| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 1 绪论 | 第9-15页 |
| 1.1 课题背景及研究意义 | 第9-10页 |
| 1.2 深度学习理论与方法 | 第10-11页 |
| 1.3 相关研究的国内外现状 | 第11-13页 |
| 1.4 本文主要内容和结构 | 第13-15页 |
| 2 基于卷积神经网络的设备健康状态感知 | 第15-33页 |
| 2.1 设备健康状态感知流程 | 第15-16页 |
| 2.2 设备健康状态感知的数据处理 | 第16-19页 |
| 2.3 基于卷积神经网络的设备健康状态感知建模 | 第19-27页 |
| 2.4 实例计算 | 第27-32页 |
| 2.5 本章小结 | 第32-33页 |
| 3 基于深度强化学习的设备健康状态自适应感知 | 第33-46页 |
| 3.1 深度强化学习理论方法 | 第33-40页 |
| 3.2 设备健康状态自适应感知模型搭建 | 第40-42页 |
| 3.3 实例计算 | 第42-45页 |
| 3.4 本章小结 | 第45-46页 |
| 4 基于深度神经网络的设备早期劣化状态感知 | 第46-59页 |
| 4.1 深度神经网络模型及其训练算法 | 第46-51页 |
| 4.2 基于TENSORFLOW的深度神经网络模型搭建 | 第51-52页 |
| 4.3 实例计算 | 第52-58页 |
| 4.4 本章小结 | 第58-59页 |
| 5 基于HADOOP的设备健康状态感知系统的开发 | 第59-77页 |
| 5.1 HADOOP技术平台 | 第59页 |
| 5.2 系统软件设计 | 第59-65页 |
| 5.3 软件系统实现 | 第65-76页 |
| 5.4 本章小结 | 第76-77页 |
| 6 总结与展望 | 第77-79页 |
| 6.1 研究总结 | 第77页 |
| 6.2 课题展望 | 第77-79页 |
| 致谢 | 第79-80页 |
| 参考文献 | 第80-86页 |
| 攻读硕士学位期间发表学术论文情况 | 第86页 |