基于深度迁移学习的滚动轴承故障诊断方法研究

目录

声明

摘要

1绪论

1．1课题来源

1．2课题背景及研究意义

1．3国内外研究现状与分析

1．3．1传统人工智能诊断

1．3．2深度学习智能诊断

1．3．3迁移学习智能诊断

1．4现有问题总结与分析

1．5本文研究的主要内容与结构框架

1．5．1主要研究内容

1．5．1结构框架

2深度迁移学习相关理论

2．1引言

2．2深度学习基础理论

2．2．1深度置信网络理论

2．2．2生成对抗网络理论

2．2．3卷积神经网络理论

2．3迁移学习基础理论

2．3．1基于实例的迁移学习理论

2．3．2基于特征的迁移学习理论

2．3．3基于模型的迁移学习理论

2．3．4基于关系的迁移学习理论

2．4迁移学习相关度量方法

2．4．1Wasserstein距离

2．4．2KL散度

2．4．3JS散度

2．4．4最大均值差异MMD

2．5本章总结

3基于深度对抗的滚动轴承故障样本生成方法研究

3．1引言

3．2基于DCGAN滚动轴承故障样本生成方法研究

3．2．1深度卷积生成对抗网络框架

3．2．2算法过程与训练策略

3．2．3优化器选择

3．3实验分析验证

3．3．1实验数据集介绍

3．3．2模型参数设定

3．3．3实验结果分析

3．3．4生成样本验证

3．4本章总结

4基于深度对抗迁移学习的滚动轴承故障诊断方法研究

4．1引言

4．2基于域适应DATL滚动轴承故障诊断方法研究

4．2．1深度对抗迁移学习网络框架

4．2．2模型损失函数设计

4．2．3模型训练策略

4．3数据来源与参数设计

4．3．1数据来源

4．3．2模型参数设计

4．4实验分析验证

4．4．1不同工况实验

4．4．2不同数据源实验

4．4．3实验结果分析

4．5本章总结

5总结与展望

5．1全文总结

5．2课题研究创新点

5．3展望

参考文献

个人简历、在校期间发表学术论文及研究成果

致谢