声明
第1章 绪 论
1.1 课题的来源及研究意义
1.2 深度学习概念
1.2.1 深度信念网络
1.2.2 卷积神经网络
1.2.3 堆叠自动编码网络
1.3 深度学习研究现状
1.3.1 语音识别领域
1.3.2 信息检索领域
1.3.3 计算机视觉领域
1.3.4 故障智能分类识别领域
1.4 课题研究目标和研究内容
1.4.1 课题研究目标
1.4.2 课题的研究内容
第2章 深度信念网络
2.1 玻尔兹曼机
2.2 受限玻尔兹曼机
2.3 前向堆叠RBM学习
2.4 后向微调学习
2.4.1 BP神经网络
2.4.2 SVM分类器
2.4.3 Softmax分类器
2.5 DBN关键参数设置
(1) 参数初始化
(2) 自衰减学习率
(3) 网络深度
(4) 隐藏层节点数
2.6 本章小结
第3章 基于深度信念网络的轴承故障诊断
3.1 轴承故障的研究意义
3.2 轴承振动信号的采集
3.3 基于DBN的轴承故障识别
3.3.1 数据归一化处理
3.3.2 实验结果分析
3.4 本章小结
第4章 基于深度信念网络的异步电机故障诊断
4.1 异步电机的故障概述
4.1.1 异步电机故障成因
4.1.2 异步电机故障类别
4.2故障模拟实验装置介绍
4.3 振动信号采集系统
4.4 实验参数设置
4.5 基于DBN的电机故障识别
4.5.1 振动信号预处理
4.5.2 实验结果分析
4.6 与其它算法对比分析
4.7 本章小结
结论
参考文献
攻读硕士学位期间承担的科研任务与主要成果
致谢
燕山大学;