木材铣削加工声发射信号的特征提取与模式识别的研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 1 绪论 | 第8-11页 |
| ·课题背景 | 第8页 |
| ·相关领域的国内外发展现状 | 第8-10页 |
| ·声发射技术的发展状况 | 第8-9页 |
| ·小波分析应用于声发射信号分析的发展状况 | 第9页 |
| ·神经网络应用于声发射信号分析的发展状况 | 第9-10页 |
| ·论文研究目的和主要内容 | 第10页 |
| ·本章小结 | 第10-11页 |
| 2 声发射技术 | 第11-16页 |
| ·声发射技术的原理和特点 | 第11-13页 |
| ·声发射技术的基本原理 | 第11-12页 |
| ·声发射信号特点 | 第12-13页 |
| ·声发射的基本特征参数 | 第13-14页 |
| ·声发射技术在木材工业中的应用 | 第14-15页 |
| ·本章小结 | 第15-16页 |
| 3 基于声发射铣削监测系统总体结构设计 | 第16-22页 |
| ·铣削监控系统的总体结构 | 第16-17页 |
| ·声发射信号采集系统的硬件组成 | 第17-20页 |
| ·AE传感器 | 第17-18页 |
| ·前置放大器 | 第18-19页 |
| ·声发射采集卡 | 第19-20页 |
| ·刀具磨损状态分类 | 第20-21页 |
| ·本章小结 | 第21-22页 |
| 4 基于小波分析的刀具磨损特征信号的研究与应用 | 第22-41页 |
| ·常用的信号处理技术 | 第22-23页 |
| ·小波分析基础 | 第23-28页 |
| ·连续小波分析 | 第23-26页 |
| ·离散小波分析 | 第26-27页 |
| ·多分辨率分析 | 第27-28页 |
| ·小波包分析基础 | 第28-32页 |
| ·小波包分解原理 | 第29-30页 |
| ·小波基的选取问题 | 第30-31页 |
| ·小波分析仿真实验与分析 | 第31-32页 |
| ·小波包的消噪处理 | 第32-34页 |
| ·小波包消噪原理 | 第32页 |
| ·小波包阈值消噪算法 | 第32-33页 |
| ·小波包消噪阈值的选取及Matlab的模拟仿真 | 第33-34页 |
| ·小波包分析在木材加工过程中的应用 | 第34-40页 |
| ·刀具磨损AE信号小波基的选取 | 第34页 |
| ·AE信号的小波包分解 | 第34-36页 |
| ·AE信号的特征提取 | 第36-39页 |
| ·Matlab中实现信号能量特征提取 | 第39-40页 |
| ·本章小结 | 第40-41页 |
| 5 基于人工神经网络模式识别的研究与应用 | 第41-57页 |
| ·人工神经网络基本原理 | 第41-45页 |
| ·神经元的基本模型 | 第41-43页 |
| ·神经网络的拓扑结构和分类 | 第43-45页 |
| ·BP神经网络模型 | 第45-50页 |
| ·BP神经网络的基本原理 | 第46页 |
| ·BP神经网络算法 | 第46-48页 |
| ·BP算法的缺陷与改进 | 第48-49页 |
| ·BP网络设计的一般原则 | 第49-50页 |
| ·BP神经网络在木材加工过程中的应用 | 第50-56页 |
| ·本文中应用的BP神经网络的建立 | 第51-52页 |
| ·识别网络的训练仿真 | 第52-56页 |
| ·神经网络的测试仿真 | 第56页 |
| ·本章小结 | 第56-57页 |
| 结论 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 攻读学位期间发表的学术论文 | 第61-62页 |
| 致谢 | 第62-63页 |
