| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 第一章 绪论 | 第8-16页 |
| §1.1 课题研究背景和意义 | 第8-9页 |
| §1.2 旋转机械故障预测技术国内外研究概述 | 第9-13页 |
| §1.2.1 旋转机械故障预测方法概述 | 第9-10页 |
| §1.2.2 国内外研究历史概述 | 第10-11页 |
| §1.2.3 国内外研究现状概述 | 第11-13页 |
| §1.3 深度学习理论概述 | 第13-14页 |
| §1.4 课题来源 | 第14页 |
| §1.5 论文主要内容与章节安排 | 第14-16页 |
| 第二章 机器学习方法在故障预测中的应用 | 第16-32页 |
| §2.1 基于决策树的故障预测方法 | 第16-19页 |
| §2.1.1 决策树基本原理 | 第16-18页 |
| §2.1.2 基于Bagging的决策树预测方法 | 第18-19页 |
| §2.2 基于支持向量机的故障预测方法 | 第19-24页 |
| §2.2.1 SVM理论介绍 | 第19-22页 |
| §2.2.2 基于粒子群的SVR预测方法 | 第22-24页 |
| §2.3 时域特征参数提取 | 第24-25页 |
| §2.4 机械故障预测实例分析 | 第25-31页 |
| §2.4.1 试验台及数据说明 | 第25-26页 |
| §2.4.2 基于bagging的决策树预测结果 | 第26-29页 |
| §2.4.3 基于PSO-SVR预测结果 | 第29-31页 |
| §2.5 本章小结 | 第31-32页 |
| 第三章 权重约束稀疏编码方法及在轴承故障预测中的应用 | 第32-46页 |
| §3.1 稀疏编码 | 第32-34页 |
| §3.1.1 稀疏编码概述 | 第32-33页 |
| §3.1.2 稀疏编码的数学解释 | 第33-34页 |
| §3.2 基于稀疏编码的故障预测方法 | 第34-36页 |
| §3.2.1 构建过完备字典 | 第34页 |
| §3.2.2 L_1范数正则化 | 第34-35页 |
| §3.2.3 稀疏优化约束 | 第35页 |
| §3.2.4 稀疏自回归预测模型 | 第35-36页 |
| §3.3 权重约束稀疏编码预测方法 | 第36-37页 |
| §3.4 实验验证 | 第37-41页 |
| §3.4.1 SNNE故障预测结果 | 第37-39页 |
| §3.4.2 WCSC故障预测分析 | 第39-41页 |
| §3.5 稀疏编码方法与机器学习方法的对比研究 | 第41-44页 |
| §3.6 本章小结 | 第44-46页 |
| 第四章 分层深度稀疏编码及在轴承故障预测中的应用 | 第46-66页 |
| §4.1 深度稀疏编码模型 | 第46-47页 |
| §4.2 基于分层稀疏编码的预测框架 | 第47-48页 |
| §4.2.1 稀疏编码模块 | 第47-48页 |
| §4.2.2 最大值池化模块 | 第48页 |
| §4.2.3 分层网络预测模型 | 第48页 |
| §4.3 实验验证 | 第48-53页 |
| §4.3.1 案例一 | 第48-51页 |
| §4.3.2 案例二 | 第51-53页 |
| §4.4 HSC与PSO-SVR、WCSC方法的对比研究 | 第53-62页 |
| §4.4.1 轴承故障预测实例一 | 第53-59页 |
| §4.4.2 轴承故障预测实例二 | 第59-61页 |
| §4.4.3 实验结论 | 第61-62页 |
| §4.5 轴承剩余寿命预测 | 第62-64页 |
| §4.6 本章小结 | 第64-66页 |
| 第五章 总结和展望 | 第66-68页 |
| §5.1 总结 | 第66-67页 |
| §5.2 展望 | 第67-68页 |
| 参考文献 | 第68-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间主要研究成果 | 第74页 |