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第1章 绪论 | 第8-14页 |
| 1.1 课题来源与研究意义 | 第8-9页 |
| 1.1.1 课题来源 | 第8页 |
| 1.1.2 研究背景及意义 | 第8-9页 |
| 1.2 传统转子故障诊断研究概况 | 第9-12页 |
| 1.2.1 转子故障诊断现状 | 第9-11页 |
| 1.2.2 传统方法在机械故障诊断中的不足 | 第11-12页 |
| 1.3 本文研究内容及技术路线 | 第12-14页 |
| 1.3.1 本文研究内容 | 第12页 |
| 1.3.2 技术路线 | 第12-14页 |
| 第2章 转子主要故障时频分析及实验方案设计 | 第14-22页 |
| 2.1 引言 | 第14页 |
| 2.2 转子主要故障形式及时频分析 | 第14-19页 |
| 2.2.1 转子不平衡 | 第14-15页 |
| 2.2.2 转子不对中 | 第15-16页 |
| 2.2.3 转子碰摩 | 第16页 |
| 2.2.4 基座松动 | 第16-17页 |
| 2.2.5 主要故障模拟信号及其小波尺度谱 | 第17-19页 |
| 2.3 转子系统故障实验方案设计 | 第19-21页 |
| 2.4 本章小结 | 第21-22页 |
| 第3章 基于差值小波尺度谱的故障特征提取 | 第22-36页 |
| 3.1 引言 | 第22页 |
| 3.2 最大相关峭度解卷积(MCKD)滤波 | 第22-27页 |
| 3.2.1 相关峭度 | 第22-23页 |
| 3.2.2 位移数为一的最大相关峭度反褶积 | 第23-25页 |
| 3.2.3 位移数为M的最大相关峭度反褶积 | 第25-27页 |
| 3.3 重分配小波尺度谱及希尔伯特包络谱 | 第27-29页 |
| 3.3.1 小波尺度谱及小波基函数选择 | 第27-28页 |
| 3.3.2 重分配小波尺度谱 | 第28-29页 |
| 3.4 基于差值小波尺度谱的故障特征提取 | 第29-35页 |
| 3.4.1 仿真信号分析 | 第29-32页 |
| 3.4.2 基于差值小波尺度谱的故障诊断 | 第32-35页 |
| 3.5 本章小结 | 第35-36页 |
| 第4章 基于深度稀疏矫正卷积神经网络故障诊断方法研究 | 第36-51页 |
| 4.1 引言 | 第36页 |
| 4.2 卷积神经网络的基本思想 | 第36-39页 |
| 4.2.1 局部连接 | 第36-37页 |
| 4.2.2 权值共享 | 第37-38页 |
| 4.2.3 降采样 | 第38-39页 |
| 4.3 卷积神经网络结构 | 第39-43页 |
| 4.3.1 卷积层 | 第39-40页 |
| 4.3.2 降采样层 | 第40页 |
| 4.3.3 Softmax分类器 | 第40-43页 |
| 4.4 ReLU和Dropout | 第43-46页 |
| 4.4.1 稀疏性概念 | 第43页 |
| 4.4.2 ReLU激活函数 | 第43-44页 |
| 4.4.3 Dropout | 第44-46页 |
| 4.5 基于差值小波尺度谱及DSRCNN的故障诊断 | 第46-50页 |
| 4.5.1 实验步骤设计 | 第46页 |
| 4.5.2 DSRCNN结构设计 | 第46-47页 |
| 4.5.3 实验结果分析 | 第47-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第5章 结论与展望 | 第51-53页 |
| 5.1 结论 | 第51页 |
| 5.2 展望 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 致谢 | 第57页 |