交大毕业论文答辩模板介绍ppt课件下载

这是一个关于交大毕业论文答辩模板介绍ppt课件，主要介绍了绪论；基于WVD和BP神经网络的智能诊断；基于S变换和LPP的智能诊断方法；变载荷工况下的滚动轴承智能诊断方法；总结与展望等内容。本课题来源于国家自然科学基金青年科学基金项目“完全自适应第二代小波及在循环冲击类故障特征提取中的应用” 所谓智能诊断就是以计算机智能软件系统为载体来实现设备故障的自动诊断，包括信号采集、特征提取和模式识别等步骤。定义：可以看作信号能量在联合的时间和频率域中的分布，是分析非平稳信号的重要工具，欢迎点击下载交大毕业论文答辩模板介绍ppt课件哦。

交大毕业论文答辩模板介绍ppt课件是由红软PPT免费下载网推荐的一款答辩PPT模板类型的PowerPoint.

基于时频分析与智能算法的滚动轴承智能诊断方法YMl红软基地
目录YMl红软基地
第一章  绪论第二章  基于WVD和BP神经网络的智能诊断第三章  基于S变换和LPP的智能诊断方法第四章  变载荷工况下的滚动轴承智能诊断方法第五章  总结与展望YMl红软基地
课题来源YMl红软基地
   本课题来源于国家自然科学基金青年科学基金项目“完全自适应第二代小波及在循环冲击类故障特征提取中的应用”YMl红软基地
课题意义YMl红软基地
进行滚动轴承智能诊断方法研究具备YMl红软基地
理论和工程实际意义YMl红软基地
一、保障设备可以健康、高效地运行，避免人力和物力遭受损失YMl红软基地
二、减少人工主观性影响YMl红软基地
课题背景YMl红软基地
所谓智能诊断就是以计算机智能软件系统为载体来实现设备故障的自动诊断，包括信号采集、特征提取和模式识别等步骤。YMl红软基地
时域特征提取方法YMl红软基地
频域特征提取方法YMl红软基地
基于WVD和BP神经网络的智能诊断YMl红软基地
WIGNER-VILLE分布的定义YMl红软基地
定义：可以看作信号能量在联合的时间和频率域中的分布，是分析非平稳信号的重要工具。YMl红软基地
基于WVD和BP神经网络的智能诊断YMl红软基地
奇异值分解的定义YMl红软基地
定义：是线性代数中一种重要的矩阵分解，是矩阵分析中正规矩阵酉对角化的推广。YMl红软基地
基于WVD和BP神经网络的智能诊断YMl红软基地
BP神经网络定义YMl红软基地
定义：一种有监督学习并根据非线性变换单元构成的前馈式人工神经网络。YMl红软基地
基于WVD和BPNN的故障智能诊断YMl红软基地
试验数据来源：美国西储大学轴承数据中心YMl红软基地
试验轴承型号：6205YMl红软基地
试验设备：滚动轴承故障试验台YMl红软基地
轴承故障加工方法：采用人工电火花的人为加工制造方式共模拟了四种轴承状态，分别为正常、内圈故障、外圈故障和滚动体故障。YMl红软基地
基于WVD和奇异值分解的特征提取YMl红软基地
采用基于WVD和SVD相结合的特征提取方法可以有效处理非平稳信号，并获得滚动轴承各种状态的时频信息。YMl红软基地
采用主成分分析进行降维，依照所需累计贡献率阈值选取前10维构成最终的特征向量。YMl红软基地
基于WVD和奇异值分解的特征提取YMl红软基地
BP神经网络网格结构确定YMl红软基地
采用三层BP神经网络，由于滚动轴承各状态的特征向量有10维，待分类的轴承状态有4类，所以BP神经网络的输入层为10个节点，输出层为4个节点。隐含层节点数依据经验公式和试验结果取10.YMl红软基地
基于WVD和BPNN的故障诊断模型YMl红软基地
        最高诊断精度为100%，即每次无错分样本；平均精度达到97.24%。本节所提出的基于WV分布BP神经网络的智能诊断方法能够以较高的精度识别滚动轴承的故障类型，并能满足工程实际中的实时诊断要求。YMl红软基地
实验结果分析YMl红软基地
基于S变换和LPP的智能诊断方法YMl红软基地
原理：是在连续小波变换和STFT基础上继承和演变而来的一种新型用于处理非平稳信号方法，不仅获取了连续小波变换和STFT的优点，填补了传统时频分析方法的缺陷，而且引入了一种与频率相关的高斯窗函数，能够有效描述非平稳振动信号。YMl红软基地
铁路货车轴承信号时频特性分析YMl红软基地
   对以下两种故障轴承进行S变换获得时频图： YMl红软基地
①郑州铁路局某TADS检测站检测到的内圈故障轴承YMl红软基地
轴承型号：197726TN；检测时货车车速：39km/hYMl红软基地
②郑州铁路局某TADS检测站检测到的外圈故障轴承YMl红软基地
轴承型号：197726SKF；检测时货车车速：59km/hYMl红软基地
基于S变换和LPP的智能诊断方法YMl红软基地
