基于辅助生成深度置信网络的印刷机轴承故障诊断研究

目录

声明

1绪论

1.1课题研究背景及意义

1.2国内外研究现状

1.2.1故障诊断概述

1.2.2印刷机故障诊断研究现状

1.2.3基于深度学习的故障诊断研究概述

1.2.4 基于深度学习算法的故障诊断理论研究

1.3 基于深度学习算法的故障诊断面临的挑战

1.4论文研究主要内容

1.5 论文整体结构

1.6 本章小结

2 深度置信网络模型分类性能研究

2.1限制玻尔兹曼机

2.1.1限制玻尔兹曼机结构

2.1.2限制玻尔兹曼机训练方法

2.2深度置信网络

2.3基于深度置信网络的故障识别模型

2.3.1实验数据预处理

2.3.2实验分析

2.4实验结论

2.5本章小结

3 基于辅助生成深度置信网络故障诊断模型

3.1 传统模型存在的问题

3.2辅助生成算法

3.2.1生成式对抗网络

3.2.2理论模型

3.3基于辅助生成的深度置信网络

3.3.1. 模型改进方案

3.4 基于辅助生成的深度置信网络模型的建立

3.4.1指标器

3.4.2 学习率

3.4.3 神经单元数与网络层数

3.5 基于辅助生成的深度置信网络的轴承故障识别方法

3.5.1诊断流程

3.5.2实验数据与初始参数

3.6结果分析

3.7本章小结

4量子遗传优化的辅助生成深度置信网络方法研究

4.1量子遗传算法

4.2量子遗传算法基本原理

4.2.1量子遗传算法编码方式

4.2.2适应度函数

4.2.3量子旋转门

4.2.4量子变异

4.3量子遗传算法步骤与流程

4.4量子遗传优化的辅助生成深度置信网络故障诊断模型

4.4.1方法框架

4.4.2轴承故障诊断模型

4.5本章小结

5实验验证及软件设计

5.1实验平台搭建

5.1.1印刷机诊断系统基本结构

5.1.2数据采集与预处理

5.2实验参数设定

5.3实验基本流程

5.4结果分析

5.5系统介绍

5.6本章小结

6 总结与展望

6.1全文总结

6.2课题展望

致 谢

参考文献

攻读硕士期间主要研究成果

攻读硕士学位期间参与的科研项目