声明
第一章 绪论
1.1研究背景和意义
1.2国内外研究现状
1.2.1装备故障诊断的研究现状
1.2.2增量学习的研究现状
1.2.3非平衡数据处理的研究现状
1.3本文工作和贡献
1.3.1研究内容
1.3.2创新点
1.4本文结构安排
第二章 相关理论基础
2.1增量学习
2.2非平衡数据处理
2.2.1反向K近邻与K近邻
2.2.2合成少数类过采样技术
2.3深度学习
2.3.1自动编码器
2.3.2去噪自动编码器
2.4本章小结
第三章 基于增量融合的动态深度学习模型
3.1动态融合增量学习
3.1.1模式相似度计算
3.1.2模式增量与合并原则
3.1.3动态融合权重计算
3.1.4基于动态融合的增量学习
3.2基于增量融合的动态深度学习模型
3.2.1模型结构
3.2.2模型流程
3.3具体实现
3.4本章小结
第四章 基于数据驱动增量融合的螺旋式故障诊断方法
4.1非平衡数据处理
4.1.1基于反向K近邻的多数类欠采样算法
4.1.2基于K近邻的少数类过采样算法
4.1.3基于划分近邻的重采样模型
4.2特征提取及分类
4.3有效实例选择
4.4特征和实例动态评价
4.4.1特征动态遗忘权重
4.4.2实例动态遗忘权重
4.5基于数据驱动增量融合的螺旋式方法
4.6具体实现
4.7本章小结
第五章 故障诊断实验结果及分析
5.1数据描述
5.2模型参数与结构
5.2.1 IMDDL模型
5.2.2 IMH 方法
5.3结果分析
5.3.1 IMDDL模型性能分析
5.3.2 IMH 方法性能分析
5.3.3 IMDDL模型与IMH方法性能比较
5.4本章小结
第六章 总结与展望
6.1总结
6.2展望
参考文献
攻读硕士学位期间所取得的相关科研成果
致谢
河北工业大学;