| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-17页 |
| 1.1 研究的背景及意义 | 第9-10页 |
| 1.2 声发射信号处理方法研究 | 第10-13页 |
| 1.2.1 声发射信号常规处理方法 | 第10-11页 |
| 1.2.2 声发射信号新型处理方法 | 第11-13页 |
| 1.3 基于分形理论的特征提取研究 | 第13-14页 |
| 1.4 基于EMD的信号时频分析研究 | 第14页 |
| 1.5 基于SVM的模式识别研究 | 第14-15页 |
| 1.6 基于BP神经网络的模式识别研究 | 第15页 |
| 1.7 本文的主要工作 | 第15-17页 |
| 第2章 耐火材料声发射信号的采集与分析 | 第17-26页 |
| 2.1 耐火材料试样准备 | 第17-19页 |
| 2.1.1 试样的制备 | 第17-18页 |
| 2.1.2 试样的成分分析 | 第18-19页 |
| 2.2 耐火材料单轴压缩试验 | 第19-22页 |
| 2.2.1 试验设备 | 第19-21页 |
| 2.2.2 试验步骤 | 第21-22页 |
| 2.3 耐火材料损伤声发射信号分析 | 第22-24页 |
| 2.3.1 耐火材料损伤声发射信号分类 | 第22-23页 |
| 2.3.2 耐火材料典型损伤声发射信号 | 第23-24页 |
| 2.4 本章小结 | 第24-26页 |
| 第3章 基于多重分形理论的声发射信号特征提取研究 | 第26-36页 |
| 3.1 多重分形理论 | 第26-29页 |
| 3.1.1 多重分形谱的计算 | 第26-27页 |
| 3.1.2 广义分形维数的计算 | 第27页 |
| 3.1.3 多重分形参数的计算 | 第27-29页 |
| 3.2 仿真声发射信号 | 第29-31页 |
| 3.2.1 仿真信号数学模型 | 第29页 |
| 3.2.2 仿真信号各项参数的设置 | 第29-31页 |
| 3.3 多重分形参数的选取 | 第31-35页 |
| 3.3.1 仿真信号分析 | 第31-33页 |
| 3.3.2 试验信号分析 | 第33-35页 |
| 3.4 本章小结 | 第35-36页 |
| 第4章 基于EMD多重分形的耐火材料损伤模式识别 | 第36-55页 |
| 4.1 基于EMD的特征向量的构建 | 第36-40页 |
| 4.1.1 经验模态分解算法 | 第36-38页 |
| 4.1.2 基于EMD多重分形谱参数的损伤特征向量构建 | 第38-40页 |
| 4.2 基于SVM的耐火材料损伤模式识别 | 第40-46页 |
| 4.2.1 SVM算法 | 第41-44页 |
| 4.2.2 数据预处理及SVM各项参数的设置 | 第44-45页 |
| 4.2.3 基于SVM分类器的耐火材料损伤模式识别 | 第45-46页 |
| 4.3 基于BP神经网络的耐火材料损伤模式识别 | 第46-54页 |
| 4.3.1 BP神经网络算法 | 第47-50页 |
| 4.3.3 数据预处理及BP神经网络各项参数的设置 | 第50-52页 |
| 4.3.4 基于BP神经网络分类器的耐火材料损伤模式识别 | 第52-54页 |
| 4.4 两种分类器分类结果对比分析 | 第54页 |
| 4.5 本章小结 | 第54-55页 |
| 第5章 结论与展望 | 第55-57页 |
| 5.1 结论 | 第55-56页 |
| 5.2 展望 | 第56-57页 |
| 致谢 | 第57-58页 |
| 参考文献 | 第58-64页 |
| 附录1 攻读硕士学位期间发表的论文 | 第64-65页 |
| 附录2 攻读硕士学位期间参加的科研项目 | 第65-66页 |
| 详细摘要 | 第66-71页 |
