| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 概述 | 第8页 |
| 1.2 论文研究背景及意义 | 第8-9页 |
| 1.3 课题研究现状 | 第9-12页 |
| 1.3.1 车轴故障无损检测的研究现状 | 第9页 |
| 1.3.2 声发射技术检测疲劳裂纹的研究现状 | 第9-10页 |
| 1.3.3 人工神经网络在声发射检测领域的研究现状 | 第10-11页 |
| 1.3.4 BP神经网络在故障检测领域的研究现状 | 第11页 |
| 1.3.5 深度信念网络的研究现状 | 第11-12页 |
| 1.4 课题来源及本文主要研究内容 | 第12-14页 |
| 1.4.1 课题来源 | 第12-13页 |
| 1.4.2 本文的主要研究内容 | 第13-14页 |
| 第二章 理论基础 | 第14-27页 |
| 2.1 引言 | 第14页 |
| 2.2 深度信念网络相关理论 | 第14-19页 |
| 2.2.1 受限玻尔兹曼机RBM | 第16页 |
| 2.2.2 前向堆叠学习 | 第16-18页 |
| 2.2.3 后向微调学习 | 第18-19页 |
| 2.3 BP神经网络相关理论 | 第19-24页 |
| 2.3.1 BP神经网络原理 | 第20-23页 |
| 2.3.2 BP神经网络的局限性 | 第23-24页 |
| 2.4 特征参数的选取原则 | 第24-26页 |
| 本章小结 | 第26-27页 |
| 第三章 声发射检测技术与声发射车轴疲劳实验 | 第27-32页 |
| 3.1 引言 | 第27页 |
| 3.2 声发射无损检测技术 | 第27-30页 |
| 3.2.1 传统无损检测方法 | 第27-29页 |
| 3.2.2 声发射无损检测技术 | 第29-30页 |
| 3.3 声发射车轴疲劳裂纹实验 | 第30-31页 |
| 本章小结 | 第31-32页 |
| 第四章 实验结果与分析 | 第32-58页 |
| 4.1 引言 | 第32-33页 |
| 4.2 实验数据的处理 | 第33-44页 |
| 4.2.1 实验数据的分组 | 第35页 |
| 4.2.2 实验数据的特征提取 | 第35-43页 |
| 4.2.3 特征数据归一化处理 | 第43-44页 |
| 4.3 基于BP神经网络声发射车轴疲劳裂纹的识别研究 | 第44-47页 |
| 4.3.1 BP神经网络模型的建立 | 第44-45页 |
| 4.3.2 实验结果及分析 | 第45-47页 |
| 4.4 基于深度信念网络声发射车轴疲劳裂纹的识别研究 | 第47-54页 |
| 4.4.1 DBN网络模型的建立 | 第47-48页 |
| 4.4.2 实验结果及分析 | 第48-54页 |
| 4.5 结果对比分析 | 第54-57页 |
| 本章小结 | 第57-58页 |
| 结论与展望 | 第58-60页 |
| 参考文献 | 第60-63页 |
| 致谢 | 第63页 |
