学生姓名：吴昊宏

班班级级：工业2018-01班

指导教师：张敏

毕设题目：多源数据融合的オンライン カジノ モバイル质量诊断方法研究

一、概况

1.选题意义

随着科学技术的革新，现代机械设备不断向着大型化、精密化、集约化的趋势发展，机械设备结构变得愈发复杂，不同机械设备之间的联系也愈发紧密。机械设备内部任何一个部件出现故障，不但会影响设备本身，与此设备有关联的设备运转也会受到牵连，从而可能造成连锁事故的发生。这不仅影响正常的生产活动，甚至还会带来重大的安全事故，对工作人员的生命安全造成威胁。滚动オンライン カジノ モバイル是工业生产中最常见、最基础的零件，作为机械设备的重要组成部分长期处在持续高负荷工作状态，发生故障的概率占到旋转机械设备故障的70%。因此，保障滚动オンライン カジノ モバイル平稳正常的运行对于提升设备稳定性、保证工业生产的安全进行至关重要。提高滚动オンライン カジノ モバイル故障诊断的准确率能够显著降低设备故障失效的可能性，以维护设备性能，提升其使用寿命。

通常，转子两端均布有オンライン カジノ モバイル，单侧オンライン カジノ モバイル故障引发的振动异常会通过转子传递至另一侧オンライン カジノ モバイル。如果只采集单侧オンライン カジノ モバイル的震动信号，进而对数据分析与获取诊断结果，虽然也可以进行电机滚动オンライン カジノ モバイル的故障诊断，但是诊断结果正确率较低。多信息源数据融合可以提高故障诊断结果的准确率，为解决オンライン カジノ モバイル故障诊断的不确定性提供了解决问题的新途径。实际运行过程中，两端オンライン カジノ モバイル振动信号会同时进行采集。因此可以充分利用两端オンライン カジノ モバイル故障信号，采用多源数据融合方法将信号进行融合，再进行数据分析及诊断，以此提升オンライン カジノ モバイル故障诊断的效果。

2.任务分解

（1）调研、查阅和收集オンライン カジノ モバイル故障诊断问题和深度学习算法的相关资料；

（2）研究凯斯西储大学オンライン カジノ モバイル数据集并建立两端オンライン カジノ モバイル样本数据集；

（3）研究基于D-S证据理论的多源オンライン カジノ モバイル融合方法；

（4）研究基于一维卷积神经网络的双输入オンライン カジノ モバイル故障诊断模型；

（5）设计全面的对比实验验证所提方法的有效性与优越性；

（6）全文总结与展望。

二、已完成オンライン カジノ モバイル

（1）分别构建驱动端オンライン カジノ モバイル和风扇端オンライン カジノ モバイル样本数据集；

（2）建立基于一维卷积神经网络的双输入オンライン カジノ モバイル故障诊断模型；

（3）以两端オンライン カジノ モバイル信号样本作为输入数据，分别训练卷积神经网络；

（4）利用训练好的基于一维卷积神经网络的オンライン カジノ モバイル故障诊断模型进行故障诊断；

（5）应用D-S证据理论对风扇オンライン カジノ モバイル诊断结果和驱动端オンライン カジノ モバイル诊断结果进行数据融合；

三、下一步オンライン カジノ モバイル计划

（1）分析模型オンライン カジノ モバイル结果准确率出现偏差的原因，尝试做出调整

（2）考虑实现模型特征提取后在特征层面进行オンライン カジノ モバイル融合，和现有决策层融合结果进行对比

（3）加快论文写作进度，将已完成的模型框架等内容写完。

问题一：在构建オンライン カジノ モバイル样本数据集过程中做了哪些工作？

回答：我采用的是美国凯斯西储大学オンライン カジノ モバイル数据中心的数据集，可以从网络上直接下载数据包，但是下载好的数据文件无法直接使用。我首先从数据包中选取了需要用到的数据，然后编程将其导入到Python中。导入后还需要对其进行前期的数据处理，将数据格式调整为可供卷积神经网络处理的形式，最后再划分训练集和测试集。这样才算完成了オンライン カジノ モバイル样本数据集的构建。

问题二：你现在完成的决策层オンライン カジノ モバイル和下一步工作中考虑实现的特征层オンライン カジノ モバイル有什么区别？

回答：オンライン カジノ モバイル融合有三个层面，分别是オンライン カジノ モバイル层、特征层和决策层，三者的区别之一就是融合的节点不同。结合我所采用的卷积神经网络来说，就是先融合再预测还是先预测再融合。我目前已完成的工作是训练好两端卷积神经网络后，利用其进行预测，再将预测的结果进行オンライン カジノ モバイル融合，这种对分类结果的融合就属于决策层融合；而下一步工作中考虑的特征层融合，则是在卷积神经网络提取完特征之后，就对提取的两端特征进行オンライン カジノ モバイル融合，再利用融合特征进行预测得出结果。

对我来说，选择这一个毕业设计题目是一个挑战。因为我从未接触过有关深度学习算法的相关内容，同时对于オンライン カジノ モバイル的质量诊断也可以说是一知半解。我学过的知识大多是关于机械生产加工、物流规划以及供应链方面，对于Python编程的基础也只是局限于简单的规划问题。所以，毕业设计的过程，也可以说是我从头学习的过程，需要自己去总结，去寻找解决方法。关于深度学习算法和オンライン カジノ モバイル融合的有关知识，网上能找到很多的教程，但是教程并不是教材，它不能哪里不会点哪里，不可能有很强的针对性。尤其是对于卷积神经网络，虽然有很多现有的案例，但是每个案例处理的オンライン カジノ モバイル维度不同，特征提取的参数不同，想要依葫芦画瓢对我这个小白来说也并非易事，有时候连Python报的错都不知道是什么。但是俗话说得好，万事开头难，学习总是一个循序渐进的过程，不会一帆风顺。当我经过一个多月的学习，从一开始的生搬硬套、逐行逐句理解别人的代码，到后来的可以自己编写需要用到的代码，可以说有了长足的进步。这个过程也多亏了有指导老师和研究生学长的帮助。正所谓合抱之木，生于毫末；九层之台，起于累土；千里之行，始于足下。没有学习过程中的点滴积累，就没有最终的成果。看着现在完成的オンライン カジノ モバイル，再回忆起之前花费一晚上就研究几行代码的日子，就觉得我的努力并没有白费，也很庆幸自己的坚持。