因果启发的深度域泛化旋转机械故障诊断.docxVIP

因果启发的深度域泛化旋转机械故障诊断

目录

1.内容概览................................................3

1.1研究背景.............................................3

1.1.1旋转机械故障诊断的重要性.........................4

1.1.2深度学习在故障诊断中的应用现状...................5

1.2研究目的与意义.......................................6

1.2.1研究目的.........................................7

1.2.2研究意义.........................................8

2.相关理论与技术..........................................9

2.1旋转机械故障诊断基本理论............................10

2.1.1旋转机械故障类型分析............................12

2.1.2故障机理研究....................................12

2.2深度学习基本原理....................................14

2.2.1深度学习简介....................................15

2.2.2神经网络结构....................................16

2.3匹配Pyramid网络原理.................................17

2.3.1MPN结构介绍.....................................18

2.3.2MPN特点与优势...................................19

3.因果启发的深度域泛化旋转机械故障诊断方法...............20

3.1因果图学习方法......................................22

3.1.1因果图简介......................................23

3.1.2因果图推理算法..................................25

3.2基于深度学习的故障特征提取方法......................27

3.2.1故障特征提取模型设计............................28

3.2.2特征提取方法评估................................29

3.3域泛化方法..........................................30

3.3.1域泛化策略介绍..................................31

3.3.2域适应技术在故障诊断中的应用....................32

4.实验与分析.............................................33

4.1数据集介绍..........................................34

4.1.1数据来源........................................35

4.1.2数据特征描述....................................36

4.2实验设计............................................37

4.2.1实验环境与参数设置..............................38

4.2.2评价指标设计....................................39

4.3实验结果与分析......................................39

4.3.1模型性能对比分析................................40

4.3.2特征重要性分析..................................42