声明
第一章 绪论
1.1 研究课题的背景与意义
1.2 行星齿轮箱故障诊断研究现状
1.2.1 振动信号分析方法
1.2.2 智能故障诊断方法
1.3 行星齿轮箱故障诊断难点分析
1.4 本文研究内容和结构安排
第二章 基于XGBoost的MSER参数优化方法
2.1 引言
2.2.1 SER定义
2.2.2 太阳轮局部故障的信号模型
2.2.3 太阳轮故障特征频率幅值解析
2.2.4 太阳轮健康监测
2.2.5 改进的SER
2.3 极端梯度提升
2.4.1实验设备介绍
2.4.2 实验结果分析
2.5 本章小结
第三章 基于自编码器特征提取的卷积神经网络故障诊断方法
3.1 引言
3.2 基于自编码器特征提取的卷积神经网络故障诊断方法
3.2.1 自编码器
3.2.2 卷积神经网络
3.3 实验分析验证
3.3.1网络超参数设计
3.3.2实验结果分析
3.4 本章小结
第四章 基于深度迁移学习的变工况条件下故障诊断方法
4.1 引言
4.2.1 迁移学习简介
4.2.2 多场景下的迁移学习
4.3 深度迁移学习
4.3.1 微调迁移
4.3.2 深度网络自适应迁移
4.3.3 深度对抗网络迁移
4.4 深度迁移学习故障诊断案例分析
4.5本章小结
第五章 全文总结与展望
5.1 全文总结
5.2 后续工作展望
致 谢
参考文献
攻读硕士学位期间取得的成果
电子科技大学;