基于电弧信号特征分析的CO2焊接质量监控方法
| 摘要 | 第1-3页 |
| Abstract | 第3-4页 |
| 目录 | 第4-6页 |
| 第一章 绪论 | 第6-16页 |
| ·问题的提出 | 第6页 |
| ·用于质量监控的电弧信号 | 第6-9页 |
| ·电弧电压及电流 | 第6-7页 |
| ·电弧声波 | 第7-8页 |
| ·电弧光 | 第8页 |
| ·焊丝干伸长 | 第8-9页 |
| ·信号分析方法概述 | 第9-13页 |
| ·时域分析方法 | 第9-10页 |
| ·频域分析方法 | 第10-11页 |
| ·时频分析方法 | 第11-12页 |
| ·统计分析方法 | 第12-13页 |
| ·模式识别及故障诊断方法 | 第13-14页 |
| ·统计识别法 | 第13页 |
| ·函数识别法 | 第13页 |
| ·逻辑识别法 | 第13页 |
| ·模糊识别法 | 第13-14页 |
| ·神经网络识别法 | 第14页 |
| ·本文的研究内容 | 第14-16页 |
| 第二章 CO_2焊电弧信号特征分析 | 第16-50页 |
| ·信号采集系统 | 第16-17页 |
| ·系统构成 | 第16页 |
| ·采样放大电路 | 第16-17页 |
| ·时域分析 | 第17-21页 |
| ·信号同步波形 | 第17-19页 |
| ·电弧声信号的相关性 | 第19-21页 |
| ·小结 | 第21页 |
| ·频域分析 | 第21-29页 |
| ·傅里叶谱 | 第21-24页 |
| ·功率密度谱 | 第24-27页 |
| ·相干函数 | 第27-28页 |
| ·小结 | 第28-29页 |
| ·时频分析 | 第29-42页 |
| ·短时傅里叶分析 | 第29-32页 |
| ·小波分析基础 | 第32-35页 |
| ·信号的小波降噪 | 第35-36页 |
| ·电弧信号的小波变换 | 第36-38页 |
| ·声波信号的频段能量 | 第38-41页 |
| ·小结 | 第41-42页 |
| ·统计分析 | 第42-47页 |
| ·评价焊接过程的常用统计参数 | 第42-43页 |
| ·时域统计 | 第43-46页 |
| ·频域统计 | 第46-47页 |
| ·小结 | 第47页 |
| ·本章小结 | 第47-50页 |
| 第三章 电弧声波产生机理及LPC模型 | 第50-58页 |
| ·电弧声波产生机理 | 第50-52页 |
| ·声学基础 | 第50-51页 |
| ·电弧声的产生动因 | 第51-52页 |
| ·电弧声的形成机理 | 第52页 |
| ·电弧声信号的LPC模型 | 第52-56页 |
| ·线性预测的基本原理 | 第52-53页 |
| ·线性预测方程的建立 | 第53-54页 |
| ·基于线性预测的电弧声信号参数模型 | 第54-56页 |
| ·LPC谱估计 | 第56页 |
| ·本章小结 | 第56-58页 |
| 第四章 特征提取及神经网络模式识别 | 第58-78页 |
| ·特征提取 | 第58-66页 |
| ·特征提取的基本过程 | 第58-59页 |
| ·基于功率谱估计的特征提取 | 第59-60页 |
| ·基于小波包分析的特征提取 | 第60-64页 |
| ·基于统计分析的特征提取 | 第64页 |
| ·基于LPC模型的特征提取 | 第64-66页 |
| ·神经网络模式识别 | 第66-77页 |
| ·人工神经网络的基本概念 | 第66-68页 |
| ·线性神经网络基本原理及其算法实现 | 第68-70页 |
| ·误差反向传播网络基本原理及其算法实现 | 第70-75页 |
| ·自组织特征映射神经网络基本原理及其算法实现 | 第75-77页 |
| ·本章小结 | 第77-78页 |
| 第五章 结论 | 第78-79页 |
| 参考文献 | 第79-83页 |
| 附录 | 第83-92页 |
| 致谢 | 第83-84页 |
| 在学期间发表的论文及科研成果 | 第84-92页 |
