2020年春季学期，一场突如其来的疫情，阻挡了学生们返校的脚步，影响了2020届毕业生毕业设计（ドラクエ オンライン カジノ）进展。为做好毕业设计（ドラクエ オンライン カジノ）指导工作，学院多次召开线上会议，研讨毕设线上指导工作，制定《机械工程学院2020年春季学期防疫阶段本科毕业设计实施方案》、《机械工程学院2020年春季学期防疫阶段本科毕业设计相关要求》、《机械工程学院关于开展2020届本科生毕业设计（ドラクエ オンライン カジノ）中期检查方案》。毕设指导教师积极完成毕设学生情况梳理，并根据学生实际情况进行分类指导，利用“云端”开展线上毕业设计（ドラクエ オンライン カジノ）指导工作，在疫情期间将毕业设计（ドラクエ オンライン カジノ）进展所受影响尽力减到最小，保证毕业设计（ドラクエ オンライン カジノ）质量不降低。毕业设计中期检查工作中，同学们精彩的答辩、在家自制的实物让我们对他们的毕业设计充满了信心，就让我们一睹为快吧：

学生姓名：钱 泉

班 级：机械2016-09班

指导教师：张 敏

ドラクエ オンライン カジノ题目：无标签ドラクエ オンライン カジノ下基于迁移学习的机械设备智能故障诊断

1.选题意义

对于智能故障诊断方法，大量有标签数据是实现智能ドラクエ オンライン カジノ训练的必要条件，但该条件在部分工业应用场景下因为以下两个原因而难以满足：部分机械设备安全系数较高，在机械设备出现故障前进行维护维修，导致难以采集到故障状态下的监测信号；部分机械设备性能退化历时长，采集足够的全寿命周期数据耗时巨大。难以采集足够有标签数据，尤其是故障状态下的数据，在一定程度上限制了智能故障诊断方法的工业化应用。迁移学习可将相近源领域的知识迁移至目标领域，从而解决无标签数据的问题。

同时，现存的很多关于机械设备的智能故障诊断算法都需要进行特征提取预处理。比如，快速傅里叶变换、经验模式分解、小波变换等，这一预处理过程非常耗时耗力且非常依赖专家水平。因此，本ドラクエ オンライン カジノ致力于提出“端到端”的迁移学习诊断方法。

2.任务分解

第一部分 文献资料搜集、整理与阅读、翻译外文文献 ( 3 周)

第二部分 建立迁移故障诊断ドラクエ オンライン カジノ ( 4 周)

第三部分 根据所建立的ドラクエ オンライン カジノ，编写程序 ( 3 周)

第四部分 进行轴承故障损伤实验并验与优化算法 ( 3 周)

第五部分 整理材料并撰写毕业ドラクエ オンライン カジノ，准备答辩 ( 3 周)

评阅及答辩 ( 1 周)

3.已完成任务

（1）文献查阅及翻译外文

完成文献资料的收集、整理、阅读，并从中提取出重要信息；并完成了1万字以上的外文翻译。

（2）迁移故障诊断ドラクエ オンライン カジノ

从深度学习中的卷积神经网络和迁移学习领域中的最大平均差异作为研究切入点，提出了两种深度迁移ドラクエ オンライン カジノ1DCNN(MMD)和2DCAE（MMD），如图1所示。

(a) 基于一维卷积神经网络和最大平均差异的深度迁移ドラクエ オンライン カジノ

（b）基于二维卷积自编码器和最大平均差异的深度迁移ドラクエ オンライン カジノ

（3）ドラクエ オンライン カジノ编程、优化及实验结果

选用进行故障诊断的ドラクエ オンライン カジノ库为美国凯斯西储大学提供的CWRU轴承ドラクエ オンライン カジノ库，在轴承故障诊断领域，该ドラクエ オンライン カジノ库是目前公认的权威第三方轴承ドラクエ オンライン カジノ库。采用滑动采样技术对轴承ドラクエ オンライン カジノ库进行分组，如图2所示。例如，组号A1表示为损伤直径在0.007英寸、负载为1马力的分组（正常除外）。

利用滑动采样技术对CWRU轴承ドラクエ オンライン カジノ库分组

针对上述轴承数据分组情况，对相同损伤直径下变负载、相同负载下变损伤直径和变损伤直径下变负载的三种基本迁移类型进行了轴承迁移故障诊断。为了体现自己提出的迁移故障算法的优越性，对比添加了经过FFT预处理后的多层感知机和传统的卷积神经网络。除此之外还利用T-SNE降维可视化技术对各个ドラクエ オンライン カジノ进行了深入的分析，得出同一颜色聚合性越强、不同颜色距离越远，代表ドラクエ オンライン カジノ对于轴承的四种信息的分类效果越好的结论。

4.下一步ドラクエ オンライン カジノ计划

按照学校的毕业ドラクエ オンライン カジノ的撰写要求，认真对ドラクエ オンライン カジノ初稿修改。然后对ドラクエ オンライン カジノ进行查重，然后再次修改，准备毕业答辩工作。

问题1：在ドラクエ オンライン カジノ的优化上，做了哪些工作？

答：采用了Dropout算法、BN算法抑制ドラクエ オンライン カジノ的过拟合现象，也通过给ドラクエ オンライン カジノ的训练数据添加噪音，从而提高ドラクエ オンライン カジノ的泛化能力。

问题2：ドラクエ オンライン カジノ还存在那些不足之处？

答: 因为ドラクエ オンライン カジノ的初始参数是随机选取的，所以ドラクエ オンライン カジノ在诊断准确率上的波动有点大，可能会达到10%以上。

问题3：采用什么样的ドラクエ オンライン カジノ框架，以及为什么采用该框架？

答：ドラクエ オンライン カジノ用Python语言编写，框架采用的是谷歌公司的TensorFlow2.0深度学习框架。该框架有谷歌公司背后的支持，其提供了很多接口，例如极其方便的Keras高阶API。

论文的工作开展从大四上学期就已经开始，期间学习了Python编程语言、matlab基本用法、TensorFlow深度学习框架等论文所需工具。然后通过查阅文献、期刊杂志以及各种网络资源去深入了解迁移学习的研究成果和相关ドラクエ オンライン カジノ的编程。从一开始对论文毫无头绪，一窍不通到现在有一定的了解，中间花费了很多时间和精力，甚至为此苦恼和沮丧。但是当ドラクエ オンライン カジノ的结果出来的时候，感觉一切辛苦都是值得的。在张敏老师和郭亮老师的指导下，自己也提出了一种较新的基于二维卷积自编码器和最大平均差异的深度迁移ドラクエ オンライン カジノ，其相比传统的深度学习算法有很大的优越性。随后在ドラクエ オンライン カジノ的优化工作上，通过和两位老师多次交流沟通，先后采用了Dropout算法、BN层、训练数据添加噪声等方法抑制ドラクエ オンライン カジノ过拟合现象。在论文的撰写和与论文相关的提交材料上，张敏老师都细致的进行审阅，然后将相关修改意见反馈给我。正是在老师尽心尽力的帮助下，才能在四月中旬就完成了论文初稿的撰写工作。

去年11月份，当我拿到毕业ドラクエ オンライン カジノ题目时，就感觉到ドラクエ オンライン カジノ的难度非常大，而且前面大学三年涉及到深度学习领域的知识比较匮乏。但也就是从这样一件困难重重的事情上，让我学会了如何去开展一个ドラクエ オンライン カジノ，学会了如何去有效解决问题，学会了如何去加强自身的科学知识素养。感谢这一段宝贵的经历，送给永不放弃的自己！