声明
摘要
第一章 绪论
1.1 课题背景及研究的目的和意义
1.2 基于特征提取的故障诊断研究现状
1.2.1 故障诊断概述
1.2.2 基于特征提取的国内外研究现状
1.3 基于深度学习的故障诊断研究现状
1.3.1 深度学习概述
1.3.2 基于深度学习的国内外研究现状
1.4 本文研究内容与结构
第二章 滚动轴承振动信号处理和特征提取
2.1 引言
2.2 时域分析
2.3 频域分析
2.4 时频域分析
2.5 滚动轴承振动信号特征提取
2.5.1 实验数据说明
2.5.2 时域特征提取与分析
2.5.3 频域特征提取与分析
2.5.4 时频域特征提取与分析
2.6 本章小结
第三章 基于深度信念网络的滚动轴承故障诊断方法
3.1 深度学习
3.2 深度信念网络
3.2.1 受限玻尔兹曼机
3.2.2 Gibbs采样
3.3 深度信念网络训练
3.4 基于深度信念网络的滚动轴承故障诊断方法
3.4.1 故障诊断方法
3.4.2 特征提取和特征向量
3.4.3 深度信念网络的搭建和训练
3.4.4 故障识别
3.5 深度信念网络故障分类能力研究
3.5.1 实验步骤
3.5.2 实验数据说明
3.5.3 实验分析
3.5.4 实验结论
3.5 本章小结
第四章 基于深度信念网络的故障诊断系统设计
4.1 上位机开发环境介绍
4.2 故障诊断上位机的整体设计
4.3 功能模块设计
4.3.1 上位机主界面设计
4.3.2 数据采集模块设计
4.3.3 设备参数设置模块设计
4.3.4 设备参数设置模块设计
4.3.5 数据预处理模块
4.3.6 故障诊断模块
4.4 本章小结
第五章 基于深度信念网络的故障诊断实验验证
5.1 基于深度信念网络的滚动轴承故障诊断研究
5.1.1 实验步骤
5.1.2 实验数据说明
5.1.3 特征提取
5.1.4 搭建深度信念网络
5.1.5 实验结果
5.2 BP神经网络
5.2.1 BP神经网络原理
5.2.1 BP神经网络计算过程
5.3 实验对比和分析
5.4 本章小结
6.1 工作总结
6.2 进一步研究与展望
参考文献
发表论文和参加科研情况
致谢