| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-23页 |
| 1.1 管道泄漏声发射技术研究现状 | 第11-13页 |
| 1.1.1 管道泄漏课题研究背景 | 第11页 |
| 1.1.2 泄漏声发射检测技术国内外研究现状 | 第11-13页 |
| 1.2 管道泄漏声发射检测仪器与检测原理 | 第13-20页 |
| 1.2.1 声发射原理 | 第14-17页 |
| 1.2.2 声发射检测硬件系统 | 第17-19页 |
| 1.2.3 泄漏声发射信号检测处理方法 | 第19-20页 |
| 1.3 本文的研究内容、章节安排 | 第20-23页 |
| 第2章 基于AR和HMM的模拟泄漏声发射信号识别方法 | 第23-39页 |
| 2.1 基于AR和HMM的声发射信号识别方法流程 | 第23-24页 |
| 2.2 模拟泄漏声发射信号采集 | 第24-26页 |
| 2.3 自回归模型(AR) | 第26-29页 |
| 2.3.1 自回归模型(AR)原理 | 第27-28页 |
| 2.3.2 标量量化 | 第28-29页 |
| 2.4 隐马尔科夫模型(HMM)原理 | 第29-30页 |
| 2.5 模拟泄漏声发射信号特征提取及实验结果分析 | 第30-37页 |
| 2.5.1 小波去噪和信号分帧 | 第30-31页 |
| 2.5.2 AR特征提取结果 | 第31-33页 |
| 2.5.3 HMM训练及分类识别结果 | 第33-37页 |
| 2.6 本章小结 | 第37-39页 |
| 第3章 基于EMD和SVM的模拟泄漏声发射信号识别方法 | 第39-51页 |
| 3.1 基于EMD和SVM的声发射信号识别方法流程 | 第39-40页 |
| 3.2 经验模态分解(EMD)原理 | 第40-41页 |
| 3.3 支持向量机(SVM)原理 | 第41-43页 |
| 3.4 BP神经网络原理 | 第43-45页 |
| 3.5 模拟泄漏声发射信号特征提取及实验结果分析 | 第45-48页 |
| 3.5.1 模拟泄漏声发射信号特征提取结果 | 第45-47页 |
| 3.5.2 SVM训练及分类识别结果 | 第47-48页 |
| 3.6 本章小结 | 第48-51页 |
| 第4章 基于数学形态学的模拟泄漏声发射信号识别 | 第51-61页 |
| 4.1 数学形态学知识 | 第51-53页 |
| 4.1.1 数学形态学的起源与发展 | 第51-52页 |
| 4.1.2 信号处理领域所用的数学形态学知识 | 第52-53页 |
| 4.2 基于多尺度形态分解能谱熵和SVM的声发射信号识别方法 | 第53-57页 |
| 4.2.1 基于多尺度形态分解能谱熵和SVM的识别方法流程 | 第53-54页 |
| 4.2.2 多尺度形态分解原理 | 第54-56页 |
| 4.2.3 多尺度形态分解能谱熵原理 | 第56页 |
| 4.2.4 各尺度所占形态分解能谱熵比例原理 | 第56-57页 |
| 4.3 模拟泄漏声发射信号特征提取及实验结果分析 | 第57-60页 |
| 4.3.1 模拟泄漏声发射信号特征提取结果 | 第57-59页 |
| 4.3.2 SVM训练及分类识别结果 | 第59-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第5章 总结与展望 | 第61-63页 |
| 5.1 总结 | 第61-62页 |
| 5.2 展望 | 第62-63页 |
| 致谢 | 第63-65页 |
| 参考文献 | 第65-71页 |
| 附录A (攻读硕士学位期间发表论文和专利说明) | 第71页 |
