《滚动轴承故障诊断系统研究论文答辩稿》1200字.docxVIP

滚动轴承故障诊断系统研究论文答辩稿 研究内容 本文以滚动轴承为研究对象，研究开发基于 GRU 的滚动轴承故障诊断系统。全文的各章节主要内容如下： 第一章，绪论：对滚动轴承故障诊断系统的背景和研究意义进行介绍，分析 当前故障诊断系统存在的问题，在此基础上确定出本文的主要研究内容和技术路线。 第二章，滚动轴承在线故障诊断系统总体设计：根据滚动轴承故障诊断系统的要求确定故障诊断模型所使用的技术方法和大致架构。 第三章，基于深度学习的滚动轴承故障诊断研究：对深度学习中的常用概念和循环神经网络相关知识进行介绍，之后对轴承故障诊断模型进行设计，再然后针对模型存在的过拟合问题利用正则化和 Dropout 算法对模型进行优化，最后通过仿真实验测试模型的分类精度。 第四章，神经网络超参数选择算法研究：首先对差分进化算法进行介绍，针对算法存在的不足提出改进并通过仿真实验验证改进算法的优越性。最后将改进的差分进化算法用到故障诊断模型的超参数优化当中，并得到期望的最优超参数组合。 第五章，实验研究：完成滚动轴承故障诊断系统实验平台的搭建，搭建实验平台，完成轴承振动数据的采集并利用数据完成故障诊断模型的训练和测试工作，验证本文提出的故障诊断模型是否符合要求。 第六章，总结与展望：针对本文所涉及的主要研究内容进行总结，并对研究中存在的不足和下一步需要研究的内容进行展望。 研究方法 （1）文献研究法：通过多种渠道搜集文献、专著、期刊等文献，进一步理解相关理论知识，参考相应期刊论文的写作思路确定本文的写作方向。同时通过阅读相关期刊论文梳理相关资料，找寻目前学界研究领域的不足之处确定本题。通过阅读相关学者的著作从中找出和本文研究方向相关的内容为自己在本文的写作中所提出的观点提供更多的理论支撑。 （2）归纳分析法：在本文的写作中，查找有关资料对相关的概念与特征进行归纳总结，分析当前存在的问题，进一步探究存在问题的原因，并借鉴国内的研究经验，提出相关的建议，并结合实际情况进行研究分析。 （3）实验研究方法，由笔者根据研究问题的本质内容设计实验，控制实验因素的变化，使得实验环境比现实相对简单，通过对可重复的实验现象进行观察，从中发现规律的研究方法。 创新点 （1）滚动轴承在线故障诊断系统总体设计 研究滚动轴承结构和工作原理，分析滚动轴承故障的类型和发生位置，提出故障诊断系统的总体框架和故障诊断系统的工作流程。 （2）基于深度学习的滚动轴承故障诊断研究 研究深度学习相关理论，针对滚动轴承内外滚道缺陷诊断这一具体问题提出滚动轴承故障诊断神经网络模型架构，并对滚动轴承振动数据进行预处理，利用Dropout 算法以及 GRU 缩小模型参数规模，减小过拟合风险。 （3）神经网络超参数选择算法研究 分析了常用智能优化算法的优缺点，针对超参数优化问题只具有整数解的特点，提出基于改进差分进化算法的超参数优化算法，进而改善算法的收敛性和优化性，实现对网络模型超参数进行优化。 （4）滚动轴承故障诊断及预测实验研究 设计并搭建滚动轴承故障诊断及预测系统，对所提出模型以已知标注的滚动轴承振动数据为输入进行滚动轴承故障诊断的预测实验，验证所提模型是否达到要求。