基于声发射和神经网络的刀具磨损状态识别研究
| 第1章 绪论 | 第1-12页 |
| ·本课题研究的目的和意义 | 第7-8页 |
| ·声发射检测技术国内外的发展现状 | 第8-9页 |
| ·本论文的主要工作 | 第9-11页 |
| ·声发射信号的分析和处理 | 第9页 |
| ·基于神经网络的刀具磨损状态识别 | 第9-10页 |
| ·基于LabVIEW的刀具磨损状态识别平台 | 第10-11页 |
| ·本章小结 | 第11-12页 |
| 第2章 声发射信号的检测方法 | 第12-18页 |
| ·声发射信号的特点 | 第12-13页 |
| ·检测系统的硬件构成 | 第13-15页 |
| ·实验方案 | 第15-17页 |
| ·本章小结 | 第17-18页 |
| 第3章 声发射信号的处理方法 | 第18-40页 |
| ·声发射信号处理方法小结 | 第18-22页 |
| ·参数分析 | 第18-19页 |
| ·频谱分析 | 第19-20页 |
| ·小波分析 | 第20-22页 |
| ·声发射信号小波分析的小波基选取方法研究 | 第22-25页 |
| ·常用小波基的性质 | 第22-23页 |
| ·小波基的选取方法 | 第23-24页 |
| ·声发射信号分析的小波基选取 | 第24-25页 |
| ·声发射信号小波分析Mallat算法 | 第25-31页 |
| ·Mallat算法的小波分解和重构 | 第25-27页 |
| ·Mallat算法的小波包分析 | 第27-29页 |
| ·多分辨分析小波分解频率范围的确定 | 第29-31页 |
| ·小波包分解的能量特征分析方法 | 第31-39页 |
| ·小波包分解的能量 | 第31-32页 |
| ·信号能量特征的提取 | 第32-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 基于BP神经网络的刀具磨损状态识别 | 第40-54页 |
| ·BP神经网络及其模式识别原理 | 第40-42页 |
| ·声发射信号模式识别的BP网络结构设计 | 第42-43页 |
| ·隐层数的确定 | 第42页 |
| ·隐层节点数的确定 | 第42页 |
| ·输入层与输出层节点数的确定 | 第42-43页 |
| ·传递函数的选择 | 第43页 |
| ·小波分析与BP网络的结合应用 | 第43-53页 |
| ·构造训练样本 | 第44-48页 |
| ·训练网络 | 第48-51页 |
| ·验证网络 | 第51-53页 |
| ·本章小结 | 第53-54页 |
| 第5章 基于LabVIEW的声发射模式识别平台 | 第54-63页 |
| ·LabVIEW开发环境 | 第54页 |
| ·LabVIEW与Matlab | 第54-55页 |
| ·平台总体设计的内容 | 第55-62页 |
| ·小波分析模块 | 第56-58页 |
| ·神经网络识别模块 | 第58-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-65页 |
| 致谢 | 第65-66页 |
| 参考文献 | 第66-70页 |
| 攻读硕士研究生期间发表的论文 | 第70页 |
