聲明

摘要

英文摘要

目錄

1緒論

1．1課題來源

1．2課題研究背景及意義

1．3國內(nèi)外研究現(xiàn)狀

1．3．1特征提取和選擇方法研究現(xiàn)狀

1．3．2剩余壽命預(yù)測模型研究現(xiàn)狀

1．4本文研究內(nèi)容及技術(shù)路線

1．4．1研究內(nèi)容

1．4．2技術(shù)路線

2研究對象及相關(guān)理論基礎(chǔ)

2．1引言

2．2滾動(dòng)軸承基本結(jié)構(gòu)及失效形式

2．2．1滾動(dòng)軸承的基本結(jié)構(gòu)

2．2．2滾動(dòng)軸承的常見失效形式

2．2．3滾動(dòng)軸承的故障特征頻率

2．2．4滾動(dòng)軸承振動(dòng)信號(hào)的包絡(luò)譜分析

2．3滾動(dòng)軸承振動(dòng)信號(hào)的特征提取

2．3．1時(shí)域特征提取

2．3．2頻域特征提取

2．3．3時(shí)頻域特征提取

2．4深度學(xué)習(xí)相關(guān)理論

2．4．1卷積神經(jīng)網(wǎng)絡(luò)

2．4．2長短時(shí)記憶網(wǎng)絡(luò)

2．4．3門控循環(huán)單元神經(jīng)網(wǎng)絡(luò)

2．4．4注意力機(jī)制

2．5實(shí)驗(yàn)數(shù)據(jù)集介紹

2．6本章小結(jié)

3基于MTLN的滾動(dòng)軸承剩余壽命預(yù)測方法

3．1引言

3．2特征選擇算法及相關(guān)理論

3．2．1互信息理論

3．2．2最大相關(guān)最小冗余理論

3．3Transformer網(wǎng)絡(luò)理論

3．4基于MTLN的剩余壽命預(yù)測模型構(gòu)建

3．4．1剩余使用壽命預(yù)測流程

3．4．2Transformer-LSTM預(yù)測模型架構(gòu)

3．4．3模型的損失函數(shù)和評(píng)價(jià)指標(biāo)

3．5實(shí)驗(yàn)與分析

3．5．1軟硬件環(huán)境

3．5．2實(shí)驗(yàn)數(shù)據(jù)預(yù)處理

3．5．3模型參數(shù)設(shè)置

3．5．4實(shí)驗(yàn)結(jié)果及對比分析

3．6本章小結(jié)

4基于特征融合的多階段滾動(dòng)軸承剩余壽命預(yù)測方法

4．1引言

4．2主成分分析基本原理

4．3基于特征融合的多階段剩余壽命預(yù)測模型構(gòu)建

4．3．1剩余使用壽命預(yù)測流程

4．3．2基于PCA的軸承健康指標(biāo)構(gòu)建

4．3．3基于拉依達(dá)準(zhǔn)則劃分兩階段健康狀態(tài)

4．3．4基于MSCGAN的預(yù)測模型架構(gòu)

4．4實(shí)驗(yàn)與分析

4．4．1實(shí)驗(yàn)環(huán)境及數(shù)據(jù)準(zhǔn)備

4．4．2特征融合及健康階段劃分實(shí)驗(yàn)結(jié)果

4．4．3基于MSCGAN的剩余壽命預(yù)測結(jié)果及分析

4．5本章小結(jié)

5總結(jié)與展望

5．1總結(jié)

5．2展望

參考文獻(xiàn)

個(gè)人簡歷、在學(xué)期間發(fā)表學(xué)術(shù)論文及研究成果

致謝

相關(guān)知識(shí)

多類型鋰離子電池組管理系統(tǒng)的健康狀態(tài)和剩余壽命預(yù)測方法.pdf
高速列車軸箱軸承健康監(jiān)測與故障診斷研究綜述
車用動(dòng)力電池健康狀態(tài)及壽命預(yù)測模型研究
國外軸承熱處理技術(shù)及工藝
醫(yī)學(xué)圖像處理：深度學(xué)習(xí)與人工智能的融合
軸承振動(dòng)診斷儀是一種專門用于檢測和分析軸承振動(dòng)信號(hào)的設(shè)備
一種無監(jiān)督的軸承健康指標(biāo)及早期故障檢測方法
基于新健康因子的鋰電池健康狀態(tài)估計(jì)和剩余壽命預(yù)測
《振動(dòng)、測試與診斷》歡迎您
研究：預(yù)期壽命與手部握力有關(guān)？3個(gè)方法提升握力，記得多練習(xí)

網(wǎng)址: 多特征融合深度學(xué)習(xí)的滾動(dòng)軸承剩余壽命預(yù)測方法研究 http://www.u1s5d6.cn/newsview1220342.html