振动筛损伤的声发射信号处理方法研究
| 第一章 绪论 | 第1-19页 |
| ·概述 | 第11-13页 |
| ·声发射检测技术简介 | 第13-15页 |
| ·国内外声发射技术研究概述 | 第15-17页 |
| ·国内声发射技术研究状况 | 第16页 |
| ·国外声发射技术研究状况 | 第16-17页 |
| ·本论文主要内容 | 第17-19页 |
| 第二章 声发射信号检测处理方法概述 | 第19-33页 |
| ·声发射信号的基本特征 | 第19页 |
| ·影响材料声发射特性的有关因素 | 第19-20页 |
| ·声发射信号的表征参数 | 第20-22页 |
| ·声发射信号的分析方法 | 第22-33页 |
| ·特征参数法 | 第22-23页 |
| ·声发射信号的谱估计方法 | 第23-28页 |
| ·模式识别方法 | 第28-29页 |
| ·人工神经网络模式识别方法 | 第29-30页 |
| ·小波分析方法 | 第30-33页 |
| 第三章 小波分析理论及其在信号分析处理中的应用 | 第33-45页 |
| ·小波分析基本理论概述 | 第33-41页 |
| ·时间—频率局部化分析 | 第33-35页 |
| ·小波分析的定义 | 第35-36页 |
| ·多分辨率分析 | 第36-38页 |
| ·小波包分析 | 第38-40页 |
| ·针对故障诊断处理的小波分类 | 第40-41页 |
| ·利用小波包分析进行故障特征提取 | 第41-45页 |
| ·信号能量频带分析技术 | 第41页 |
| ·算法实现 | 第41-45页 |
| 第四章 人工神经网络的诊断方法 | 第45-59页 |
| ·人工神经网络概述 | 第45-48页 |
| ·神经网络的工作原理 | 第45-46页 |
| ·神经网络的学习规则 | 第46-47页 |
| ·神经网络在故障模式识别中的应用 | 第47-48页 |
| ·BP神经网络算法概述 | 第48-54页 |
| ·BP网络的拓扑结构 | 第48-49页 |
| ·BP网络常用的非线性传递函数 | 第49页 |
| ·BP网络的学习过程 | 第49-52页 |
| ·BP算法存在的问题 | 第52-53页 |
| ·BP算法的改进 | 第53-54页 |
| ·BP网络的设计考虑 | 第54-56页 |
| ·网络层数的确定 | 第55页 |
| ·输入层和输出层的设计 | 第55页 |
| ·隐含层节点数的选择 | 第55-56页 |
| ·初始权值的选取 | 第56页 |
| ·基于小波-神经网络的信号模式识别 | 第56-59页 |
| 第五章 小波-神经网络用于振动筛声发射信号处理 | 第59-78页 |
| ·声发射实验装置的基本组成 | 第59-61页 |
| ·PCI/DSP-4通道数据采集板 | 第61页 |
| ·换能器 | 第61页 |
| ·前置放大器 | 第61页 |
| ·排除噪声的方法 | 第61-62页 |
| ·声发射信号功率谱估计 | 第62-69页 |
| ·原始采集数据波形 | 第63-65页 |
| ·经典谱估计声发射信号 | 第65-66页 |
| ·AR参数模型功率谱估计 | 第66-69页 |
| ·小波神经网络声发射信号模式识别 | 第69-78页 |
| ·模式选取 | 第69页 |
| ·网络基本指标 | 第69-70页 |
| ·BP网络结构的确定 | 第70-73页 |
| ·特征信号的提取 | 第73-76页 |
| ·网络训练 | 第76页 |
| ·测试样本 | 第76-78页 |
| 结论及今后的工作方向 | 第78-80页 |
| 参考文献 | 第80-83页 |
| 致谢 | 第83-84页 |
| 攻读学位期间发表的学术论文目录 | 第84页 |
