基于BP和NNRS模型的超声缺陷信号识别研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-21页 |
| ·课题研究背景及意义 | 第11-12页 |
| ·研究现状 | 第12-19页 |
| ·缺陷识别特征提取的一般方法 | 第12-14页 |
| ·缺陷识别模型 | 第14-16页 |
| ·人工神经网络原理 | 第16-19页 |
| ·本文研究的主要内容及结构 | 第19-21页 |
| 2 信号数据来源与波形分析 | 第21-24页 |
| ·激光超声波缺陷检测实验 | 第21-22页 |
| ·反射波和透射波信号波形分析 | 第22-23页 |
| ·本章小结 | 第23-24页 |
| 3 信号特征提取与预处理 | 第24-28页 |
| ·MFCC原理 | 第24-26页 |
| ·提取特征预处理 | 第26-27页 |
| ·本章小结 | 第27-28页 |
| 4 BP神经网络模型及其改进 | 第28-36页 |
| ·BP神经网络原理 | 第28-31页 |
| ·BP网络结构 | 第28-29页 |
| ·BP网络的工作原理 | 第29-30页 |
| ·改进的BP网络 | 第30-31页 |
| ·表面波缺陷探测实验对比 | 第31-35页 |
| ·本章小结 | 第35-36页 |
| 5 NNRS神经网络模型在缺陷识别中的应用 | 第36-44页 |
| ·前馈型神经网络模型及其改进 | 第36-39页 |
| ·带跳跃的前馈型神经网络模型 | 第37-38页 |
| ·多隐含层前馈型神经网络模型 | 第38-39页 |
| ·神经网络权转换模型 | 第39-40页 |
| ·实验结果与分析 | 第40-42页 |
| ·本章小结 | 第42-44页 |
| 6 基于PCA法对模型的进一步改进 | 第44-50页 |
| ·PCA原理 | 第44-48页 |
| ·主成分定义 | 第44-45页 |
| ·主成分的几何意义 | 第45-46页 |
| ·贡献率的定义 | 第46-47页 |
| ·主成分分析法算法步骤 | 第47-48页 |
| ·实验结果 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 7.总结与展望 | 第50-52页 |
| ·本文研究主要内容和成果 | 第50-51页 |
| ·存在的问题及对以后工作的展望 | 第51-52页 |
| 参考文献 | 第52-57页 |
| 读硕士学位期间发表的论文 | 第57-58页 |
| 致谢 | 第58-60页 |
