现代技术在冷冲模状态识别中的应用研究
| 摘要 | 第5-7页 |
| ABSTRACT | 第7-8页 |
| 绪论 | 第11-18页 |
| 1.1 本课题研究的科学背景 | 第11-12页 |
| 1.2 本课题研究的国内外现状 | 第12-14页 |
| 1.3 本课题研究的目的、主要内容及技术路线 | 第14-17页 |
| 1.3.1 研究目标 | 第14页 |
| 1.3.2 研究内容 | 第14-16页 |
| 1.3.3 技术路线 | 第16-17页 |
| 1.4 本课题的创新点 | 第17-18页 |
| 第二章 声发射信号的特征及处理技术 | 第18-28页 |
| 2.1 声发射信号产生的来源 | 第18-21页 |
| 2.1.1 位错运动产生的声发射源 | 第18-19页 |
| 2.1.2 裂纹形成与扩展的声发射源 | 第19-21页 |
| 2.2 声发射信号及技术特点 | 第21-23页 |
| 2.2.1 声发射信号特点 | 第21-22页 |
| 2.2.2 声发射技术特点 | 第22-23页 |
| 2.3 冷冲模声发射信号类型 | 第23-24页 |
| 2.4 声发射信号处理技术 | 第24-27页 |
| 2.4.1 常用声发射信号处理技术 | 第24-26页 |
| 2.4.2 冷冲模声发射信号处理技术 | 第26-27页 |
| 2.5 本章小结 | 第27-28页 |
| 第三章 声发射特征参数的提取及优化 | 第28-51页 |
| 3.1 小波包初始特征参数的提取 | 第28-38页 |
| 3.1.1 小波变换的基础理论 | 第28-31页 |
| 3.1.2 常用小波基及选择 | 第31-34页 |
| 3.1.3 小波包分析 | 第34-37页 |
| 3.1.4 声发射信号的能量特征成分的提取 | 第37-38页 |
| 3.2 遗传算法特征参数的自动优化 | 第38-50页 |
| 3.2.1 遗传算法概论及冷冲模具参数优化流程 | 第38-43页 |
| 3.2.2 适应度函数的建立 | 第43-46页 |
| 3.2.3 特征参数的自动生成 | 第46-47页 |
| 3.2.4 遗传算法的具体操作 | 第47-50页 |
| 3.3 本章小结 | 第50-51页 |
| 第四章 模糊数学可能性理论的状态识别 | 第51-56页 |
| 4.1 模糊数学可能性理论基础 | 第51-53页 |
| 4.1.1 模糊模式识别的基本步骤 | 第51页 |
| 4.1.2 可能性理论的基本概念 | 第51-53页 |
| 4.2 可能性分布函数 | 第53-54页 |
| 4.3 模糊诊断的分析 | 第54-55页 |
| 4.4 冷冲模具的状态识别 | 第55页 |
| 4.5 本章小结 | 第55-56页 |
| 第五章 模具的状态识别实验 | 第56-68页 |
| 5.1 实验系统的建立 | 第56-62页 |
| 5.1.1 声发射检测系统 | 第56-60页 |
| 5.1.2 其他实验设备 | 第60-62页 |
| 5.2 实验过程 | 第62-64页 |
| 5.3 实验结果分析 | 第64-66页 |
| 5.4 模具状态的识别 | 第66-67页 |
| 5.5 本章小结 | 第67-68页 |
| 第六章 结论与展望 | 第68-70页 |
| 参考文献 | 第70-75页 |
| 致谢 | 第75-76页 |
| 攻读硕士期间发表的论文、申请专利及参与项目 | 第76页 |
