基于深度学习与散射变换的信号分类研究
散射变换论文 深度学习论文 机械故障诊断论文
论文详情
中文摘要 | 第3-4页 |
英文摘要 | 第4-5页 |
1 绪论 | 第9-17页 |
1.1 研究背景与意义 | 第9-10页 |
1.2 旋转机械设备故障诊断的研究现状 | 第10-13页 |
1.2.1 数据采集 | 第11页 |
1.2.2 特征提取 | 第11-12页 |
1.2.3 故障诊断 | 第12-13页 |
1.3 输电线路绝缘子定位研究的国内外研究现状 | 第13-15页 |
1.4 本文的主要工作及章节安排 | 第15-17页 |
1.4.1 本文的主要工作 | 第15-16页 |
1.4.2 本文的章节安排 | 第16-17页 |
2 散射变换相关理论 | 第17-24页 |
2.1 引言 | 第17页 |
2.2 小波变换 | 第17-19页 |
2.3 散射变换 | 第19-23页 |
2.3.1 散射变换的前提条件 | 第19-21页 |
2.3.2 散射变换过程 | 第21-22页 |
2.3.3 散射的性质 | 第22-23页 |
2.4 本章小结 | 第23-24页 |
3 深度学习相关理论 | 第24-33页 |
3.1 引言 | 第24页 |
3.2 人工神经网络 | 第24-28页 |
3.2.1 神经元模型 | 第24-26页 |
3.2.2 感知机与深层神经网络 | 第26-28页 |
3.3 卷积神经网络 | 第28-32页 |
3.3.1 卷积层 | 第29-31页 |
3.3.2 池化层 | 第31页 |
3.3.3 全连接层 | 第31-32页 |
3.4 本章小结 | 第32-33页 |
4 基于散射卷积神经网络的轴承故障诊断 | 第33-50页 |
4.1 引言 | 第33-34页 |
4.2 一维散射网络 | 第34-35页 |
4.3 机械故障诊断深度学习方法 | 第35-37页 |
4.4 基于SCAT-SDNET的轴承故障诊断 | 第37-41页 |
4.4.1 散射网络部分 | 第38-39页 |
4.4.2 Sdnet | 第39-40页 |
4.4.3 网络参数性能分析 | 第40-41页 |
4.5 实验 | 第41-49页 |
4.5.1 实验数据 | 第41-43页 |
4.5.2 实验比较方案介绍 | 第43-44页 |
4.5.3 网络准确性能 | 第44-45页 |
4.5.4 网络抗噪性能 | 第45-46页 |
4.5.5 网络迁移能力 | 第46-47页 |
4.5.6 网络学习过程可视化 | 第47-49页 |
4.6 结论 | 第49-50页 |
5 输电线路图像绝缘子串实时定位方法 | 第50-63页 |
5.1 引言 | 第50-51页 |
5.2 二维信号散射变换 | 第51页 |
5.3 目标检测卷积神经网络 | 第51-54页 |
5.4 输电线路图像绝缘子串实时定位 | 第54-58页 |
5.4.1 散射变换 | 第55页 |
5.4.2 系数处理 | 第55-56页 |
5.4.3 CNN特征图尺寸计算 | 第56页 |
5.4.4 定位检测 | 第56-57页 |
5.4.5 集成学习 | 第57-58页 |
5.5 实验 | 第58-62页 |
5.5.1 数据说明 | 第58页 |
5.5.2 参数选择 | 第58-59页 |
5.5.3 不同定位检测框架对比 | 第59-60页 |
5.5.4 基于集成学习的目标检测 | 第60-62页 |
5.6 本章小结 | 第62-63页 |
6 总结与展望 | 第63-65页 |
6.1 本文工作总结 | 第63-64页 |
6.2 未来工作展望 | 第64-65页 |
致谢 | 第65-66页 |
参考文献 | 第66-71页 |
附录 | 第71页 |
A.作者在攻读学位期间发表的论文和取得的科研成果 | 第71页 |
B.作者在攻读学位期间参加的科研项目 | 第71页 |
论文购买
论文编号
ABS4590845,这篇论文共71页
会员购买按0.30元/页下载,共需支付
21.3。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
35.5。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文