| 第一章 绪论 | 第1-15页 |
| §1．1 引言 | 第7页 |
| §1．2 国内外声发射技术研究概述 | 第7-12页 |
| 一 声发射技术发展概况 | 第8-9页 |
| 二 国内声发射技术研究现状 | 第9-10页 |
| 三 声发射检测技术概述 | 第10-11页 |
| 四 声发射技术的特点 | 第11-12页 |
| §1．3 长江三峡永久船闸边坡稳定性声发射监测的意义 | 第12-13页 |
| §1．4 长江三峡永久船闸边坡稳定性声发射监测存在的问题 | 第13页 |
| §1．5 本文的技术路线及研究工作主要内容 | 第13-15页 |
| 第二章 声发射信号处理方法概述 | 第15-20页 |
| §2．1 声发射信号传统处理方法——特征参数法 | 第15-16页 |
| §2．2 声发射波形信号谱估计处理法 | 第16-17页 |
| §2．3 模式识别方法 | 第17-18页 |
| §2．4 人工神经网络模式识别方法 | 第18-19页 |
| §2．5 小波分析方法 | 第19-20页 |
| 第三章 基于小波神经网络的信号分析与处理 | 第20-44页 |
| §3．1 小波分析理论基础 | 第20-32页 |
| 一 概述 | 第20-21页 |
| 二 时间—频率局域化分析 | 第21-23页 |
| 三 连续小波变换 | 第23-25页 |
| 四 离散小波变换和二进小波变换 | 第25-26页 |
| 五 多分辨率分析 | 第26-29页 |
| 六 离散小波变换算法—Mallat算法 | 第29-32页 |
| §3．2 基于小波分析的信号分析与处理 | 第32-37页 |
| 一 频谱分析 | 第32页 |
| 二 Daubechies小波 | 第32-33页 |
| 三 小波基的选取 | 第33-35页 |
| 四 小波分解与尺度选择 | 第35-37页 |
| §3．3 人工神经网络模式识别概述 | 第37-43页 |
| 一 模式识别的基本概念 | 第37-38页 |
| 二 人工神经网络模式识别的基本概念和主要方法 | 第38-39页 |
| 三 神经网络的学习方式 | 第39-41页 |
| 四 BP网络 | 第41-43页 |
| §3．4 基于小波神经网络的信号处理 | 第43-44页 |
| 第四章 声发射实验及数据处理分析 | 第44-59页 |
| §4．1 实验目的 | 第44页 |
| §4．2 实验装置与测试方法 | 第44-46页 |
| 一 实验装置 | 第44-45页 |
| 二 测试方法 | 第45-46页 |
| §4．3 实验数据分析与处理 | 第46-58页 |
| 一 声发射信号频谱分析 | 第46-51页 |
| 二 小波分析用于声发射信号处理 | 第51-53页 |
| 三 小波神经网络用于声发射信号模式识别 | 第53-58页 |
| §4．4 小结 | 第58-59页 |
| 第五章 小波神经网络用于长江三峡永久船闸边坡声发射信号处理 | 第59-73页 |
| §5．1 概述 | 第59-60页 |
| §5．2 数据分析与处理 | 第60-72页 |
| 一 频谱分析 | 第60-65页 |
| 二 小波分析用于声发射信号处理 | 第65-69页 |
| 三 小波神经网络用于声发射信号模式识别 | 第69-72页 |
| §5．3 小结 | 第72-73页 |
| 第六章 结论与展望 | 第73-75页 |
| 致谢 | 第75-76页 |
| 参考文献 | 第76-78页 |
