基于人工智能的故障診斷方法

第1章 緒論
1．1 選題背景及意義
1．2 軸承故障智能診斷方法研究現(xiàn)狀
1．2．1 基于淺層模型的軸承故障智能診斷
1．2．2 基于深度學習的軸承故障智能診斷
1．2．3 基于深度領域自適應的軸承故障診斷
1．2．4 基于深度聚類的故障模式識別
1．3 存在的問題和研究難點
1．4 本書主要研究內(nèi)容
1．5 本書結(jié)構(gòu)
第2章 軸承故障診斷的智能化
2．1 軸承故障診斷基礎理論
2．1．1 軸承結(jié)構(gòu)及故障類型
2．1．2 軸承振動機理
2．1．3 軸承故障診斷技術(shù)
2．2 智能化軸承故障診斷
2．2．1 軸承故障診斷描述
2．2．2 智能化軸承故障診斷
2．2．3 以深度學習為基礎的軸承故障智能診斷可行性分析
2．2．4 遷移學習用于軸承故障分類的可行性分析
2．3 軸承故障智能診斷框架總體研究
2．3．1 智能診斷關鍵技術(shù)研究思路
2．3．2 軸承故障智能診斷框架
2．3．3 軸承故障智能診斷實施方案
2．4 本章小結(jié)
第3章 基于自編碼嵌入局部流形學習的深度聚類故障識別方法
3．1 引言
3．2 基于自編碼嵌入局部流形學習的深度聚類故障識別方法
3．2．1 問題描述
3．2．2 模型框架
3．2．3 方法實現(xiàn)
3．3 實驗結(jié)果與分析
3．3．1 數(shù)據(jù)設置細節(jié)
3．3．2 評價指標
3．3．3 實驗結(jié)果
3．3．4 參數(shù)敏感性
3．3．5 診斷結(jié)果可視化分析
3．4 本章小結(jié)
……
第4章 基于一維卷積神經(jīng)網(wǎng)絡的單工況故障診斷方法
第5章 基于無監(jiān)督深度域自適應的變工況端到端故障診斷方法
第6章 基于無監(jiān)督深度域自適應的噪聲干擾下變工況端到端故障診斷方法
第7章 結(jié)論
參考文獻