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

点击收藏 | 在线购卡 | 站内搜索 | 网站地图
版权所有 艾博士论文 Copyright(C) All Rights Reserved
版权申明:本文摘要目录由会员***投稿,艾博士论文编辑,如作者需要删除论文目录请通过QQ告知我们,承诺24小时内删除。
联系方式: QQ:277865656