基于小波形态与神经网络的电磁声发射无损检测研究
| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-16页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 声发射检测技术研究 | 第10-12页 |
| 1.2.1 声发射信号识别和处理方法研究 | 第10-11页 |
| 1.2.2 声发射信号的模式识别 | 第11-12页 |
| 1.3 电磁声发射技术研究现状 | 第12-14页 |
| 1.4 本文主要的研究工作 | 第14-16页 |
| 第二章 实验原理及其有限元分析研究 | 第16-25页 |
| 2.1 电磁声发射基本原理 | 第16-18页 |
| 2.2 基于有限元法的分析 | 第18-19页 |
| 2.3 模型建立 | 第19-20页 |
| 2.3.1 物理模型 | 第19-20页 |
| 2.3.2 电磁激励的加载方法 | 第20页 |
| 2.4 不同试件的 ANSYS 仿真对比 | 第20-24页 |
| 2.4.1 不同试件电流分布对比 | 第21-22页 |
| 2.4.2 不同试件磁通密度对比 | 第22-23页 |
| 2.4.3 不同试件电磁力矢量图对比 | 第23页 |
| 2.4.4 裂纹形变图对比 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 电磁声发射信号分析和处理 | 第25-50页 |
| 3.1 电磁声发射信号分析研究 | 第25-29页 |
| 3.1.1 小波变换和多分辨率分析理论 | 第25-27页 |
| 3.1.2 小波包原理 | 第27-28页 |
| 3.1.3 电磁声发射信号的特点分析 | 第28-29页 |
| 3.2 电磁声发射信号的快速傅里叶变换 | 第29-30页 |
| 3.2.1 快速傅里叶变换 | 第29-30页 |
| 3.2.2 对电磁声发射信号进行频谱分析 | 第30页 |
| 3.3 基于小波包的电磁声发射信号分析方法 | 第30-35页 |
| 3.3.1 小波基选取 | 第30-33页 |
| 3.3.2 选取小波基仿真对比 | 第33-35页 |
| 3.4 电磁声发射信号小波包分析 | 第35-41页 |
| 3.4.1 电磁声发射信号的小波包变换结果 | 第37-38页 |
| 3.4.2 电磁声发射信号的特征频带提取 | 第38-41页 |
| 3.5 基于小波分析和数学形态学的融合去噪方法 | 第41-49页 |
| 3.5.1 电磁声发射检测中的主要噪声源 | 第41-42页 |
| 3.5.2 形态学滤波器 | 第42-43页 |
| 3.5.3 基于小波分析与数学形态学融合降噪 | 第43-44页 |
| 3.5.4 仿真结果与分析 | 第44-49页 |
| 3.6 本章小结 | 第49-50页 |
| 第四章 电磁声发射信号的分类识别 | 第50-61页 |
| 4.1 改进的小波神经网络 | 第50-59页 |
| 4.1.1 小波神经网络概述 | 第50-51页 |
| 4.1.2 小波神经网络的结构及学习算法 | 第51-53页 |
| 4.1.3 改进的小波神经网络基本结构 | 第53-55页 |
| 4.1.4 基于改进小波神经网络的识别结果 | 第55-59页 |
| 4.2 优化改进后的小波神经网络 | 第59-60页 |
| 4.2.1 神经网络输入变量的优化原理 | 第59页 |
| 4.2.2 优化结果对比 | 第59-60页 |
| 4.3 本章小结 | 第60-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 发表文章目录 | 第66-67页 |
| 致谢 | 第67-68页 |
| 中文详细摘要 | 第68-78页 |
