声明
1 绪论
1.1 研究背景及意义
1.2 国内外研究现状
1.2.1 故障诊断研究现状
1.2.2 迁移学习研究现状
1.3 本文的主要内容
2 相关技术介绍
2.1 故障诊断技术
2.1.1 故障诊断的概念及分类
2.1.2 基于支持向量机的故障诊断技术
2.1.3 基于神经网络的故障诊断技术
2.2 迁移学习方法
2.2.1 迁移学习方法基本概念
2.2.2 基于实例的迁移学习
2.2.3 基于特征的迁移学习
2.2.4 基于关系的迁移学习
2.2.5 基于参数的迁移学习
2.3 基于迁移学习的故障诊断方法
3 基于同构迁移学习的故障诊断方法
3.1 对抗网络
3.2 最大平均差异
3.3 双重对抗迁移学习故障诊断方法
3.4 实验分析
3.4.1 凯斯西储大学轴承故障诊断
3.4.2 轧机颤振实时监测
3.5 本章小结
4 基于异构迁移学习故障诊断方法
4.1 栈式稀疏自编码器
4.2 域间中心距离
4.3基于栈式稀疏自编码的异构迁移学习算法
4.4 实验分析
4.4.1 经典数据集实验
4.4.2凯斯西储大学轴承故障诊断
4.4.3 轧机颤振实时检测
4.5 本章小结
5 结论和展望
参考文献
攻读硕士学位期间发表学术论文情况
致谢
大连理工大学学位论文版权使用授权书