基于时频分析与深度学习的滚动轴承剩余使用寿命预测研究

目录

声明

摘要

第一章绪论

1．1研究背景及意义

1．2国内外研究现状与分析

1．2．1研究现状总结

1．3本文主要研究内容与组织结构

第二章滚动轴承振动信号时频分析与数据处理算法的研究

2．1引言

2．2滚动轴承的相关概念及机理

2．3原始振动信号时频分析

2．3．1短时傅立叶变换时频分析

2．3．2小波变换时频分析

2．4数值分析方法-双线性插值法

2．5本章小结

第三章基于深度学习的滚动轴承RUL研究

3．1引言

3．2基于数据驱动的RUL预测基本流程

3．3BP神经网络

3．4卷积神经网络

3．4．1传统卷积神经网络

3．4．2全卷积层神经网络

3．4．3全局池化卷积神经网络

3．5本章小结

第四章基于时频分析与深度学习的滚动轴承RUL预测

4．1引言

4．2结合时频分析与深度学习的RUL预测模型

4．3滚动轴承实验数据集及其时频分析

4．3．1PRONOSTIA试验台

4．3．2实验数据集

4．4．3基于原始信号的时频图数据集生成

4．4滚动轴承RUL预测实验

4．4．1采用BP神经网络的RUL预测

4．4．2采用传统CNN的RU[预测

4．4．3采用全卷积神经网络的RUL预测

4．4．4采用全局池化卷积神经网络的RUL预测

4．5实验结果分析

4．6本章小结

第五章总结与展望

参考文献

致谢

攻读硕士学位期间取得的成果