原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
发展基于短时变换和卷积神经网络的高效轴承故障诊断技术
目录
内容概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
1.1.1轴承状态监测的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
1.1.2传统诊断方法的局限性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7
1.1.3新兴智能诊断技术的机遇．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8
1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10
1.2.1基于时域信号分析的故障识别进展．．．．．．．．．．．．．．．．．．．．．．11
1.2.2基于变换域特征的诊断技术研究．．．．．．．．．．．．．．．．．．．．．．．．11
1.2.3卷积神经网络在故障诊断中的应用综述．．．．．．．．．．．．．．．．．．13
1.3本文主要研究内容与目标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15
1.3.1核心技术路线概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16
1.3.2预期性能指标．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
相关理论与技术基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19
2.1短时傅里叶变换原理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21
2.2卷积神经网络结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22
2.2.1CNN基本单元与参数学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
2.2.2常用CNN模型及其特点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．24
2.3故障诊断信号处理基础．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29
2.3.1信号采集与预处理方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
2.3.2故障特征提取技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31
基于短时变换特征提取方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33
3.1STFT及其改进算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．34
3.1.1窗函数选择与优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．36
3.1.2多分辨率分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38
3.2特征向量化与表示学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．38
3.3鲁棒性特征提取考虑．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．39
3.3.1噪声抑制技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．40
3.3.2对非平稳信号的适应性分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．41
基于卷积神经网络的结构设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42
4.1CNN网络模型选择与定制．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．43
4.1.1适用于时频图输入的架构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．45
4.1.2网络层数与深度优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．46
4.2卷积核与池化策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47
4.2.1特征提取卷积设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．49
4.2.2特征降维池化操作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50
4.3激活函数与损失函数选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51
4.3.1非线性激活函数优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53
4.3.2适用于多分类任务的损失函数．．．．．．．．．．．．．．．．．．．．．．．．．．54
轴承故障诊断模型构建与训练．．．．．．．．．．
文档评论（0）