首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文

基于深度信念网络的微车主减速器故障诊断的研究

摘要第4-5页
Abstract第5-6页
第1章 绪论第9-17页
    1.1 课题来源第9页
    1.2 研究的背景与意义第9-10页
    1.3 国内外研究现状第10-14页
        1.3.1 主减速器故障诊断的现状第10-12页
        1.3.2 深度学习的发展与研究现状第12-14页
    1.4 研究内容和技术路线第14-15页
    1.5 论文的结构第15-17页
第2章 主减速器振动信号的预处理第17-30页
    2.1 微车主减速器的运行工况第17-20页
    2.2 基于KPCA的特征提取第20-26页
        2.2.1 主成分分析第21-23页
        2.2.2 核方法第23-24页
        2.2.3 核主成分分析法的原理第24-26页
        2.2.4 核主成分分析法的步骤第26页
    2.3 实验与分析第26-29页
        2.3.1 数据集第26-27页
        2.3.2 特征提取第27页
        2.3.3 结果分析第27-29页
    2.4 本章小结第29-30页
第3章 基于深度信念网络的故障诊断模型第30-47页
    3.1 深度信念网络第30-37页
        3.1.1 前向堆叠RBM学习第30-36页
        3.1.2 后向微调学习第36-37页
    3.2 深度信念网络学习过程第37-38页
    3.3 基于KNN-DBN的机械故障诊断第38-40页
        3.3.1 K近邻算法第38-39页
        3.3.2 基于KNN-DBN的机械故障诊断模型第39-40页
    3.4 算法实现过程第40-41页
    3.5 模型训练第41-46页
        3.5.1 参数设置第41-42页
        3.5.2 隐藏层组合分析第42-45页
        3.5.3 学习率与迭代次数第45-46页
    3.6 本章小结第46-47页
第4章 微车主减速器故障分类识别及结果分析第47-57页
    4.1 DBN分类算法的参数第47-48页
    4.2 性能评价指标第48页
    4.3 实验与分析第48-55页
        4.3.1 数据样本划分第48-49页
        4.3.2 实验及实验环境第49-51页
        4.3.3 结果分析第51-55页
    4.4 本章小结第55-57页
第5章 总结与展望第57-59页
    5.1 总结第57-58页
    5.2 展望第58-59页
致谢第59-60页
参考文献第60-63页
攻读硕士学位期间公开发表的学术论文第63页

论文共63页,点击 下载论文
上一篇:CFST外框筒-SCS内筒筒中筒减震结构抗震性能研究
下一篇:53m远洋秋刀鱼船结构强度直接评估与计算