基于深度神经网络的提升机轴承故障诊断研究

目录

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