基于PSO-SVM的锚杆锚固质量无损检测方法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 课题的研究背景和意义 | 第8-9页 |
| 1.2 国内外发展现状 | 第9-12页 |
| 1.2.1 锚杆锚固质量检测的发展现状 | 第9-11页 |
| 1.2.2 SVM的研究现状 | 第11-12页 |
| 1.3 本文的主要内容及技术路线 | 第12-14页 |
| 1.3.1 本文的主要内容 | 第12-13页 |
| 1.3.2 论文的技术路线 | 第13-14页 |
| 第二章 锚杆无损检测理论基础及实验设计 | 第14-24页 |
| 2.1 锚杆的一维弹性波动方程 | 第14-15页 |
| 2.2 锚杆中波的传播特性及衰减特性 | 第15-17页 |
| 2.2.1 锚杆锚固界面处的应力波传播特性分析 | 第16-17页 |
| 2.2.2 应力波衰减特性 | 第17页 |
| 2.3 锚杆锚固系统实验方案设计 | 第17-22页 |
| 2.3.1 实验设备简介 | 第18-20页 |
| 2.3.2 锚杆锚固系统模型 | 第20-21页 |
| 2.3.3 锚杆振动信号采集过程 | 第21-22页 |
| 2.4 振动信号去噪处理 | 第22-23页 |
| 2.5 小结 | 第23-24页 |
| 第三章 基于PSO-SVM的锚杆分类识别检测 | 第24-56页 |
| 3.1 锚杆振动信号特征库的建立 | 第24-26页 |
| 3.1.1 锚杆振动信号时域特征 | 第24-25页 |
| 3.1.2 锚杆振动信号频域特征 | 第25-26页 |
| 3.2 PCA特征降维 | 第26-29页 |
| 3.2.1 PCA基本原理 | 第26-27页 |
| 3.2.2 PCA实现过程 | 第27-28页 |
| 3.2.3 PCA处理结果 | 第28-29页 |
| 3.3 支持向量机基本原理 | 第29-39页 |
| 3.3.1 最优分类面 | 第30-32页 |
| 3.3.2 广义的最优分类面 | 第32-33页 |
| 3.3.3 非线性支持向量机 | 第33-35页 |
| 3.3.4 SVM多分类 | 第35-37页 |
| 3.3.5 BT-SVM分类顺序 | 第37-39页 |
| 3.4 粒子群算法基本原理 | 第39-41页 |
| 3.5 结果分析 | 第41-54页 |
| 3.5.1 PSO参数设置 | 第41-42页 |
| 3.5.2 BT-SVM训练集和预测集的构造 | 第42-45页 |
| 3.5.3 PSO优化BT-SVM参数结果分析 | 第45-54页 |
| 3.6 小结 | 第54-56页 |
| 第四章 改进PSO算法的锚杆锚固质量无损检测 | 第56-71页 |
| 4.1 PSO的改进策略 | 第56-60页 |
| 4.1.1 惯性权重改进策略 | 第56-59页 |
| 4.1.2 加速因子的改进策略 | 第59-60页 |
| 4.2 测试函数 | 第60-61页 |
| 4.3 改进PSO算法的结果分析 | 第61-70页 |
| 4.3.1 各函数测试结果分析 | 第62-69页 |
| 4.3.2 改进PSO-SVM的锚杆分类识别结果 | 第69-70页 |
| 4.4 小结 | 第70-71页 |
| 第五章 结论与展望 | 第71-73页 |
| 5.1 结论 | 第71-72页 |
| 5.2 展望 | 第72-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第78页 |
