声明
第 1 章 绪论
1.1课题来源
1.2选题背景与工程意义
1.3轴承故障诊断国内外研究现状
1.3.1 轴承故障信号特征提取研究现状
1.3.2 基于深度学习的诊断方法研究现状
1.4小样本条件下故障诊断研究现状
1.4.1 数据层面对小样本问题的探索
1.4.2 算法层面对小样本问题的探索
1.4.3 数据和算法相结合对小样本问题的探索
1.5综述剖析
1.6论文的主要研究内容
第 2 章 轴承试验平台搭建与卷积神经网络模型建立
2.1引言
2.2轴承试验平台的搭建
2.2.1 试验平台的搭建
2.2.2 硬件选型及测试原理
2.2.3 实验设置
2.2.4 数据采集及分析
2.3卷积神经网络结构介绍
2.3.1 卷积层
2.3.2 激活层
2.3.3 池化层
2.3.4 全连接层
2.4卷积神经网络模型建立
2.4.1 数据集建立
2.4.2 模型验证及分析
2.5本章小结
第 3 章 基于AdaBN算法和大尺寸卷积的模型改进
3.1引言
3.2变负载条件下模型性能分析
3.2.1 变负载数据集建立
3.2.2 基于AdaBN算法的模型优化
3.2.3 模型自适应能力分析
3.3信号含噪声条件下模型性能分析
3.3.1 信号加噪声处理
3.3.2 第一层卷积核尺寸对模型抗噪性能影响的探究
3.3.3 第一层卷积核可视化
3.3.4 分类过程可视化
3.3.5 模型抗噪性对比
3.4模型的可视化分析
3.4.1 神经元可视化
3.4.2 诊断过程可视化
3.5本章小结
第 4 章 小样本条件下的模型改进
4.1引言
4.2基于数据层面的模型改进
4.2.1 过采样技术
4.2.2 GAN算法
4.3基于算法层面的模型改进
4.3.1 小批量训练
4.3.2 Dropout算法
4.4小样本条件下模型性能分析
4.4.1 小样本数据集建立
4.4.2 样本量对模型的影响
4.4.3 模型领域自适应能力对比
4.4.4 模型抗噪性能对比
4.5优化模型的整体框架
4.6本章小结
第 5 章 故障诊断系统的研制
5.1引言
5.2软件开发平台与系统总体框架
5.2.1 软件开发语言和库的介绍
5.2.2 软件系统的总体框架
5.3登录界面展示
5.4轴承数据分析
5.4.1 轴承数据的时域分析
5.4.2 轴承数据的频域分析
5.4.3 轴承数据的时频域分析
5.5典型故障样例库展示
5.6基于轴承数据的智能故障诊断
5.7本章小结
总结与展望
总结
展望
致谢
参考文献
攻读硕士学位期间的学术成果与参与项目
西南交通大学;