| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 绪论 | 第12-20页 |
| 1.1 课题研究背景及意义 | 第12-13页 |
| 1.2 排水管道检测国内外研究现状 | 第13-17页 |
| 1.2.1 国外排水管道检测研究现状 | 第13-15页 |
| 1.2.2 国内排水管道检测研究现状 | 第15-17页 |
| 1.3 论文主要研究内容及章节安排 | 第17-20页 |
| 1.3.1 论文研究内容 | 第17-18页 |
| 1.3.2 论文章节安排 | 第18-20页 |
| 第二章 声波检测原理及排水管道声波检测实验平台 | 第20-32页 |
| 2.1 声波的基本性质 | 第20-25页 |
| 2.1.1 声压的基本概念 | 第20-21页 |
| 2.1.2 声功率与声强 | 第21-22页 |
| 2.1.3 声阻抗与媒质特性阻抗 | 第22-23页 |
| 2.1.4 声波垂直入射时的反射和透射 | 第23-24页 |
| 2.1.5 声波的衰减 | 第24-25页 |
| 2.2 声波在排水管道中的传播 | 第25-29页 |
| 2.2.1 有限长管道内的声场 | 第25-27页 |
| 2.2.2 排水管道中存在阻塞 | 第27-28页 |
| 2.2.3 排水管道中存在三通件 | 第28-29页 |
| 2.3 排水管道声波检测实验平台 | 第29-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于小波包和BP神经网络的排水管道故障识别方法 | 第32-50页 |
| 3.1 小波分析基本原理 | 第32-34页 |
| 3.1.1 小波的定义 | 第33页 |
| 3.1.2 连续小波变换 | 第33页 |
| 3.1.3 离散小波变换 | 第33-34页 |
| 3.2 小波包分析基本原理 | 第34-36页 |
| 3.2.1 小波包定义 | 第35页 |
| 3.2.2 小波包子空间分解 | 第35-36页 |
| 3.3 样本熵 | 第36-37页 |
| 3.4 特征降维 | 第37-39页 |
| 3.4.1 局部线性嵌入算法 | 第38页 |
| 3.4.2 主成分分析法 | 第38-39页 |
| 3.5 BP神经网络 | 第39-42页 |
| 3.5.1 人工神经元原理 | 第39-40页 |
| 3.5.2 BP神经网络原理 | 第40-42页 |
| 3.6 基于小波包和BP神经网络的排水管道故障识别方法流程 | 第42-43页 |
| 3.7 实验分析 | 第43-47页 |
| 3.7.1 小波包分解及样本熵特征提取结果 | 第43-45页 |
| 3.7.2 LLE和PCA特征降维结果 | 第45-47页 |
| 3.7.3 BP神经网络训练及识别结果 | 第47页 |
| 3.8 本章小结 | 第47-50页 |
| 第四章 基于MEMD和SVM的排水管道故障识别方法 | 第50-64页 |
| 4.1 多元经验模态分解原理 | 第50-52页 |
| 4.1.1 经验模态分解 | 第51-52页 |
| 4.1.2 多元经验模态分解 | 第52页 |
| 4.2 分量选取方法 | 第52-53页 |
| 4.3 近似熵理论 | 第53-54页 |
| 4.4 支持向量机 | 第54-57页 |
| 4.4.1 支持向量机基本方法 | 第55-57页 |
| 4.4.2 多分类支持向量机 | 第57页 |
| 4.5 基于MEMD和SVM的排水管道故障识别方法流程 | 第57-58页 |
| 4.6 实验分析 | 第58-62页 |
| 4.6.1 MEMD分解及特征提取结果 | 第58-60页 |
| 4.6.2 SVM训练及识别结果 | 第60-62页 |
| 4.7 本章小结 | 第62-64页 |
| 第五章 结论与展望 | 第64-66页 |
| 5.1 结论 | 第64-65页 |
| 5.2 展望 | 第65-66页 |
| 致谢 | 第66-68页 |
| 参考文献 | 第68-72页 |
| 附录A（攻读学位其间发表论文目录） | 第72-74页 |
| 附录B（攻读学位其间授权的实用新型专利） | 第74-76页 |
| 附录C（攻读学位其间授权的软件著作权） | 第76页 |
