| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第1章 绪论 | 第9-16页 |
| ·课题的背景及意义 | 第9-10页 |
| ·国内外研究现状及发展趋势分析 | 第10-13页 |
| ·多传感器信息融合在无损检测中的应用 | 第13-14页 |
| ·本文主要内容及论文安排 | 第14-16页 |
| 第2章 微声激励融合检测原理 | 第16-25页 |
| ·微声激励融合检测技术 | 第16-17页 |
| ·检测工作台的设计 | 第17-18页 |
| ·声阵列传感器分布与噪声屏蔽技术 | 第18-22页 |
| ·传感器的选择 | 第18-19页 |
| ·阵列传感器检测方法 | 第19-21页 |
| ·噪声处理技术 | 第21-22页 |
| ·多路微声信号放大与采集系统 | 第22-24页 |
| ·本章小结 | 第24-25页 |
| 第3章 单传感器信号粘接特征提取 | 第25-40页 |
| ·声激励信号的采集 | 第25-26页 |
| ·实验材料的选择 | 第25页 |
| ·声激励信号采集过程 | 第25-26页 |
| ·声激励信号的粘接特征提取 | 第26-39页 |
| ·粘接声信号的预处理 | 第27页 |
| ·粘接声信号的时域特征提取 | 第27-30页 |
| ·粘接声信号的频域特征提取 | 第30-35页 |
| ·基于小波包的粘接声信号特征提取 | 第35-39页 |
| ·本章小结 | 第39-40页 |
| 第4章 人工神经网络对粘接特征的处理 | 第40-48页 |
| ·人工神经网络简介 | 第40-41页 |
| ·基于 BP 神经网络的粘接特征量训练 | 第41-47页 |
| ·BP 神经网络算法 | 第41-44页 |
| ·BP 神经网络对粘接特征量训练 | 第44-47页 |
| ·实验数据分析 | 第47页 |
| ·本章小结 | 第47-48页 |
| 第5章 金属与非金属粘接力的多传感器数据融合预报方法 | 第48-57页 |
| ·数据融合 | 第48-52页 |
| ·数据融合层次 | 第48-50页 |
| ·数据融合主要算法 | 第50-52页 |
| ·基于数据支持度加权融合算法 | 第52-56页 |
| ·基于标准差的加权融合算法 | 第52-53页 |
| ·实验数据验证 | 第53-54页 |
| ·基于数据支持度加权融合算法 | 第54-55页 |
| ·两种算法比较 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第6章 总结及展望 | 第57-59页 |
| 参考文献 | 第59-63页 |
| 攻读硕士学位期间发表的论文和研究成果 | 第63-64页 |
| 致谢 | 第64页 |