| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-14页 |
| ·课题来源和研究的目的意义 | 第8-9页 |
| ·工业检测中利用超声回波识别缺陷的方法及其发展现状 | 第9-11页 |
| ·人工神经网络及其在超声检测中的应用 | 第11-12页 |
| ·本文的主要工作 | 第12-14页 |
| 2 试验原理、设备及超声检测信号的采集 | 第14-25页 |
| ·试验原理 | 第14-18页 |
| ·脉冲反射法的基本原理 | 第14-16页 |
| ·超声波的衰减 | 第16-17页 |
| ·药柱声传播特性和检测方法 | 第17-18页 |
| ·药柱超声检测设备及信号采集 | 第18-23页 |
| ·药柱超声检测系统 | 第18-20页 |
| ·药柱超声检测试验方法 | 第20-23页 |
| ·试验参数选择 | 第20-21页 |
| ·试件制备及规格 | 第21-22页 |
| ·药柱信号去躁处理 | 第22-23页 |
| ·本章小结 | 第23-25页 |
| 3 人工神经网络 | 第25-38页 |
| ·人工神经网络原理及模型 | 第25-28页 |
| ·人工神经网络的概念 | 第25-26页 |
| ·人工神经网络的工作原理及模型 | 第26-28页 |
| ·BP神经网络 | 第28-34页 |
| ·BP算法原理 | 第28-30页 |
| ·BP算法的数学描述 | 第30-32页 |
| ·BP网络的改进 | 第32-34页 |
| ·RBF网络 | 第34-37页 |
| ·RBF网络模型及算法 | 第34-36页 |
| ·RBF网络与BP网络 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 4 固体火箭发动机药柱缺陷信号特征分析及提取 | 第38-57页 |
| ·药柱缺陷的时域特征提取 | 第39-45页 |
| ·信号幅值特征 | 第39-40页 |
| ·能量特征 | 第40-42页 |
| ·方差特征 | 第42-43页 |
| ·多峰特征 | 第43-45页 |
| ·基于小波包能量法的药柱特征提取 | 第45-55页 |
| ·小波分析 | 第45-48页 |
| ·小波变换的特点 | 第46-47页 |
| ·小波函数的选择 | 第47-48页 |
| ·小波包分析 | 第48-51页 |
| ·小波包的定义 | 第49-50页 |
| ·小波包算法 | 第50-51页 |
| ·应用各结点小波包能量变化量作为药柱缺陷信号特征 | 第51-55页 |
| ·本章小结 | 第55-57页 |
| 5 固体火箭发动机药柱缺陷信号的神经网络识别 | 第57-68页 |
| ·基于时域特征的BP神经网络设计方案 | 第57-61页 |
| ·基于小波能量特征神经网络特征的BP神经网络设计方案 | 第61-64页 |
| ·基于时域特征和小波能量特征的RBF神经网络设计方案 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 6 结论与展望 | 第68-70页 |
| 参考文献 | 第70-73页 |
| 致谢 | 第73-74页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第74页 |
