基于小波神经网络木质材料无损检测方法研究
| 摘要 | 第1-4页 |
| ABSTRACT | 第4-7页 |
| 1 引言 | 第7-14页 |
| ·声发射检测技术的研究进展 | 第7-11页 |
| ·声发射技术的发展过程以及在其他学科中的应用 | 第7-8页 |
| ·声发射技术在木质材料中的应用研究现状 | 第8-10页 |
| ·声发射检测技术的特点 | 第10-11页 |
| ·信号处理技术发展概况 | 第11-12页 |
| ·声发射信号分析处理技术的目的 | 第11页 |
| ·声发射信号处理技术简介 | 第11页 |
| ·小波分析声发射信号处理研究情况 | 第11-12页 |
| ·神经网络声发射信号处理研究情况 | 第12页 |
| ·本课题研究的目的与意义 | 第12-13页 |
| ·本论文的安排和主要内容 | 第13-14页 |
| 2 声发射信号的检测方法 | 第14-23页 |
| ·声发射信号的特点 | 第14页 |
| ·检测系统的硬件构成 | 第14-19页 |
| ·木质材料声发射检测实验方案 | 第19-22页 |
| ·本章小结 | 第22-23页 |
| 3 声发射信号的小波包分析 | 第23-33页 |
| ·小波分析 | 第23-24页 |
| ·小波分析概述 | 第23页 |
| ·小波分析Mallat算法 | 第23-24页 |
| ·小波包分析 | 第24-25页 |
| ·小波包定义 | 第25页 |
| ·小波包分解的Mallet算法 | 第25页 |
| ·利用小波包进行信号消噪处理 | 第25-28页 |
| ·小波包消噪原理 | 第26页 |
| ·小波包阈值消噪算法 | 第26-27页 |
| ·小波包消噪中阈值的选取 | 第27页 |
| ·Matlab中实现小波包消噪 | 第27-28页 |
| ·利用小波包进行木质材料缺陷的特征提取 | 第28-32页 |
| ·特征提取过程 | 第28-31页 |
| ·Matlab中实现信号能量特征提取 | 第31-32页 |
| ·本章小结 | 第32-33页 |
| 4 神经网络 | 第33-43页 |
| ·BP神经网络 | 第33-36页 |
| ·BP神经网络概述 | 第33页 |
| ·BP神经网络的结构 | 第33-34页 |
| ·BP神经网络的算法过程 | 第34-35页 |
| ·BP网络的算法框图 | 第35-36页 |
| ·BP网络的设计考虑 | 第36-38页 |
| ·设计的理论依据 | 第36-37页 |
| ·隐层数的确定 | 第37页 |
| ·隐层节点数的确定 | 第37页 |
| ·输入层与输出层节点数的确定 | 第37页 |
| ·传递函数的选择 | 第37-38页 |
| ·几个网络参数值的选择 | 第38页 |
| ·小波分析与 BP网络的结合应用 | 第38-42页 |
| ·构造训练样本 | 第38-39页 |
| ·训练网络 | 第39-41页 |
| ·网络训练结果 | 第41页 |
| ·验证网络 | 第41-42页 |
| ·本章小结 | 第42-43页 |
| 5基于 LabVIEW的声发射模式识别平台 | 第43-51页 |
| ·LabVIEW开发环境 | 第43页 |
| ·Matlab | 第43页 |
| ·LabVIEW与Matlab | 第43-44页 |
| ·声发射检测系统程序流程图 | 第44页 |
| ·小波神经网络声发射检测系统软件界面 | 第44-50页 |
| ·小波包分析模块 | 第45-48页 |
| ·神经网络识别模块 | 第48-50页 |
| ·本章小结 | 第50-51页 |
| 6 结论 | 第51-53页 |
| 参考文献 | 第53-56页 |
| 个人简介 | 第56-57页 |
| 导师简介 | 第57-58页 |
| 获得成果目录清单 | 第58-59页 |
| 致谢 | 第59页 |
