這是一個(gè)關(guān)于交大畢業(yè)論文答辯模板介紹ppt課件，主要介紹了緒論；基于WVD和BP神經(jīng)網(wǎng)絡(luò)的智能診斷；基于S變換和LPP的智能診斷方法；變載荷工況下的滾動軸承智能診斷方法；總結(jié)與展望等內(nèi)容。本課題來源于國家自然科學(xué)基金青年科學(xué)基金項(xiàng)目“完全自適應(yīng)第二代小波及在循環(huán)沖擊類故障特征提取中的應(yīng)用” 所謂智能診斷就是以計(jì)算機(jī)智能軟件系統(tǒng)為載體來實(shí)現(xiàn)設(shè)備故障的自動診斷，包括信號采集、特征提取和模式識別等步驟。定義：可以看作信號能量在聯(lián)合的時(shí)間和頻率域中的分布，是分析非平穩(wěn)信號的重要工具，歡迎點(diǎn)擊下載交大畢業(yè)論文答辯模板介紹ppt課件哦。

交大畢業(yè)論文答辯模板介紹ppt課件是由紅軟PPT免費(fèi)下載網(wǎng)推薦的一款答辯PPT模板類型的PowerPoint.

基于時(shí)頻分析與智能算法的滾動軸承智能診斷方法YMl紅軟基地
目錄YMl紅軟基地
第一章  緒論第二章  基于WVD和BP神經(jīng)網(wǎng)絡(luò)的智能診斷第三章  基于S變換和LPP的智能診斷方法第四章  變載荷工況下的滾動軸承智能診斷方法第五章  總結(jié)與展望YMl紅軟基地
課題來源YMl紅軟基地
   本課題來源于國家自然科學(xué)基金青年科學(xué)基金項(xiàng)目“完全自適應(yīng)第二代小波及在循環(huán)沖擊類故障特征提取中的應(yīng)用”YMl紅軟基地
課題意義YMl紅軟基地
進(jìn)行滾動軸承智能診斷方法研究具備YMl紅軟基地
理論和工程實(shí)際意義YMl紅軟基地
一、保障設(shè)備可以健康、高效地運(yùn)行，避免人力和物力遭受損失YMl紅軟基地
二、減少人工主觀性影響YMl紅軟基地
課題背景YMl紅軟基地
所謂智能診斷就是以計(jì)算機(jī)智能軟件系統(tǒng)為載體來實(shí)現(xiàn)設(shè)備故障的自動診斷，包括信號采集、特征提取和模式識別等步驟。YMl紅軟基地
時(shí)域特征提取方法YMl紅軟基地
頻域特征提取方法YMl紅軟基地
基于WVD和BP神經(jīng)網(wǎng)絡(luò)的智能診斷YMl紅軟基地
WIGNER-VILLE分布的定義YMl紅軟基地
定義：可以看作信號能量在聯(lián)合的時(shí)間和頻率域中的分布，是分析非平穩(wěn)信號的重要工具。YMl紅軟基地
基于WVD和BP神經(jīng)網(wǎng)絡(luò)的智能診斷YMl紅軟基地
奇異值分解的定義YMl紅軟基地
定義：是線性代數(shù)中一種重要的矩陣分解，是矩陣分析中正規(guī)矩陣酉對角化的推廣。YMl紅軟基地
基于WVD和BP神經(jīng)網(wǎng)絡(luò)的智能診斷YMl紅軟基地
BP神經(jīng)網(wǎng)絡(luò)定義YMl紅軟基地
定義：一種有監(jiān)督學(xué)習(xí)并根據(jù)非線性變換單元構(gòu)成的前饋式人工神經(jīng)網(wǎng)絡(luò)。YMl紅軟基地
基于WVD和BPNN的故障智能診斷YMl紅軟基地
試驗(yàn)數(shù)據(jù)來源：美國西儲大學(xué)軸承數(shù)據(jù)中心YMl紅軟基地
試驗(yàn)軸承型號：6205YMl紅軟基地
試驗(yàn)設(shè)備：滾動軸承故障試驗(yàn)臺YMl紅軟基地
軸承故障加工方法：采用人工電火花的人為加工制造方式共模擬了四種軸承狀態(tài)，分別為正常、內(nèi)圈故障、外圈故障和滾動體故障。YMl紅軟基地
基于WVD和奇異值分解的特征提取YMl紅軟基地
采用基于WVD和SVD相結(jié)合的特征提取方法可以有效處理非平穩(wěn)信號，并獲得滾動軸承各種狀態(tài)的時(shí)頻信息。YMl紅軟基地
采用主成分分析進(jìn)行降維，依照所需累計(jì)貢獻(xiàn)率閾值選取前10維構(gòu)成最終的特征向量。YMl紅軟基地
基于WVD和奇異值分解的特征提取YMl紅軟基地
BP神經(jīng)網(wǎng)絡(luò)網(wǎng)格結(jié)構(gòu)確定YMl紅軟基地
