摘要：随着近年来的科技发展的迅速，我们在各方面都得到了快速发展，而这其中人工智能的强大是必不可少的，也因此产生了很多故障方面的问题。由此延伸出故障诊断技术的兴起，这种技术是对于比较困难的系统或者设备的管理、监控和故障处理为主的提起预防和维护为目的，已经投入了生产实践的很多领域。

由于神经网络分为浅层神经网络和深度神经网络，其中浅层神经网络依靠专家知识和信号处理技术对特征取值越来越困难，浅层机构也限制了网络学习复杂非线性关系的功能。结合深度学习在特征取值的正确性优势，研究在机械问题上的深度神经网络的故障诊断方法。这个方法可以直接从原始样本中提取需要的特征值，再通过BPNN的输入功能识别出其故障。通过对机械轴承的健康状态，内外圈和滚轴的故障状态进行实验分析，实验结果所显示的就是深度神经网络不但能够自动提取出有用的故障状态的特征，而且可以诊断出故破坏程度，与BPNN对比下来其诊断性能更加准确。

关键词：深度学习；BP神经网络；深度神经网络；智能故障诊断

目录

摘要

ABSTRACT

第一章  引  言-1

1.1故障诊断的产生和目的-1

1.2故障诊断系统框架-2

第二章  深度学习-3

2.1深度学习的定义-3

2.2深度学习的介绍-3

2.3深度学习、人工智能和机器学习的关系-3

第三章  基于BP神经网络的故障诊断算法-5

3.1 基于BP算法的神经网络模型-5

3.2 神经网络信息融合故障诊断步骤-6

3.3数据仿真-7

3.4 结果分析-9

3.4 采用BP网络的优缺点-10

第四章  深度神经网络-11

4.1 深度神经网络的介绍-11

4.2基于深度神经网络的智能诊断方法-12

4.3  基于栈式自动编码器的故障诊断-14

4.3.1数据的描述-14

4.3.2 确认数据-15

4.3.3深度神经网络与BP网络的准确率对比-17

4.3.4 结论-18

结束语-20

致  谢-21

参考文献-22

附录-24