声明
目 录
第 1 章绪 论
1.1 课题研究背景与意义
1.2 旋转机械故障特征表现形式及起因
1.2.1 齿轮故障常见形式及起因
1.2.2 滚动轴承故障常见形式及起因
1.3 旋转机械故障诊断国内外研究现状
1.3.1 基于时频分析的旋转机械故障诊断国内外研究现状
1.3.2 基于压缩感知的旋转机械故障诊断方法研究与应用现状
1.3.3 基于深度学习的旋转机械故障诊断国内外研究现状
1.4 本文的主要研究内容
第 2 章压缩感知算法研究
2.1 引言
2.2 压缩感知理论框架
2.3 信号的稀疏表示
2.4 观测矩阵的设计
2.5 重构算法的设计
2.6 本章小结
第 3 章深度学习算法研究
3.1 引言
3.2 监督学习和无监督学习算法
3.2.1 监督学习
3.2.2 无监督学习
3.3 过拟合问题
3.3.1 过拟合含义及产生过拟合的原因
3.3.2 现有的防止过拟合方法
3.4 深度信念网络
3.5 稀疏自编码神经网络
3.5.1 自动编码器
3.5.2 稀疏自编码神经网络
3.6 本章小结
第 4 章基于 WPEE 和 MPE 的改进 DBN 齿轮故障智能诊断算法研究
4.1 引言
4.2 基于损失阈值迭代优化算法的 DBN改进算法理论
4.3 多尺度排列熵
4.4 基于 WPEE和 MPE的改进 DBN齿轮故障智能诊断方法描述
4.5 实验算例数据分析
4.5.1 基于 QPZZ-II试验平台的齿轮故障诊断结果及分析
4.5.2 基于多级齿轮传动系统试验台的齿轮故障诊断结果及分析
4.6 小结
第5章 基于CS-WPEE和SAE的轴承故障诊断算法研究
5.1 引言
5.2 基于 CS-WPEE的轴承振动信号特征提取方法理论
5.2.1 基于稀疏表示的线性投影理论
5.2.2 基于小波包能量熵理论的特征提取理论
5.3 基于 CS-WPEE的 SAE神经网络轴承智能诊断方法描述
5.4 实验算例数据分析
5.4.1 基于美国西储大学振动数据的轴承故障诊断结果及分析
5.4.2 基于 QPZZ-II旋转机械振动实验台的轴承故障诊断结果及分析
5.5 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
作者简介
燕山大学;
