基于改进堆叠降噪自编码网络的轴承故障诊断研究
| 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10-11页 |
| 1.3 堆叠降噪自编码网络研究现状 | 第11-13页 |
| 1.4 基于人工智能的故障诊断研究现状 | 第13-14页 |
| 1.5 论文的研究内容 | 第14-16页 |
| 第二章 堆叠降噪自编码网络 | 第16-23页 |
| 2.1 降噪自编码网络 | 第16-18页 |
| 2.2 堆叠降噪自编码网络 | 第18-21页 |
| 2.3 堆叠降噪自编码网络超参数 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 基于原始时域信号的故障诊断网络 | 第23-38页 |
| 3.1 轴承故障实验 | 第23-25页 |
| 3.2 基于轴承时域信号的SDAE网络超参数优化 | 第25-29页 |
| 3.3 基于SDAE网络轴承故障诊断 | 第29-36页 |
| 3.3.1 基于SDAE网络轴承故障特征 | 第29-31页 |
| 3.3.2 不同信噪比下轴承故障诊断 | 第31-33页 |
| 3.3.3 转速波动下的轴承故障诊断 | 第33-36页 |
| 3.4 本章小结 | 第36-38页 |
| 第四章 基于改进堆叠降噪自编码的轴承故障诊断 | 第38-51页 |
| 4.1 基于改进堆叠降噪自编码的故障诊断模型 | 第38页 |
| 4.2 基于多源特征输入的SDAE网络超参数优化 | 第38-41页 |
| 4.3 滚动轴承时域信号的多源特征 | 第41-44页 |
| 4.4 变转速工况下轴承故障诊断 | 第44-49页 |
| 4.5 变转速工况下不同置零位置轴承故障诊断 | 第49-50页 |
| 4.6 本章小结 | 第50-51页 |
| 第五章 基于改进降噪自编码网络的轴承状态识别 | 第51-67页 |
| 5.1 轴承的状态识别 | 第51-52页 |
| 5.2 轴承的寿命实验 | 第52-53页 |
| 5.3 状态识别指标的构建 | 第53-61页 |
| 5.3.1 振动信号的特征信息提取 | 第53-54页 |
| 5.3.2 时域、频域、时频域特征集 | 第54-58页 |
| 5.3.3 多特征融合的状态监测指标 | 第58-61页 |
| 5.4 基于PSO-SDAE网络轴承故障状态识别 | 第61-66页 |
| 5.4.1 训练集和测试集选取 | 第61-63页 |
| 5.4.2 轴承故障状态识别 | 第63-64页 |
| 5.4.3 轴承故障识别结果验证 | 第64-66页 |
| 5.5 本章小结 | 第66-67页 |
| 结论与展望 | 第67-69页 |
| 攻读硕士学位期间取得的研究成果 | 第69-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 附件 | 第76页 |
