| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第8-13页 |
| 1.1 课题背景 | 第8页 |
| 1.2 相关领域国内外发展状况 | 第8-11页 |
| 1.2.1 声发射检测技术的发展状况 | 第8-9页 |
| 1.2.2 声发射技术在耐火材料检测中国内外发展状况 | 第9-10页 |
| 1.2.3 神经网络用于耐火材料损伤模式识别的国内外发展状况 | 第10-11页 |
| 1.3 本课题研究内容 | 第11-13页 |
| 第2章 声发射技术概述 | 第13-18页 |
| 2.1 声发射技术基本原理 | 第13页 |
| 2.2 声发射技术的优点及局限性 | 第13-14页 |
| 2.3 声发射信号处理分析方法 | 第14-17页 |
| 2.4 本章小结 | 第17-18页 |
| 第3章 耐火材料声发射信号采集试验 | 第18-22页 |
| 3.1 器材准备 | 第18-19页 |
| 3.1.1 耐火材料的制备 | 第18-19页 |
| 3.1.2 试验仪器的选择 | 第19页 |
| 3.2 声发射采集参数设定 | 第19-20页 |
| 3.3 声发射信号采集 | 第20-21页 |
| 3.4 本章小结 | 第21-22页 |
| 第4章 基于 K 均值聚类的耐火材料损伤声发射信号分析 | 第22-31页 |
| 4.1 聚类分析概述 | 第22-24页 |
| 4.2 耐火材料声发射信号参量分析 | 第24-27页 |
| 4.3 耐火材料声发射信号聚类分析 | 第27-29页 |
| 4.3.1 聚类参数选择 | 第27页 |
| 4.3.2 聚类数 K 选择 | 第27页 |
| 4.3.3 聚类结果分析 | 第27-29页 |
| 4.4 耐火材料损伤分类模式识别 | 第29页 |
| 4.5 本章小结 | 第29-31页 |
| 第5章 基于 BP 人工神经网络的耐火材料损伤模式识别 | 第31-50页 |
| 5.1 人工神经网络概述 | 第31-33页 |
| 5.2 BP 网络原理 | 第33-39页 |
| 5.2.1 BP 网络模型 | 第33-34页 |
| 5.2.2 BP 学习算法步骤 | 第34-37页 |
| 5.2.3 BP 神经网络设计的基本方法 | 第37-39页 |
| 5.3 基于 BP 人工神经网络的耐火材料损伤声发射信号模式识别 | 第39-49页 |
| 5.3.1 耐火材料损伤模式识别的 BP 神经网络建立 | 第39-44页 |
| 5.3.2 BP 网络试验仿真 | 第44-46页 |
| 5.3.3 基于 BP 人工神经网络的耐火材料损伤模式识别 | 第46-49页 |
| 5.4 本章小结 | 第49-50页 |
| 第6章 结论与展望 | 第50-52页 |
| 6.1 结论 | 第50页 |
| 6.2 进一步工作的展望 | 第50-52页 |
| 参考文献 | 第52-55页 |
| 致谢 | 第55-56页 |
| 攻读硕士学位期间发表的论文 | 第56-57页 |
| 详细摘要 | 第57-61页 |
