基于声发射的非接触式机械密封膜厚检测技术
摘要 | 第6-7页 |
Abstract | 第7-8页 |
第1章 绪论 | 第12-19页 |
1.1 课题背景与意义 | 第12页 |
1.2 机械密封基本知识 | 第12-14页 |
1.2.1 机械密封结构 | 第13页 |
1.2.2 机械密封分类 | 第13-14页 |
1.3 非接触式机械密封检测的国内外研究现状 | 第14-15页 |
1.3.1 国外研究现状 | 第14-15页 |
1.3.2 国内研究现状 | 第15页 |
1.4 非接触式机械密封的检测方法 | 第15-17页 |
1.4.1 电涡流技术 | 第15-16页 |
1.4.2 超声波技术 | 第16页 |
1.4.3 声发射技术 | 第16-17页 |
1.5 本文主要研究内容 | 第17-19页 |
第2章 基于声发射技术的检测试验台 | 第19-26页 |
2.1 声发射检测系统 | 第19-20页 |
2.1.1 声发射检测系统结构 | 第19-20页 |
2.1.2 声发射检测的特点 | 第20页 |
2.2 非接触式机械密封检测试验台 | 第20-22页 |
2.2.1 传感器选型 | 第21页 |
2.2.2 传感器安装 | 第21-22页 |
2.3 声发射信号分析与处理 | 第22-25页 |
2.3.1 声发射信号波形特征 | 第22-24页 |
2.3.2 声发射信号处理流程 | 第24-25页 |
2.4 本章小结 | 第25-26页 |
第3章 基于GSPF的声发射信号处理 | 第26-44页 |
3.1 PF基本理论 | 第27-32页 |
3.1.1 动态空间模型 | 第27-28页 |
3.1.2 贝叶斯统计理论 | 第28-29页 |
3.1.3 蒙特卡洛方法 | 第29-32页 |
3.2 PF实现过程 | 第32-34页 |
3.2.1 重要性采样 | 第32-34页 |
3.2.2 重采样 | 第34页 |
3.3 GSPF算法设计及仿真分析 | 第34-40页 |
3.3.1 GSPF对PF的改进 | 第35-36页 |
3.3.2 GSPF算法步骤 | 第36-37页 |
3.3.3 实验仿真 | 第37-40页 |
3.4 GSPF应用于声发射信号滤波 | 第40-43页 |
3.4.1 基于GSPF的信号滤波 | 第40-41页 |
3.4.2 基于GSPF的滤波结果验证 | 第41-43页 |
3.5 本章小结 | 第43-44页 |
第4章 声发射信号特征分析 | 第44-57页 |
4.1 声发射信号时域分析 | 第44-46页 |
4.1.1 时域分析方法 | 第44-45页 |
4.1.2 时域特征向量 | 第45-46页 |
4.2 声发射信号频域分析 | 第46-50页 |
4.2.1 频域分析方法 | 第46-47页 |
4.2.2 傅里叶变换 | 第47-49页 |
4.2.3 频域特征向量 | 第49-50页 |
4.3 声发射信号时频域分析 | 第50-56页 |
4.3.1 时频域分析方法 | 第50-52页 |
4.3.2 小波包分解 | 第52-55页 |
4.3.3 时频域特征向量 | 第55-56页 |
4.4 本章小结 | 第56-57页 |
第5章 基于AGA-BP的膜厚识别技术 | 第57-77页 |
5.1 人工神经网络的理论及应用研究 | 第57-63页 |
5.1.1 人工神经网络的相关知识及特点 | 第57-58页 |
5.1.2 BP网络的结构与算法 | 第58-62页 |
5.1.3 BP网络的改进及应用 | 第62-63页 |
5.2 遗传算法及其改进 | 第63-70页 |
5.2.1 遗传算法的相关术语及构造过程 | 第64-66页 |
5.2.2 AGA原理与算法设计 | 第66-70页 |
5.3 AGA-BP网络设计 | 第70-72页 |
5.3.1 遗传算法与BP网络融合的优势 | 第70-71页 |
5.3.2 AGA-BP算法步骤 | 第71-72页 |
5.4 AGA-BP网络的膜厚识别应用 | 第72-75页 |
5.4.1 AGA-BP网络的建立 | 第72页 |
5.4.2 AGA-BP网络的训练 | 第72-74页 |
5.4.3 AGA-BP网络的膜厚识别 | 第74-75页 |
5.5 AGA-BP网络与基本BP网络的应用比较 | 第75-76页 |
5.6 本章小结 | 第76-77页 |
总结与展望 | 第77-79页 |
致谢 | 第79-80页 |
参考文献 | 第80-85页 |
攻读硕士学位期间发表的论文及科研成果 | 第85页 |