| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景及意义 | 第8-9页 |
| 1.2 课题研究现状 | 第9-12页 |
| 1.2.1 声发射技术的国内外研究现状 | 第9-11页 |
| 1.2.2 向量自回归模型简介及研究现状 | 第11-12页 |
| 1.3 论文主要研究内容 | 第12-14页 |
| 第二章 声发射技术概述 | 第14-17页 |
| 2.1 声发射技术概述 | 第14-15页 |
| 2.1.1 声发射技术概念及原理 | 第14页 |
| 2.1.2 声发射技术的特点 | 第14-15页 |
| 2.1.3 声发射技术的应用 | 第15页 |
| 本章小结 | 第15-17页 |
| 第三章 VAR模型及时域统计特征概述 | 第17-25页 |
| 3.1 向量自回归模型 | 第17-22页 |
| 3.1.1 向量自回归过程 | 第17-18页 |
| 3.1.2 VAR模型滞后阶数的选择 | 第18-19页 |
| 3.1.3 VAR变量个数的选择 | 第19页 |
| 3.1.4 单位根检验 | 第19-20页 |
| 3.1.5 VAR模型的稳定性检验 | 第20页 |
| 3.1.6 脉冲响应函数 | 第20-22页 |
| 3.2 时域统计特征概述 | 第22-23页 |
| 3.2.1 时域统计特征 | 第22页 |
| 3.2.2 主要的时域参数介绍 | 第22-23页 |
| 本章小结 | 第23-25页 |
| 第四章 VAR模型对声发射信号大数据的脉冲响应分析 | 第25-70页 |
| 4.1 列车车轴裂纹的声发射检测实验 | 第25页 |
| 4.2 基准信号组的脉冲响应分析 | 第25-38页 |
| 4.2.1 数据的平稳性检验结果 | 第26-32页 |
| 4.2.2 VAR模型滞后阶数的选择 | 第32-34页 |
| 4.2.3 VAR模型稳定性检验结果 | 第34-36页 |
| 4.2.4 脉冲响应分析结果 | 第36-38页 |
| 4.3 大数据的脉冲响应分析 | 第38-60页 |
| 4.3.1 Stata软件简介 | 第41页 |
| 4.3.2 MATLAB软件简介 | 第41页 |
| 4.3.3 大数据脉冲响应分析的实现 | 第41-60页 |
| 4.4 大数据信号的特征提取 | 第60-64页 |
| 4.5 脉冲响应分析影响因素 | 第64-68页 |
| 4.6 实验总结 | 第68页 |
| 本章小结 | 第68-70页 |
| 结论与展望 | 第70-71页 |
| 参考文献 | 第71-73页 |
| 致谢 | 第73页 |