| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 时域分析法 | 第12-13页 |
| 1.2.2 频域分析法 | 第13-14页 |
| 1.3 论文主要内容 | 第14-15页 |
| 1.4 论文结构安排 | 第15-16页 |
| 第2章 巴克豪森信号频域检测方法的原理与基础 | 第16-26页 |
| 2.1 AR谱分析 | 第16-18页 |
| 2.2 基于巴克豪森频域特征的基本方法 | 第18-23页 |
| 2.2.1 AR谱与金属硬度的定性关系 | 第18-21页 |
| 2.2.2 利用“特殊峰”自动地定量检测硬度 | 第21-23页 |
| 2.3 基本方法的缺点分析 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于巴克豪森功率谱导数的频域新特征 | 第26-36页 |
| 3.1 信号预处理与频域新特征 | 第26-32页 |
| 3.1.1 频域信号的预处理 | 第26-28页 |
| 3.1.2 新特征的具体含义 | 第28-29页 |
| 3.1.3 新特征的优越性 | 第29-32页 |
| 3.2 频域新特征与传统特征的比较 | 第32-35页 |
| 3.2.1 实验材料与参数设置 | 第32页 |
| 3.2.2 实验的评估方法 | 第32-33页 |
| 3.2.3 实验的评估结果 | 第33-35页 |
| 3.3 本章小结 | 第35-36页 |
| 第4章 基于信号相似度的硬度检测方法 | 第36-58页 |
| 4.1 检测方法目的与结构 | 第36-37页 |
| 4.2 基于词袋(BOW)算法的维度统一模块 | 第37-46页 |
| 4.2.1 词袋算法基本原理 | 第38-40页 |
| 4.2.2 词袋算法在信号处理上的应用 | 第40-43页 |
| 4.2.3 词袋算法在硬度检测上的应用 | 第43页 |
| 4.2.4 构建词汇的方法 | 第43-46页 |
| 4.3 基于主成分分析(PCA)的特征降维模块 | 第46-47页 |
| 4.4 基于集成学习化的反向传播(BP)神经网络学习模块 | 第47-55页 |
| 4.4.1 BP神经网络 | 第48-53页 |
| 4.4.2 集成学习 | 第53-55页 |
| 4.5 检测方法的效果评估 | 第55-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第5章 基于新特征与硬度关系的硬度检测方法 | 第58-74页 |
| 5.1 检测方法的目的与结构 | 第58-59页 |
| 5.2 基于观测点的特征抽取模块 | 第59-64页 |
| 5.2.1 列采样 | 第59-61页 |
| 5.2.2 基于观测点的特征抽取算法 | 第61-64页 |
| 5.3 基于CART算法的关系学习模块 | 第64-68页 |
| 5.3.1 CART算法的生成 | 第65-67页 |
| 5.3.2 CART算法的剪枝 | 第67-68页 |
| 5.3.3 CART算法的优点 | 第68页 |
| 5.4 基于改进随机森林的学习效果增强模块 | 第68-70页 |
| 5.5 检测方法的效果评估 | 第70-72页 |
| 5.5.1 实验数据与参数设计 | 第70-71页 |
| 5.5.2 实验结果与讨论 | 第71-72页 |
| 5.6 本章小结 | 第72-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-80页 |
| 攻读硕士学位期间所发表的学术论文 | 第80-82页 |
| 致谢 | 第82页 |