| 摘要 | 第6-7页 |
| abstract | 第7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题背景及意义 | 第10页 |
| 1.2 桥梁声发射检测技术国内外发展现状 | 第10-12页 |
| 1.3 小波分析方法的起源、研究发展及应用现状 | 第12-15页 |
| 1.3.1 小波分析方法的提出 | 第13-14页 |
| 1.3.2 小波分析方法的研究发展 | 第14-15页 |
| 1.4 本文的主要研究内容 | 第15-18页 |
| 第2章 声发射信号检测平台 | 第18-27页 |
| 2.1 声发射信号检测平台 | 第18-25页 |
| 2.1.1 声发射信号检测平台概述 | 第18-19页 |
| 2.1.2 传感器的选择 | 第19-20页 |
| 2.1.3 前置放大器的选择 | 第20-21页 |
| 2.1.4 信号的A/D转换及存储 | 第21-23页 |
| 2.1.5 声发射信号采集显示及控制软件 | 第23-25页 |
| 2.2 本章小结 | 第25-27页 |
| 第3章 声发射信号小波阈值去噪方法研究 | 第27-39页 |
| 3.1 声发射信号的特征及其消噪问题 | 第27-30页 |
| 3.1.1 声发射信号的特征 | 第27-29页 |
| 3.1.2 声发射噪声的排除 | 第29-30页 |
| 3.2 小波分析基础理论 | 第30-32页 |
| 3.2.1 连续小波变换 | 第31-32页 |
| 3.2.2 连续小波离散变换 | 第32页 |
| 3.3 小波分析阈值去噪处理方法 | 第32-38页 |
| 3.3.1 小波分析阈值去噪处理方法 | 第33-35页 |
| 3.3.2 基于Matlab小波阈值去噪仿真 | 第35-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第4章 基于小波消噪及神经网络分类器的桥梁故障类型识别 | 第39-61页 |
| 4.1 典型故障类型及其声发射信号特征 | 第39-41页 |
| 4.1.1 塑性形变 | 第39-40页 |
| 4.1.2 裂纹的形成及扩展 | 第40页 |
| 4.1.3 纤维增强复合材料的声发射源 | 第40-41页 |
| 4.2 桥梁故障声发射信号的检测识别软系统 | 第41-55页 |
| 4.2.1 系统总体结构 | 第41-42页 |
| 4.2.2 声发射信号特征提取 | 第42-46页 |
| 4.2.3 基于神经网络的故障类型识别 | 第46-55页 |
| 4.3 故障类型识别实验结果及分析 | 第55-59页 |
| 4.4 本章小结 | 第59-61页 |
| 结论 | 第61-63页 |
| 参考文献 | 第63-66页 |
| 攻读硕士学位期间发表的论文和获得的科研成果 | 第66-67页 |
| 致谢 | 第67-68页 |