| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-16页 |
| 1.1 概述 | 第8页 |
| 1.2 课题的研究背景和意义 | 第8-9页 |
| 1.3 国内外研究现状 | 第9-13页 |
| 1.3.1 声发射检测技术在铁路系统中应用的研究现状 | 第9-10页 |
| 1.3.2 小波变换应用的研究现状 | 第10-11页 |
| 1.3.3 连续小波变换在声发射信号中应用的研究现状 | 第11-12页 |
| 1.3.4 小波能量和Shannon熵在声发射信号中应用的研究现状 | 第12-13页 |
| 1.3.5 多层感知器神经网络应用的研究现状 | 第13页 |
| 1.4 课题来源及本文所研究的内容 | 第13-16页 |
| 1.4.1 课题来源 | 第14页 |
| 1.4.2 本文所研究的内容 | 第14-16页 |
| 第二章 理论基础 | 第16-27页 |
| 2.1 连续小波变换的相关理论 | 第16-17页 |
| 2.2 基于连续小波变换的小波系数相关理论 | 第17-18页 |
| 2.3 Morlet小波的相关理论 | 第18-19页 |
| 2.4 时域特征参数的相关理论 | 第19-21页 |
| 2.5 Shannon熵和小波能量的相关理论 | 第21-22页 |
| 2.6 多层感知器神经网络的相关理论 | 第22-23页 |
| 2.7 三种输入方案特征集的相关理论 | 第23-25页 |
| 本章小结 | 第25-27页 |
| 第三章 声发射疲劳实验及实验结果与讨论 | 第27-46页 |
| 3.1 引言 | 第27页 |
| 3.2 声发射疲劳实验 | 第27-28页 |
| 3.3 小波系数的获取 | 第28-32页 |
| 3.4 第一组车轴疲劳裂纹声发射信号的分段处理 | 第32页 |
| 3.5 基于时域特征参数为指标的声发射信号特征提取 | 第32-37页 |
| 3.6 最优尺度的提出与确定 | 第37-39页 |
| 3.7 基于小波能量和Shannon熵的声发射信号特征提取 | 第39-42页 |
| 3.8 基于小波能量和Shannon熵的车轴疲劳裂纹扩展规律分析 | 第42-45页 |
| 本章小结 | 第45-46页 |
| 第四章 分类识别 | 第46-63页 |
| 4.1 引言 | 第46页 |
| 4.2 三种输入方案特征集的构造 | 第46-51页 |
| 4.3 多层感知器神经网络的参数设置 | 第51-52页 |
| 4.4 多层感知器神经网络的识别结果分析 | 第52-54页 |
| 4.5 验证分析 | 第54-61页 |
| 4.5.1 第二组车轴疲劳裂纹声发射信号的分段处理 | 第54-55页 |
| 4.5.2 基于小波能量和Shannon熵的车轴疲劳裂纹扩展规律验证分析 | 第55-58页 |
| 4.5.3 车轴疲劳裂纹识别验证分析 | 第58-61页 |
| 本章小结 | 第61-63页 |
| 结论和展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |
