声明
致谢
摘要
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 故障诊断方法研究现状
1.2.2 国外研究现状
1.2.3 国内研究现状
1.3 本文主要的研究内容
1.4 论文的组织结构
2 滚动轴承故障诊断的相关理论与技术
2.1 滚动轴承基本介绍
2.2 滚动轴承故障原理分析
2.3 神经网络的基本理论
2.3.1 神经网络的基本概念
2.3.2 激活函数
2.3.3 前馈神经网络的简介
2.3.4 BP算法
2.4 神经网络用于故障诊断的缺点
2.5 本章小结
3 故障特征量分析与提取
3.1 轴承原始数据分析
3.2 时域特征分析
3.3 频域特征分析
3.4 PCA降维
3.5 本章小结
4 基于改进遗传神经网络故障诊断模型
4.1 遗传算法基本介绍
4.1.1 遗传算法的概述
4.1.2 遗传算法的步骤
4.1.3 编码方法
4.1.5 遗传操作介绍
4.1.6 遗传算法的优缺点
4.2 遗传算法改进
4.2.1 结合适应度信息和多子的交叉操作
4.2.2 改进变异操作
4.2.3 适应度函数的改进
4.2.4 优化遗传交叉和变异概率
4.3 IGA-NN算法
4.4 本章小结
5 故障诊断模型的实现与分析
5.1 故障诊断模型流程设计
5.2 数据预处理
5.2.1 轴承数据介绍
5.2.2 提取特征量样本并降维
5.3 基于IGA-NN的故障诊断模型实现
5.3.1 确定神经网络结构
5.3.2 遗传算法实现
5.3.3 隐层节点数和种群数量的确定
5.3.4 遗传算法改进点有效性验证
5.4 实验与结果分析
5.4.1 样本训练结果收敛性分析
5.4.2 样本测试结果分析
5.5 本章小结
6.1 本文工作总结
6.2 未来工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集