深度学习算法应用:故障诊断与寿命预测电子书

书名页

内容简介

版权

前言

第1章　绪论

1.1　深度学习基本概念

1.2　故障诊断的重要性

1.3　寿命预测的重要性

1.4　深度学习基本理论方法

1.4.1　经典LeNet-5网络模型

1.4.2　卷积神经网络

1.4.3　残差神经网络

1.4.4　孪生神经网络

1.4.5　长短时记忆神经网络（LSTM）

1.4.6　贝叶斯神经网络

1.4.7　迁移学习

参考文献

第2章　卷积神经网络在故障诊断中的应用

2.1　改进LeNet-5在故障诊断中的应用

2.1.1　改进LeNet-5网络模型设计

2.1.2　仿真试验及结果分析

2.1.3　噪声环境下模型故障诊断准确率测试

2.1.4　与其他故障诊断方法进行对比

2.1.5　变转速工况下改进LeNet-5的可用性研究

2.1.6　小结

2.2　卷积神经网络在故障诊断中的应用

2.2.1　CNN故障诊断模型设计

2.2.2　仿真试验及结果分析

2.2.3　小结

2.3　频域集成卷积神经网络在故障诊断中的应用

2.3.1　FECNN故障诊断模型

2.3.2　FECNN参数设计

2.3.3　仿真试验及结果分析

2.3.4　小结

2.4　多模态集成卷积神经网络的故障诊断

2.4.1　多模态融合技术的基本理论

2.4.2　MECNN的故障诊断模型设计

2.4.3　仿真试验及结果分析

2.4.4　小结

2.5　一维大尺寸卷积神经网络在故障诊断中的应用

2.5.1　一维大尺寸卷积神经网络模型

2.5.2　仿真试验及结果分析

2.5.3　模型噪声测试试验和分析

2.5.4　小结

2.6　基于角域重采样下多尺度核卷积神经网络故障诊断

2.6.1　角域重采样下多尺度核卷积神经网络模型

2.6.2　仿真试验及结果分析

2.6.3　小结

参考文献

第3章　残差神经网络在故障诊断中的应用

3.1　基于BN的RCNN故障诊断模型

3.1.1　RCNN模型结构

3.1.2　仿真试验及结果分析

3.1.3　小结

3.2　基于GAP的LWRCNN故障诊断

3.2.1　LWRCNN三种模型结构

3.2.2　基于GAP的LWRCNN故障诊断流程

3.2.3　仿真试验及结果分析

3.2.4　LWRCNN模型的泛化能力分析

3.3　基于AdaBN-S-LWRCNN的故障诊断

3.3.1　基于AdaBN的S-LWRCNN模型结构

3.3.2　基于AdaBN的S-LWRCNN轴承故障诊断流程

3.3.3　噪声环境下S-LWRCNN的故障诊断仿真试验

3.3.4　变速环境下S-LWRCNN模型的轴承故障诊断仿真试验

3.3.5　小结

参考文献

第4章　孪生神经网络在故障诊断中的应用研究

4.1　基于宽卷积核浅层卷积孪生网络的故障诊断

4.1.1　宽卷积核浅层卷积孪生网络模型

4.1.2　数据稀缺条件下的仿真试验

4.1.3　小结

4.2　基于全局平均池化卷积孪生网络的故障诊断

4.2.1　全局平均池化算法

4.2.2　全局平均池化的卷积孪生网络故障诊断模型

4.2.3　参数设计

4.2.4　仿真试验

4.2.5　仿真试验结果分析

4.2.6　仿真试验结果可视化

4.2.7　小结

4.3　基于训练干扰卷积孪生网络的故障诊断

4.3.1　Dropout算法

4.3.2　TICSN故障诊断模型

4.3.3　参数设计

4.3.4　噪声条件下的TICSN仿真试验

4.3.5　仿真试验结果分析

4.3.6　新故障类型下的故障诊断仿真试验

4.3.7　新工况下的故障诊断仿真试验

4.3.8　小结

4.4　基于小样本的多尺度核孪生神经网络的故障诊断

4.4.1　多尺度核孪生神经网络模型

4.4.2　仿真试验

4.4.3　试验结果

4.4.4　模型对比试验分析

4.4.5　小结

参考文献

第5章　深度学习在寿命预测中的应用研究

5.1　CNNLSTM模型的剩余寿命预测

5.1.1　CNNLSTM模型结构

5.1.2　初始退化点确定

5.1.3　参数设计

5.1.4　仿真试验

5.1.5　对比试验

5.1.6　小结

5.2　基于贝叶斯神经网络的高速轴轴承剩余寿命预测

5.2.1　贝叶斯长短时记忆神经网络模型构建

5.2.2　不确定性量化的剩余寿命预测

5.2.3　对比试验

5.3　基于迁移学习的跨域高速轴轴承剩余寿命预测

5.3.1　迁移学习模型构建

5.3.2　数据集分析

5.3.3　跨域和跨工况任务划分

5.3.4　参数设置

5.3.5　跨域和跨工况仿真试验

5.3.6　小结

5.4　双向长短期记忆网络在刀具剩余寿命预测中的应用

5.4.1　堆叠降噪自编码器在刀具状态识别中的应用

5.4.2　堆叠双向长短期记忆网络在磨损预测的应用

5.4.3　双向长短期记忆网络在刀具剩余寿命预测中的应用

5.4.4　小结

参考文献