基于混合自注意力孪生网络的小样本轴承故障诊断方法研究.docxVIP

基于混合自注意力孪生网络的小样本轴承故障诊断方法研究

目录

基于混合自注意力孪生网络的小样本轴承故障诊断方法研究（1）．．4

内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.1研究背景与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

1.2国内外研究现状．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

1.3研究内容与方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

轴承故障诊断概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．7

2.1轴承故障类型及特点．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．8

2.2传统诊断方法的局限性．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

2.3小样本学习在故障诊断中的应用前景．．．．．．．．．．．．．．．．．．．．．．．9

混合自注意力孪生网络架构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．10

3.1自注意力机制原理简介．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11

3.2孪生网络结构设计．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

3.3混合策略的提出与实现．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．12

数据预处理与特征提取．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

4.1数据采集与标注．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

4.2数据清洗与归一化处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．14

4.3特征提取方法探讨．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．15

模型训练与优化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

5.1训练样本选择与生成策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

5.2损失函数设计及优化算法选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

5.3超参数调优方法论述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．19

实验验证与结果分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．20

6.1实验环境搭建与设置．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21

6.2实验数据集划分与标注．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．22

6.3实验结果对比与分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23

6.4故障诊断性能评估指标选取与应用．．．．．．．．．．．．．．．．．．．．．．．．23

结论与展望．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

7.1研究成果总结．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25

7.2存在问题及改进方向．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．26

7.3未来研究趋势预测．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．27

基于混合自注意力孪生网络的小样本轴承故障诊断方法研究（2）．28

内容概括．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

1.1研究背景．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．29

1.2小样本轴承故障诊断的重要性．．．．．．．．．．．．．．．．．．．．．．．．．．．．30

1.3混合自注意力孪生网络的优势．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

1.4研究目的与意义．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．31

相关工作．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．32

2.1小样本轴承故障诊断技术综述．．．．．．．．．．．．．．．．．．．．．．．．．．．．33

2.2自注意力机制研究进展．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33

2.3孪