| 摘要 | 第7-8页 |
| Abstract | 第8-9页 |
| 第1章 绪论 | 第12-20页 |
| 1.1 选题的背景及意义 | 第12-13页 |
| 1.2 设备健康评估技术的发展现状 | 第13-15页 |
| 1.3 故障诊断方法的研究现状 | 第15-17页 |
| 1.4 深度学习理论及其在故障诊断中的应用 | 第17-18页 |
| 1.5 本文的主要研究内容及章节安排 | 第18-19页 |
| 1.6 本章小结 | 第19-20页 |
| 第2章 基于DBN-MD的车载电源健康评估方法研究 | 第20-34页 |
| 2.1 引言 | 第20-21页 |
| 2.2 基于DBN-MD的车载电源健康状态评估 | 第21-25页 |
| 2.2.1 深度学习网络的确定 | 第21-22页 |
| 2.2.2 基于DBN的车载电源健康状态识别模型训练 | 第22-25页 |
| 2.3 车载电源仿真平台与数据获取 | 第25-28页 |
| 2.3.1 车载电源及其仿真平台 | 第25-27页 |
| 2.3.2 数据获取 | 第27-28页 |
| 2.4 车载电源的健康评估仿真结果及分析 | 第28-32页 |
| 2.5 本章小结 | 第32-34页 |
| 第3章 基于DBN的车载电源故障诊断方法研究 | 第34-41页 |
| 3.1 引言 | 第34-35页 |
| 3.2 基于深度学习理论的车载电源故障诊断方法 | 第35-37页 |
| 3.2.1 车载电源故障诊断深度学习网络的确定 | 第35页 |
| 3.2.2 基于DBN的车载电源故障诊断方法 | 第35-37页 |
| 3.3 仿真实验与结果分析 | 第37-40页 |
| 3.3.1 实验数据获取 | 第37-38页 |
| 3.3.2 训练过程 | 第38-39页 |
| 3.3.3 故障诊断结果与分析 | 第39-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 基于PCA-DBN的车载电源故障诊断方法研究 | 第41-49页 |
| 4.1 引言 | 第41页 |
| 4.2 基于PCA-DBN车载电源故障诊断方法研究 | 第41-43页 |
| 4.2.1 基于PCA的数据降维方法 | 第41-42页 |
| 4.2.2 基于PCA-DBN车载电源故障诊断方法 | 第42-43页 |
| 4.3 仿真实验与结果分析 | 第43-48页 |
| 4.3.1 数据集描述 | 第44页 |
| 4.3.2 PCA数据降维 | 第44页 |
| 4.3.3 仿真实验与结果分析 | 第44-48页 |
| 4.4 本章小结 | 第48-49页 |
| 结论与展望 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 致谢 | 第57-58页 |
| 附录 攻读学位期间发表的学术论文 | 第58页 |
