| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 机械滚动轴承故障诊断的国内外研究现状 | 第10-13页 |
| 1.3 论文主要内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-15页 |
| 第二章 滚动轴承故障诊断数据预处理 | 第15-28页 |
| 2.1 滚动轴承数据描述 | 第15-17页 |
| 2.2 滚动轴承数据增强 | 第17-19页 |
| 2.3 滚动轴承数据降噪 | 第19-26页 |
| 2.3.1 经验模态分解 | 第19-23页 |
| 2.3.2 基于小波阈值函数改进的降噪算法 | 第23-26页 |
| 2.4 实验结果及分析 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 基于卷积神经网络的滚动轴承故障诊断方法 | 第28-44页 |
| 3.1 用于滚动轴承故障诊断的卷积神经网络算法 | 第28-35页 |
| 3.1.1 网络结构描述 | 第28-29页 |
| 3.1.2 卷积层 | 第29-31页 |
| 3.1.3 池化层 | 第31页 |
| 3.1.4 全连接层 | 第31-32页 |
| 3.1.5 激活层 | 第32-33页 |
| 3.1.6 目标函数 | 第33-34页 |
| 3.1.7 存在的问题 | 第34-35页 |
| 3.2 用于滚动轴承故障诊断的改进卷积神经网络算法 | 第35-43页 |
| 3.2.1 权重衰减 | 第36-37页 |
| 3.2.2 批标准化及其改进算法 | 第37-43页 |
| 3.3 本章小结 | 第43-44页 |
| 第四章 基于深度残差网络的滚动轴承故障诊断方法 | 第44-58页 |
| 4.1 残差网络的相关理论 | 第44-45页 |
| 4.2 用于滚动轴承故障诊断的深度残差网络算法描述 | 第45-48页 |
| 4.3 基于平均融合策略的残差网络改进 | 第48-50页 |
| 4.4 实验结果及分析 | 第50-57页 |
| 4.4.1 基于平均融合策略的残差网络不同层深性能对比分析 | 第50-53页 |
| 4.4.2 基于平均融合策略残差网络与其他模型实验对比分析 | 第53-57页 |
| 4.5 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 研究总结 | 第58页 |
| 5.2 研究展望 | 第58-60页 |
| 致谢 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 附录A：攻读硕士期间发表的学术论文 | 第64页 |
