| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第11-25页 |
| 1.1 研究背景及意义 | 第11-13页 |
| 1.2 国内外研究概况 | 第13-22页 |
| 1.2.1 路面板底脱空的产生机理 | 第13-18页 |
| 1.2.2 脱空检测方法研究概况 | 第18-22页 |
| 1.3 论文的研究内容及技术路线 | 第22-25页 |
| 1.3.1 研究内容 | 第22-23页 |
| 1.3.2 研究技术路线 | 第23-25页 |
| 第二章 声振理论及人工神经网络理论分析 | 第25-38页 |
| 2.1 水泥混凝土路面板声振理论 | 第25-32页 |
| 2.1.1 振动理论 | 第25-26页 |
| 2.1.2 薄板声振假设 | 第26-27页 |
| 2.1.3 薄板声谐振子理论 | 第27-29页 |
| 2.1.4 声固耦合理论 | 第29-32页 |
| 2.2 人工神经网络技术 | 第32-37页 |
| 2.2.1 概述 | 第32-33页 |
| 2.2.2 神经网络的数学模型 | 第33-34页 |
| 2.2.3 神经网络的基本结构 | 第34-35页 |
| 2.2.4 神经网络的学习模式 | 第35页 |
| 2.2.5 神经网络的学习算法 | 第35-37页 |
| 2.3 本章小结 | 第37-38页 |
| 第三章 声音信号的采集和处理 | 第38-51页 |
| 3.1 信号的采集 | 第38-39页 |
| 3.2 信号的预处理 | 第39-44页 |
| 3.2.1 零均值变换 | 第39-40页 |
| 3.2.2 分帧加窗 | 第40-42页 |
| 3.2.3 滤波 | 第42-44页 |
| 3.3 信号特征分析 | 第44-49页 |
| 3.3.1 分析方法概述 | 第44-45页 |
| 3.3.2 有效声压 | 第45-46页 |
| 3.3.3 振动频率 | 第46-48页 |
| 3.3.4 线性预测系数 | 第48-49页 |
| 3.4 本章小结 | 第49-51页 |
| 第四章 基于声振法的水泥混凝土路面脱空连续识别技术 | 第51-79页 |
| 4.1 设备研制概述 | 第51-52页 |
| 4.2 连续识别技术有限元分析 | 第52-56页 |
| 4.2.1 模型的建立 | 第52-54页 |
| 4.2.2 声压曲线模拟结果 | 第54页 |
| 4.2.3 适用性分析 | 第54-56页 |
| 4.3 设备系统及操作简介 | 第56-63页 |
| 4.3.1 激励装置研制方案 | 第56-59页 |
| 4.3.2 设备系统组成与操作 | 第59-63页 |
| 4.4 试验路概况 | 第63-64页 |
| 4.5 脱空检测结果 | 第64-77页 |
| 4.5.1 3D探地雷达方法概述 | 第64-65页 |
| 4.5.2 工程验证与分析 | 第65-73页 |
| 4.5.3 脱空状况判定标准的确定 | 第73-77页 |
| 4.6 本章小结 | 第77-79页 |
| 第五章 基于BP神经网络的板底脱空形态描述 | 第79-93页 |
| 5.1 概述 | 第79-80页 |
| 5.2 板底脱空形态有限元分析 | 第80-82页 |
| 5.2.1 模型的建立与验证 | 第80-81页 |
| 5.2.2 有限元计算结果分析 | 第81-82页 |
| 5.3 板底脱空形态的神经网络描述 | 第82-91页 |
| 5.3.1 BP神经网络 | 第82-87页 |
| 5.3.2 BP神经网络的构建 | 第87-88页 |
| 5.3.3 神经网络的训练 | 第88-91页 |
| 5.4 神经网络的工程应用 | 第91-92页 |
| 5.5 本章小结 | 第92-93页 |
| 结论与展望 | 第93-96页 |
| 一、研究结论 | 第93-94页 |
| 二、主要创新点 | 第94-95页 |
| 三、研究展望 | 第95-96页 |
| 参考文献 | 第96-100页 |
| 攻读硕士学位期间取得的研究成果 | 第100-101页 |
| 致谢 | 第101-102页 |
| 附件 | 第102页 |