| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-21页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 排水管道检测技术简述 | 第12-14页 |
| 1.3 基于声学检测的管道故障诊断研究现状 | 第14-18页 |
| 1.3.1 声学检测方法的国内外研究现状 | 第14-16页 |
| 1.3.2 信息融合技术在管道故障诊断上的应用 | 第16-18页 |
| 1.4 主要研究内容和章节安排 | 第18-21页 |
| 第二章 排水管道声信号时频特性分析 | 第21-31页 |
| 2.1 声学主动检测原理 | 第21-26页 |
| 2.1.1 声波波形检测 | 第21-24页 |
| 2.1.2 声波在管道中的传播规律 | 第24-25页 |
| 2.1.3 声波传播衰减特性分析 | 第25-26页 |
| 2.2 实验平台搭建 | 第26-28页 |
| 2.3 排水管道声信号时频分析 | 第28-30页 |
| 2.4 本章小结 | 第30-31页 |
| 第三章 基于LMD特征融合与SVM的排水管道堵塞识别方法 | 第31-45页 |
| 3.1 局部均值分解 | 第31-33页 |
| 3.2 基于多特征融合的特征提取方法 | 第33-35页 |
| 3.2.1 信息熵概述 | 第33-34页 |
| 3.2.2 平均声压的特征提取 | 第34-35页 |
| 3.3 故障辨识 | 第35-36页 |
| 3.3.1 支持向量机原理 | 第35-36页 |
| 3.3.2 基于交叉验证的SVM参数优化 | 第36页 |
| 3.4 基于LMD特征融合与SVM的排水管道堵塞识别流程 | 第36-37页 |
| 3.5 实验结果分析 | 第37-43页 |
| 3.6 本章小结 | 第43-45页 |
| 第四章 基于小波包多特征融合和SVM的排水管道故障辨识方法 | 第45-57页 |
| 4.1 小波包分解 | 第45-47页 |
| 4.2 小波包信息熵特征提取 | 第47页 |
| 4.3 小波包分形特征提取 | 第47-48页 |
| 4.4 基于粒子群优化的SVM参数选择 | 第48-49页 |
| 4.5 基于小波包多特征融合的排水管道故障检测方法 | 第49-50页 |
| 4.6 排水管道故障诊断实验测试分析 | 第50-55页 |
| 4.6.1 数据描述 | 第50-51页 |
| 4.6.2 特征提取 | 第51-55页 |
| 4.6.3 分类识别 | 第55页 |
| 4.7 本章小结 | 第55-57页 |
| 第五章 基于距离可分性判据的多特征融合排水管道故障辨识方法 | 第57-65页 |
| 5.1 信号分帧 | 第57-58页 |
| 5.2 信号特征提取 | 第58-59页 |
| 5.2.1 特征提取指标 | 第58-59页 |
| 5.2.2 方案性能分析 | 第59页 |
| 5.3 特征选择 | 第59-63页 |
| 5.3.1 距离可分性判据 | 第59-60页 |
| 5.3.2 区分度指标计算 | 第60页 |
| 5.3.3 特征指标权重计算 | 第60页 |
| 5.3.4 特征选择结果 | 第60-63页 |
| 5.4 故障辨识 | 第63-64页 |
| 5.5.1 随机森林 | 第63页 |
| 5.5.2 辨识结果 | 第63-64页 |
| 5.5 本章小结 | 第64-65页 |
| 第六章 总结与展望 | 第65-67页 |
| 6.1 总结 | 第65-66页 |
| 6.2 展望 | 第66-67页 |
| 致谢 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 附录A 攻读硕士期间取得成果 | 第73-75页 |
| 附录B 攻读硕士期间参与的科研项目 | 第75页 |
