摘要 | 第5-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第9-17页 |
1.1 课题背景及其研究意义 | 第9页 |
1.2 旋转机械故障诊断研究现状及分析 | 第9-12页 |
1.2.1 多传感信息融合技术的研究现状 | 第9-11页 |
1.2.2 旋转机械故障诊断的研究现状 | 第11-12页 |
1.3 论文主要内容、结构及创新点 | 第12-17页 |
1.3.1 主要研究内容 | 第12-13页 |
1.3.2 论文结构 | 第13-14页 |
1.3.3 主要创新点 | 第14-17页 |
第2章 多传感信息融合故障诊断的基础理论与数据描述 | 第17-29页 |
2.1 引言 | 第17页 |
2.2 多传感信息融合面临的问题与信息融合的级别 | 第17-19页 |
2.2.1 多传感信息融合面临的问题 | 第17-18页 |
2.2.2 多传感信息融合的级别 | 第18-19页 |
2.3 卷积神经网络结构 | 第19-24页 |
2.3.1 卷积层 | 第19-20页 |
2.3.2 激活层 | 第20-21页 |
2.3.3 池化层 | 第21-22页 |
2.3.4 丢弃正则化 | 第22页 |
2.3.5 全连接层与Softmax | 第22-23页 |
2.3.6 目标函数 | 第23-24页 |
2.4 基于多传感信息融合与卷积神经网络的故障诊断框架 | 第24-25页 |
2.5 旋转机械轴承故障诊断实验平台 | 第25-27页 |
2.6 本章小结 | 第27-29页 |
第3章 IDS多传感信息融合算法与频谱切片特征重构算法 | 第29-41页 |
3.1 引言 | 第29页 |
3.2 D-S证据理论及常见证据冲突类型 | 第29-31页 |
3.2.1 D-S证据理论 | 第29-30页 |
3.2.2 常见证据冲突类型 | 第30-31页 |
3.3 一种改进的D-S证据理论多传感信息融合算法 | 第31-34页 |
3.4 实验分析 | 第34-35页 |
3.5 频谱切片特征重构算法 | 第35-39页 |
3.5.1 特征提取 | 第35-38页 |
3.5.2 频谱切片特征重构算法 | 第38-39页 |
3.6 本章小结 | 第39-41页 |
第4章 基于多传感信息融合IDS算法的轴承故障诊断模型 | 第41-53页 |
4.1 引言 | 第41页 |
4.2 基于集成深度神经网络与改进D-S证据理论的轴承故障诊断模型 | 第41-44页 |
4.2.1 数据准备 | 第42页 |
4.2.2 基于卷积神经网络的IDSCNN模型 | 第42-43页 |
4.2.3 模型测试 | 第43-44页 |
4.3 不同传感源及其参数下故障诊断模型的性能分析 | 第44-47页 |
4.3.1 数据可视化 | 第44-45页 |
4.3.2 多模型性能分析 | 第45-47页 |
4.4 集成环境下多传感信息融合模型的性能分析 | 第47-51页 |
4.4.1 同源传感融合与异源传感融合分析 | 第47-49页 |
4.4.2 实验对比与分析 | 第49-51页 |
4.5 本章小结 | 第51-53页 |
第5章 基于多传感自适应决策纠正网络的故障诊断模型 | 第53-69页 |
5.1 引言 | 第53页 |
5.2 多传感自适应网络决策纠正故障诊断模型MACNN | 第53-61页 |
5.2.1 基于批量规范化BatchNormalization的特征自适应 | 第54-57页 |
5.2.2 一种噪声自适应决策纠正的概率框架 | 第57-61页 |
5.3 MACNN故障诊断模型在多载荷工况下的性能分析 | 第61-64页 |
5.3.1 噪声信号的准备 | 第61-62页 |
5.3.2 不同信噪比工况下MACNN模型的性能分析 | 第62-64页 |
5.4 MACNN故障诊断模型在多噪声级别下的性能分析 | 第64-67页 |
5.4.1 噪声标签的准备 | 第65-66页 |
5.4.2 不同噪声标签级别下的MACNN模型的性能分析 | 第66-67页 |
5.5 本章小结 | 第67-69页 |
第6章 总结与展望 | 第69-71页 |
6.1 总结 | 第69-70页 |
6.2 展望 | 第70-71页 |
致谢 | 第71-73页 |
参考文献 | 第73-77页 |
附录A 主要符号对照表 | 第77-78页 |
附录B 在学期间发表的学术论文与研究成果 | 第78-79页 |