声明
主要符号说明
第一章 绪论
1.1 课题来源和研究背景意义
1.1.1 课题来源
1.1.2 研究背景与意义
1.2 机器学习的发展与应用
1.2.1 机器学习的发展
1.2.2 机器学习的应用
1.3 滚动轴承故障诊断的发展和研究现状
1.3.1 滚动轴承故障诊断的发展
1.3.2 滚动轴承故障诊断的研究现状
1.4 本文主要内容与章节安排
第二章 滚动轴承故障机理分析
2.1 滚动轴承的基本结构和失效形式
2.1.1 滚动轴承的基本结构
2.1.2 滚动轴承的失效形式
2.2 滚动轴承运动学及振动信号特征
2.2.1 滚动轴承运动学分析
2.2.2 故障振动信号特征
2.3 滚动轴承振动信号特征分析方法
2.3.1 时域特征分析法
2.3.2 频域特征分析法
2.4 本章小结
第三章 基于传统机器学习的滚动轴承智能故障诊断
3.1 相关算法理论
3.1.1 BP神经网络
3.1.2 思维进化算法
3.1.3 随机森林算法
3.1.4 主成分分析算法
3.2 实验数据来源与分析
3.2.1 实验数据来源
3.2.2 实验数据分析
3.3 滚动轴承智能故障诊断的MEA优化BP神经网络方法
3.3.1 MEA优化BP的智能故障诊断模型
3.3.2 模型验证与结果分析
3.4 滚动轴承智能故障诊断的特征降维随机森林方法
3.4.1 PCA-RF的滚动轴承智能故障诊断模型
3.4.2 模型验证与结果分析
3.5 本章小结
第四章 基于卷积神经网络的滚动轴承智能故障诊断
4.1 卷积神经网络
4.1.1 卷积神经网络概述
4.1.2 典型卷积神经网络结构
4.2 滚动轴承智能故障诊断的卷积神经网络设计
4.2.1 卷积神经网络结构设计
4.2.2 卷积神经网络网络训练算法
4.3 卷积神经网络影响因素分析
4.3.1 训练样本比例对模型性能的影响
4.3.2 迭代次数对模型性能的影响
4.3.3 Batchsize对模型性能的影响
4.3.4 学习率对模型性能的影响
4.4 实验结果分析
4.5 本章小结
第五章 实验验证
5.1 基于虚拟仪器的数据采集系统
5.1.1 LabVIEW简介
5.1.2 硬件设计
5.1.3 软件系统开发
5.2 实验设计
5.2.1 实验方案
5.2.2 滚动轴承故障模拟
5.2.2 滚动轴承运行工况设计
5.3 实验对比分析
5.3.1 单一工况模型验证与结果分析性
5.3.2 变工况模型验证与结果分析
5.3.2 不同工况结果对比分析
5.4 本章小结
第六章 结论与展望
6.1 结论
6.2 展望
参考文献
个人简历 在读期间发表的学术论文
致谢
