首页--工业技术论文--无线电电子学、电信技术论文--通信论文--电声技术和语音信号处理论文--语音信号处理论文

金属板裂纹的电磁声发射信号检测与处理技术研究

摘要第1-5页
Abstract第5-8页
第一章 绪论第8-17页
 §1-1 金属板裂纹无损检测技术概述第8-11页
 §1-2 声发射检测技术的发展及国内外研究现状第11-14页
  1-2-1 声发射检测技术的研究历程第11页
  1-2-2 声发射检测技术的研究热点第11-14页
 §1-3 本文研究的主要内容及意义第14-17页
  1-3-1 本课题的研究意义第14-15页
  1-3-2 本文的主要研究内容第15-17页
第二章 电磁声发射原理与实验研究第17-38页
 §2-1 电磁声发射的原理分析第17-20页
  2-1-1 电磁原理分析第17-18页
  2-1-2 力学原理分析第18-20页
 §2-2 脉冲大电流发生器的设计与实验第20-23页
  2-2-1 储能方式的选择第20-21页
  2-2-2 整体方案第21页
  2-2-3 放电过程分析第21-22页
  2-2-4 电容放电实验结果第22-23页
 §2-3 电磁声发射的实验研究第23-27页
  2-3-1 试件制备第23页
  2-3-2 信号采集系统及参数设置第23-25页
  2-3-3 实验过程及结果第25-27页
 §2-4 检测条件对电磁声发射信号采集的影响第27-31页
  2-4-1 衰减对信号采集的影响第27-28页
  2-4-2 检测门槛对信号采集的影响第28-29页
  2-4-3 系统采样率对信号采集的影响第29-31页
 §2-5 电磁加载对电磁声发射信号的影响第31-35页
  2-5-1 脉冲电流幅值对信号的影响第31-32页
  2-5-2 脉冲电流持续时间对信号的影响第32页
  2-5-3 电极加载位置对信号的影响第32-34页
  2-5-4 电磁加载历史对信号的影响第34-35页
 §2-6 不同试件的声信号对比第35-37页
 §2-7 本章小结第37-38页
第三章 电磁声发射信号的特点及时频分析第38-56页
 §3-1 电磁声发射信号的特点分析第38-39页
 §3-2 电磁声发射波的传播特性及噪声源分析第39-43页
  3-2-1 电磁声发射波的传播模式第39-40页
  3-2-2 电磁声发射的噪声源分析第40-43页
 §3-3 基于FFT 的电磁声发射信号频谱分析第43-44页
  3-3-1 FFT 的分析原理第43页
  3-3-2 电磁声发射信号的频谱分析第43-44页
 §3-4 电磁声发射信号的联合时频分析第44-50页
  3-4-1 短时傅里叶变换第44-45页
  3-4-2 双线性时频能量分布第45-46页
  3-4-3 其它时频分布方法第46-47页
  3-4-4 时频分析结果的对比第47-50页
 §3-5 时频分布的重排技术第50-55页
  3-5-1 时频分布的重排原理第51-53页
  3-5-2 电磁声发射信号的时频重排对比第53-55页
 §3-6 本章小结第55-56页
第四章 电磁声发射信号的小波包分析及降噪第56-81页
 §4-1 电磁声发射信号的小波分析方法第56-59页
  4-1-1 小波变换原理第56-57页
  4-1-2 小波包变换原理第57-59页
 §4-2 电磁声发射信号的小波包变换第59-68页
  4-2-1 电磁声发射信号分析的小波基选取第59-64页
  4-2-2 小波包的构造及频带排序第64-65页
  4-2-3 电磁声发射信号的小波包变换结果第65-68页
 §4-3 电磁声发射信号的初步预处理第68-70页
 §4-4 基于小波包变换的电磁声发射信号特征分析第70-76页
  4-4-1 电磁声发射信号的特征频带提取第70-75页
  4-4-2 铝板的电磁声发射信号能量特征判据第75-76页
 §4-5 基于小波包变换的组合降噪技术第76-79页
  4-5-1 小波包分解与重构去噪第77页
  4-5-2 改进的小波包阈值降噪第77-79页
 §4-6 本章小结第79-81页
第五章 电磁声发射信号的分类识别第81-95页
 §5-1 基于BP 神经网络的电磁声发射信号分类识别第81-87页
  5-1-1 BP 神经网络的模型与结构第81-82页
  5-1-2 BP 网络的学习规则第82-83页
  5-1-3 BP 网络的结构设计与识别第83-87页
 §5-2 基于小波神经网络的电磁声发射信号分类识别第87-92页
  5-2-1 小波神经网络概述第87页
  5-2-2 小波神经网络的结构及学习算法第87-89页
  5-2-3 小波神经网络的结构设计及识别第89-91页
  5-2-4 小波网络与BP 网络的对比第91-92页
 §5-3 神经网络输入节点数的自适应优化第92-94页
  5-3-1 神经网络输入变量的优化原理第92-93页
  5-3-2 优化结果对比第93-94页
 §5-4 本章小结第94-95页
第六章 结论第95-97页
 §6-1 全文工作总结第95-96页
 §6-2 工作展望第96-97页
参考文献第97-103页
致谢第103-104页
攻读博士学位期间所取得的相关科研成果第104页

论文共104页,点击 下载论文
上一篇:预处理与离子注入GaN外延材料的性能研究
下一篇:基于计算智能的UWB系统发射与检测技术研究