首页--工业技术论文--机械、仪表工业论文--机械零件及传动装置论文--转动机件论文

基于多传感信息融合的旋转机械故障诊断研究

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

论文共79页,点击 下载论文
上一篇:改性自润滑微胶囊的制备及聚合物材料的摩擦学性能研究
下一篇:宽体自卸车远程监控和智能管理系统研究