采用三層BP神經(jīng)網(wǎng)絡(luò)，由于滾動軸承各狀態(tài)的特征向量有10維，待分類的軸承狀態(tài)有4類，所以BP神經(jīng)網(wǎng)絡(luò)的輸入層為10個(gè)節(jié)點(diǎn)，輸出層為4個(gè)節(jié)點(diǎn)。隱含層節(jié)點(diǎn)數(shù)依據(jù)經(jīng)驗(yàn)公式和試驗(yàn)結(jié)果取10.YMl紅軟基地
基于WVD和BPNN的故障診斷模型YMl紅軟基地
        最高診斷精度為100%，即每次無錯(cuò)分樣本；平均精度達(dá)到97.24%。本節(jié)所提出的基于WV分布BP神經(jīng)網(wǎng)絡(luò)的智能診斷方法能夠以較高的精度識別滾動軸承的故障類型，并能滿足工程實(shí)際中的實(shí)時(shí)診斷要求。YMl紅軟基地
實(shí)驗(yàn)結(jié)果分析YMl紅軟基地
基于S變換和LPP的智能診斷方法YMl紅軟基地
原理：是在連續(xù)小波變換和STFT基礎(chǔ)上繼承和演變而來的一種新型用于處理非平穩(wěn)信號方法，不僅獲取了連續(xù)小波變換和STFT的優(yōu)點(diǎn)，填補(bǔ)了傳統(tǒng)時(shí)頻分析方法的缺陷，而且引入了一種與頻率相關(guān)的高斯窗函數(shù)，能夠有效描述非平穩(wěn)振動信號。YMl紅軟基地
鐵路貨車軸承信號時(shí)頻特性分析YMl紅軟基地
   對以下兩種故障軸承進(jìn)行S變換獲得時(shí)頻圖： YMl紅軟基地
①鄭州鐵路局某TADS檢測站檢測到的內(nèi)圈故障軸承YMl紅軟基地
軸承型號：197726TN；檢測時(shí)貨車車速：39km/hYMl紅軟基地
②鄭州鐵路局某TADS檢測站檢測到的外圈故障軸承YMl紅軟基地
軸承型號：197726SKF；檢測時(shí)貨車車速：59km/hYMl紅軟基地
基于S變換和LPP的智能診斷方法YMl紅軟基地
局部保持投影（LPP）YMl紅軟基地
原理：秉承距離相近的點(diǎn)均有相似性的觀點(diǎn)，利用線性映射將高維數(shù)據(jù)投影至低維空間中，低維數(shù)據(jù)便既能用于分類，又能保持原來的局部幾何結(jié)構(gòu)。YMl紅軟基地
基于S變換和LPP的智能診斷方法YMl紅軟基地
徑向基神經(jīng)網(wǎng)絡(luò)YMl紅軟基地
（RBF）YMl紅軟基地
特點(diǎn)：能夠逼近任意的非線性函數(shù)，網(wǎng)絡(luò)結(jié)構(gòu)簡單、訓(xùn)練簡潔，學(xué)習(xí)速率比BP神經(jīng)網(wǎng)絡(luò)快103 -104倍 。YMl紅軟基地
基于S變換和LPP的智能診斷模型建立步驟YMl紅軟基地
RBF神經(jīng)網(wǎng)絡(luò)模型建立YMl紅軟基地
輸入層神經(jīng)元個(gè)數(shù)取10；輸出層神經(jīng)元個(gè)數(shù)取4；擴(kuò)展速度SPREAD依據(jù)試驗(yàn)結(jié)果取9。YMl紅軟基地
實(shí)驗(yàn)結(jié)果分析YMl紅軟基地
測試結(jié)果如下圖：YMl紅軟基地
與基于WV分布和LPP特征提取方法診斷結(jié)果對比YMl紅軟基地
變載荷工況下的滾動軸承智能診斷方法YMl紅軟基地
研究背景YMl紅軟基地
    在工程實(shí)際中，旋轉(zhuǎn)機(jī)械的軸向載荷通常會根據(jù)現(xiàn)場工況的情況而變化，轉(zhuǎn)速也會由此發(fā)生波動�，F(xiàn)有的滾動軸承智能診斷方法多數(shù)是基于恒定載荷情形，采用現(xiàn)有的智能診斷方法會造成診斷效果不佳，甚至發(fā)生誤判。YMl紅軟基地
    因此，迫切需要針對工程實(shí)際問題提出一種變載荷工況下的滾動軸承智能診斷方法。YMl紅軟基地
變載荷工況下的滾動軸承智能診斷方法YMl紅軟基地
變載荷工況魯棒的特征提取YMl紅軟基地
①HILBERT變換：提取振動信號的包絡(luò)信號，包絡(luò)信號能夠有效反映滾動軸承故障類型的本質(zhì)。YMl紅軟基地
