声明
图目录
表目录
1 绪论
1.1 研究背景与意义
1.2 国内外研究现状
1.2.1 异步电机故障诊断的研究现状
1.2.2 深度学习研究现状
1.2.3 深度学习在故障诊断领域的研究现状
1.3 本文工作与结构安排
2 深度信念网络及其分类能力研究
2.1 限制玻尔兹曼机
2.1.1 RBM结构
2.1.2 RBM的能量模型
2.2 深度信念网络
2.2.1 DBN结构
2.2.2 DBN训练流程
2.3 DBN特征提取与分类能力研究
2.3.1 仿真信号说明
2.3.2 网络参数设置
2.3.3 分类结果分析
2.4 本章小结
3 消防水泵电机多故障仿真建模
3.1 消防水泵电机模型搭建
3.1.1 工频供电的电机模型
3.1.2 低频供电的电机模型
3.2 故障设置
3.2.1 转子断条故障设置
3.2.2 偏心故障设置
3.2.3 混合故障设置
3.3 仿真模型求解
3.3.1 仿真参数设置
3.3.2 仿真模型求解
3.4 本章小结
4 基于DBN的消防水泵电机故障诊断
4.1 诊断流程
4.2 样本生成
4.3 网络参数确定
4.3.1 网络结构
4.3.2 学习率
4.3.3 动量项
4.3.4 批处理数量
4.3.5 训练轮数
4.4 网络性能分析
4.4.1 特征提取能力分析
4.4.2 样本分类能力分析
4.5 与传统分类方法的对比
4.5.1 算法性能评价标准
4.5.2 各分类方法对比分析
4.6 本章小结
5 消防水泵电机故障诊断系统框架设计
5.1 系统框架
5.2 GUI设计方案
5.3 GUI编辑及其诊断应用
5.3.1 登录界面
5.3.2 诊断界面
5.4 本章小结
6 总结与展望
6.1 总结
6.2 展望
参考文献
致谢
个人简历、在学期间发表的学术论文和研究成果
郑州大学;