| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.2.1 压机顶锤裂纹与声发射 | 第10-11页 |
| 1.2.2 声发射国内外研究现状 | 第11-13页 |
| 1.3 本文研究内容 | 第13-15页 |
| 第二章 声发射信号处理方法 | 第15-24页 |
| 2.1 声发射检测技术及裂纹声发射信号介绍 | 第15-18页 |
| 2.2 声发射检测信号处理方法介绍 | 第18-23页 |
| 2.2.1 参数分析技术 | 第18-20页 |
| 2.2.2 波形分析技术 | 第20页 |
| 2.2.3 盲源分离技术 | 第20-21页 |
| 2.2.4 分形理论 | 第21-22页 |
| 2.2.5 小波分析 | 第22-23页 |
| 2.3 本章小结 | 第23-24页 |
| 第三章 顶锤裂纹信号预处理方法研究 | 第24-36页 |
| 3.1 引言 | 第24-25页 |
| 3.2 算法流程 | 第25-31页 |
| 3.2.1 算法基本思想 | 第25-30页 |
| 3.2.1.1 数字滤波器选取 | 第26-27页 |
| 3.2.1.2 特征信号的提取方法研究 | 第27-30页 |
| 3.2.2 算法基本步骤 | 第30-31页 |
| 3.3 实验分析与验证 | 第31-36页 |
| 第四章 基于Hurst指数的特征参数提取方法 | 第36-46页 |
| 4.1 参数分析方法的裂纹声发射信号特征提取 | 第36-38页 |
| 4.1.1 常用参数分析方法 | 第36-37页 |
| 4.1.2 参数方法试验分析 | 第37-38页 |
| 4.2 基于Hurst指数的裂纹声发射信号自相似特征提取 | 第38-43页 |
| 4.2.1 Hurst指数的原理 | 第38-41页 |
| 4.2.2 Hurst指数计算方法 | 第41-43页 |
| 4.3 实验分析 | 第43-46页 |
| 第五章 基于BP神经网络的压机顶锤裂纹分类识别 | 第46-54页 |
| 5.1 BP神经网络基本原理 | 第46-48页 |
| 5.1.1 网络模型 | 第46-47页 |
| 5.1.2 学习算法 | 第47-48页 |
| 5.2 基于BP神经网络的故障分类器设计 | 第48-53页 |
| 5.2.1 BP网络分类器的模型建立 | 第48-52页 |
| 5.2.2 BP神经网络各参数选取 | 第52-53页 |
| 5.3 实验分析 | 第53-54页 |
| 第六章 结论 | 第54-55页 |
| 6.1 全文总结 | 第54页 |
| 6.2 研究展望 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 致谢 | 第58-59页 |
| 攻读学位期间发表的学术论文 | 第59页 |