②小波包分解：可以在不同頻帶上進(jìn)行分解，在低和高的頻率范圍內(nèi)具有很高的分辨力，各頻帶上的標(biāo)準(zhǔn)偏差值可以有效反映原始信號頻率特征的時(shí)變特性，有效提取滾動軸承故障類型的頻率特征。YMl紅軟基地
變載荷工況下的滾動軸承智能診斷方法YMl紅軟基地
支持向量機(jī)定義YMl紅軟基地
定義：是基于線性可分的最優(yōu)超平面發(fā)展起來的機(jī)器學(xué)習(xí)技術(shù)。YMl紅軟基地
變載荷工況下智能診斷模型YMl紅軟基地
模型分為訓(xùn)練和測試兩個(gè)步驟YMl紅軟基地
求取滾動軸承原始信號的包絡(luò)信號，對包絡(luò)信號采用3層小波包分解提取各頻帶信號的標(biāo)準(zhǔn)偏差值構(gòu)成特征向量，用于訓(xùn)練SVMs。YMl紅軟基地
對于后續(xù)測取的軸承振動信號利用包絡(luò)小波包分解提取特征向量后輸入到SVMs進(jìn)行自動診斷。YMl紅軟基地
變載荷工況下智能診斷模型YMl紅軟基地
試驗(yàn)數(shù)據(jù)：YMl紅軟基地
    用12000Hz的采樣頻率得到4種載荷下軸承正常狀態(tài)、內(nèi)圈故障、外圈故障和滾動體故障的振動加速度信號共計(jì)16種狀態(tài)，每種軸承狀態(tài)各60個(gè)樣本，每個(gè)樣本長度均為2000點(diǎn)。YMl紅軟基地
診斷模型建立YMl紅軟基地
利用上表中的實(shí)驗(yàn)數(shù)據(jù)情況進(jìn)行12次實(shí)驗(yàn)YMl紅軟基地
取1種載荷下的實(shí)驗(yàn)數(shù)據(jù)診斷剩余3種載荷下滾動軸承故障類型YMl紅軟基地
每種軸承狀態(tài)均包含60個(gè)樣本，總計(jì)60×16=960個(gè)樣本YMl紅軟基地
訓(xùn)練樣本含60×4=240個(gè)，測試樣本含60×4=240個(gè)YMl紅軟基地
        任意一種載荷的訓(xùn)練樣本均能正確識別出其他3種載荷下滾動軸承的故障類型，充分說明了本節(jié)所提出的變載荷工況下的滾動軸承智能診斷方法的有效性和可靠性。YMl紅軟基地
實(shí)驗(yàn)結(jié)果分析YMl紅軟基地
與包絡(luò)小波能量包特征提取方法比較YMl紅軟基地
實(shí)驗(yàn)結(jié)果表明：YMl紅軟基地
基于包絡(luò)小波標(biāo)準(zhǔn)偏差包的變載荷工況下滾動軸承智能診斷方法能夠以較高的診斷精度實(shí)現(xiàn)滾動軸承故障診斷。YMl紅軟基地
基于包絡(luò)小波標(biāo)準(zhǔn)偏差包的智能診斷方法比基于包絡(luò)小波能量包的診斷方法具有更高的診斷精度、更好的穩(wěn)定性和魯棒性。YMl紅軟基地
總結(jié)與展望YMl紅軟基地
還有以下幾個(gè)方面的問題需要進(jìn)行一步研究和探索：YMl紅軟基地
新型時(shí)頻分析工具S變換理論的算法有待進(jìn)一步優(yōu)化和改進(jìn)。YMl紅軟基地
流行學(xué)習(xí)算法LPP需要減小復(fù)雜度。YMl紅軟基地
如何對神經(jīng)網(wǎng)絡(luò)初始參數(shù)進(jìn)行設(shè)置需要進(jìn)一步研究。YMl紅軟基地
 YMl紅軟基地

畢業(yè)論文答辯ppt視頻：這是畢業(yè)論文答辯ppt視頻，包括了前言，建筑生產(chǎn)事故基本情況調(diào)查，建筑安全事故成因分析與方法研究，對策及建議，結(jié)束語，致謝等內(nèi)容，歡迎點(diǎn)擊下載。

畢業(yè)論文答辯ppt圖片：這是畢業(yè)論文答辯ppt圖片，包括了緒論，三維校正方法用于復(fù)雜農(nóng)業(yè)體系中植物激素的定量分析，三維校正方法用于復(fù)雜環(huán)境體系中除草劑的定量分析，非四線性的四維數(shù)據(jù)解析方法研究等內(nèi)容，歡迎點(diǎn)擊下載。

金融專業(yè)畢業(yè)論文答辯ppt：這是金融專業(yè)畢業(yè)論文答辯ppt，包括了論文選題的背景與意義，論文的研究方法與特色，論文的基本框架和主要內(nèi)容，論文的總結(jié)等內(nèi)容，歡迎點(diǎn)擊下載。