局部保持投影（LPP）YMl红软基地
原理：秉承距离相近的点均有相似性的观点，利用线性映射将高维数据投影至低维空间中，低维数据便既能用于分类，又能保持原来的局部几何结构。YMl红软基地
基于S变换和LPP的智能诊断方法YMl红软基地
径向基神经网络YMl红软基地
（RBF）YMl红软基地
特点：能够逼近任意的非线性函数，网络结构简单、训练简洁，学习速率比BP神经网络快103 -104倍 。YMl红软基地
基于S变换和LPP的智能诊断模型建立步骤YMl红软基地
RBF神经网络模型建立YMl红软基地
输入层神经元个数取10；输出层神经元个数取4；扩展速度SPREAD依据试验结果取9。YMl红软基地
实验结果分析YMl红软基地
测试结果如下图：YMl红软基地
与基于WV分布和LPP特征提取方法诊断结果对比YMl红软基地
变载荷工况下的滚动轴承智能诊断方法YMl红软基地
研究背景YMl红软基地
    在工程实际中，旋转机械的轴向载荷通常会根据现场工况的情况而变化，转速也会由此发生波动。现有的滚动轴承智能诊断方法多数是基于恒定载荷情形，采用现有的智能诊断方法会造成诊断效果不佳，甚至发生误判。YMl红软基地
    因此，迫切需要针对工程实际问题提出一种变载荷工况下的滚动轴承智能诊断方法。YMl红软基地
变载荷工况下的滚动轴承智能诊断方法YMl红软基地
变载荷工况鲁棒的特征提取YMl红软基地
①HILBERT变换：提取振动信号的包络信号，包络信号能够有效反映滚动轴承故障类型的本质。YMl红软基地
②小波包分解：可以在不同频带上进行分解，在低和高的频率范围内具有很高的分辨力，各频带上的标准偏差值可以有效反映原始信号频率特征的时变特性，有效提取滚动轴承故障类型的频率特征。YMl红软基地
变载荷工况下的滚动轴承智能诊断方法YMl红软基地
支持向量机定义YMl红软基地
定义：是基于线性可分的最优超平面发展起来的机器学习技术。YMl红软基地
变载荷工况下智能诊断模型YMl红软基地
模型分为训练和测试两个步骤YMl红软基地
求取滚动轴承原始信号的包络信号，对包络信号采用3层小波包分解提取各频带信号的标准偏差值构成特征向量，用于训练SVMs。YMl红软基地
对于后续测取的轴承振动信号利用包络小波包分解提取特征向量后输入到SVMs进行自动诊断。YMl红软基地
变载荷工况下智能诊断模型YMl红软基地
试验数据：YMl红软基地
    用12000Hz的采样频率得到4种载荷下轴承正常状态、内圈故障、外圈故障和滚动体故障的振动加速度信号共计16种状态，每种轴承状态各60个样本，每个样本长度均为2000点。YMl红软基地
诊断模型建立YMl红软基地
利用上表中的实验数据情况进行12次实验YMl红软基地
取1种载荷下的实验数据诊断剩余3种载荷下滚动轴承故障类型YMl红软基地
每种轴承状态均包含60个样本，总计60×16=960个样本YMl红软基地
训练样本含60×4=240个，测试样本含60×4=240个YMl红软基地
        任意一种载荷的训练样本均能正确识别出其他3种载荷下滚动轴承的故障类型，充分说明了本节所提出的变载荷工况下的滚动轴承智能诊断方法的有效性和可靠性。YMl红软基地
实验结果分析YMl红软基地
与包络小波能量包特征提取方法比较YMl红软基地
实验结果表明：YMl红软基地
基于包络小波标准偏差包的变载荷工况下滚动轴承智能诊断方法能够以较高的诊断精度实现滚动轴承故障诊断。YMl红软基地
基于包络小波标准偏差包的智能诊断方法比基于包络小波能量包的诊断方法具有更高的诊断精度、更好的稳定性和鲁棒性。YMl红软基地
总结与展望YMl红软基地
还有以下几个方面的问题需要进行一步研究和探索：YMl红软基地
新型时频分析工具S变换理论的算法有待进一步优化和改进。YMl红软基地
流行学习算法LPP需要减小复杂度。YMl红软基地
如何对神经网络初始参数进行设置需要进一步研究。YMl红软基地
 YMl红软基地

毕业论文答辩ppt视频：这是毕业论文答辩ppt视频，包括了前言，建筑生产事故基本情况调查，建筑安全事故成因分析与方法研究，对策及建议，结束语，致谢等内容，欢迎点击下载。

毕业论文答辩ppt图片：这是毕业论文答辩ppt图片，包括了绪论，三维校正方法用于复杂农业体系中植物激素的定量分析，三维校正方法用于复杂环境体系中除草剂的定量分析，非四线性的四维数据解析方法研究等内容，欢迎点击下载。

金融专业毕业论文答辩ppt：这是金融专业毕业论文答辩ppt，包括了论文选题的背景与意义，论文的研究方法与特色，论文的基本框架和主要内容，论文的总结等内容，欢迎点击下载。