第1章 引言
1.1 研究背景和意義
1.2 滾動軸承故障機理簡介
1.3 基于信號處理和機器學習的滾動軸承故障識別技術研究現狀
1.4 基于深度學習方法的滾動軸承故障識別研究
1.5 深度學習主流開源仿真工具
1.6 滾動軸承故障識別測試數據集
1.7 本書主要研究內容及結構
參考文獻
第2章 深度學習特征提取前處理——基于現代信號處理方法
2.1 壓縮感知降噪采樣
2.2 同步擠壓S變換
2.3 形態經驗小波變換
2.4 功率譜幅值閾值經驗小波變換（PSDEWT)
2.5 辛幾何模態分解
2.6 提升雙樹復小波包
參考文獻
第3章 基于半監督深度學習的滾動軸承故障識別研究
3.1 DAE及其改進
3.2 DBN及其改進
3.3 實驗驗證——XJTU-SY滾動軸承加速壽命試驗數據集
3.4 實驗驗證——基于Spectra Quest 滾動軸承試驗臺
第4章 基于有監督深度學習的滾動軸承故障識別研究
4.1 深層曲線波卷積神經網絡（deep curvelet convolutional neural networks,DC-CNN)
4.2 導聯卷積神經網絡(lead convolution neural network, LCNN)
4.3 分形網絡（FractalNet）
4.4 膠囊網絡（capsule net,CN）
4.5 深層支持向量機（deep support vector machine,DSVM)
4.6 深度森林（Deep Forest,DF）
4.7 實驗驗證——北京建筑大學滾動軸承試驗臺
4.8 實驗驗證——西儲大學滾動軸承公開數據集
參考文獻
第5章 基于遷移和生成深度學習的滾動軸承故障識別研究
5.1 集成深層小波自動編碼器（EDWAE）遷移學習方法
5.2 非平衡小樣本數據的滾動軸承故障識別——基于生成對抗網絡
5.3 非平衡小樣本數據的滾動軸承故障識別——基于深層變分自編碼器
5.4 深度卷積生成對抗網絡
參考文獻