声明
第1章 绪论
1.1研究背景和意义
1.2拖拉机及其关键部件故障诊断技术的研究进展
1.2.1传统模式识别方法
1.2.2基于深度学习的故障诊断方法
1.3声成像技术及其在故障诊断方面的应用
1.3.1波束形成方法
1.3.2基于声成像的故障诊断方法研究现状
1.4研究内容及章节安排
第2章 拖拉机整机及其关键部件故障诊断技术基础理论
2.1拖拉机整机及其关键部件故障诊断方法分析
2.2振动噪声信号时频域特征提取方法
2.2.1振动噪声信号时域特征提取方法
2.2.2振动噪声信号时频域特征提取方法
2.3基于波束形成的声成像技术
2.4模式识别方法及其优化算法
2.4.1概率神经网络算法
2.4.2粒子群算法
2.5卷积神经网络
2.5.1卷积神经网络基本结构
2.5.2卷积神经网络训练过程
2.5.3学习算法
2.6本章小结
第3章 基于振动噪声的拖拉机整机故障诊断及故障部件位置识别方法
3.1测试流程
3.2拖拉机故障判断方法
3.2.1特征选取及标准数据的获取
3.2.2拖拉机故障与否识别方法
3.2.3拖拉机故障与否识别仿真分析
3.3拖拉机故障部件位置识别方法
3.3.1基于声成像的故障部件定位方法
3.3.2基于振动信号分析的故障部件识别方法
3.4本章小结
第4章 基于多通道信号和优化PNN的故障类型及程度识别方法
4.1拖拉机关键部件故障原因分析
4.2故障特征选取以及特征向量构建
4.2.1信号时域特征提取与分析
4.2.2 基于HHT的信号频域特征提取及分析
4.3基于概率神经网络的关键部件故障诊断与识别方法
4.3.1 PNN算法参数优化
4.3.2基于改进的PNN算法的故障诊断方法
4.4故障诊断实例验证分析
4.4.1数据集描述
4.4.2训练及测试结果分析
4.4.3验证实例分析总结
4.4本章小结
第5章 基于卷积神经网络迁移学习的故障类型及程度识别方法
5.1特征图像数据集生成
5.1.1振动信号时域波形图
5.1.2振动信号边际谱图
5.1.3数据集生成
5.2基于卷积神经网络迁移学习的故障诊断方法
5.2.1深度残差网络（ResNet）
5.2.2基于预训练ResNet模型的迁移训练
5.3基于卷积神经网络迁移学习的故障诊断方法实例验证分析一
5.3.1轴承故障少量数据样本迁移学习结果分析
5.3.2多工况混合数据样本迁移学习结果分析
5.3.3验证实例分析总结
5.4基于卷积神经网络迁移学习的故障诊断方法实例验证分析二
5.4.1齿轮故障少量数据样本迁移学习结果分析
5.4.2验证实例分析总结
5.5本章小结
第6章 总结与展望
6.1全文总结
6.2展望
参考文献
致谢
吉林大学;
