声明
致谢
变量注释表
1 绪论
1.1 研 究 背 景 及 意 义
1.2 传统故障诊断国内外研究现状
1.2.1 故障诊断概述
1.2.2 故障特征提取研究现状
1.2.3 故障模式识别研究现状
1.2.4 传统故障诊断方法的不足
1.3 基于深度学习的故障诊断研究现状
1.3.1 深度学习简介
1.3.2 深度学习理论发展
1.3.3 深度学习应用
1.3.4 深度学习故障诊断国内外现状
1.4 主要研究内容与组织结构
2 深度神经网络相关理论
2.1 深度神经网络简介
2.1.1 基本网络结构
2.1.2 激活函数
2.1.3 目标函数
2.2 深度神经网络训练方法
2.2.1 梯度下降
2.2.2 反向传播
2.3 深度神经网络优化方法
2.3.1 随机梯度下降法
2.3.2 Mini Batch梯度下降法
2.3.3 带动量(momentum)的梯度下降法
2.3.4 RMSprop
2.3.5 Adam
2.4 本章小结
3 基于深度神经网络的提升机轴承故障诊断算法
3.1 引言
3.2 相关工作
3.3 基于深度神经网络的故障诊断模型
3.3.1 模型简介
3.3.2 预处理
3.3.3 自编码器
3.3.4 双层次深度神经网络
3.3.5 在线诊断
3.4.1 实验数据集
3.4.2 实验结果
3.5 本章小结
4 基于自适应批标准化神经网络的提升机轴承故障诊断算法
4.1 引言
4.2 相关工作
4.3 基于自适应批标准化的故障诊断算法
4.3.1 批量标准化
4.3.2 领域自适应
4.3.3 AdaBN 算法
4.3.4 Dropout算法
4.3.5 基于AdaBN的双层次深度神经网络
4.4 实验
4.4.1 AdaBN-MSC 抗噪性分析
4.4.2 AdaBN-MSC 变负载分析
4.4.3 AdaBN-MSC 抗噪性与变负载混合分析
4.5 本章小结
5 总结与展望
参考文献
作者简历
学位论文原创性声明
学位论文数据集
中国矿业大学中国矿业大学(江苏);