首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化元件、部件论文--发送器(变换器)、传感器论文

乐甫波的液体多参数传感研究

摘要第4-5页
abstract第5-6页
第一章 绪论第13-21页
    1.1 研究背景第13-14页
    1.2 声波传感器第14-16页
        1.2.1 石英晶体微天平第14-15页
        1.2.2 声表面波传感器第15页
        1.2.3 兰姆波传感器第15-16页
        1.2.4 乐甫波传感器第16页
    1.3 人工神经网络第16-17页
    1.4 国内外研究现状第17-19页
    1.5 论文的各章节工作安排第19-21页
第二章 负载粘性液体的双压电式乐甫波传感器机理研究第21-46页
    2.1 引言第21页
    2.2 乐甫波理论分析第21-26页
        2.2.1 压电材料的耦合波方程第21-23页
        2.2.2 欧拉角变换第23页
        2.2.3 坐标定义及Christoffel方程组第23-24页
        2.2.4 乐甫波激发模式分类第24-25页
        2.2.5 部分波理论第25页
        2.2.6 表面有效介电常数法第25-26页
    2.3 负载粘性液体的双压电式乐甫波理论分析模型第26-36页
        2.3.1 理论模型结构第26-27页
        2.3.2 基底、薄膜结构中不考虑受迫振动结构的乐甫波第27-30页
        2.3.3 基底、薄膜结构中考虑受迫振动结构的乐甫波第30-32页
        2.3.4 粘性液体中的乐甫波第32-33页
        2.3.5 边界条件第33-34页
        2.3.6 加入衰减因子的理论模型第34-36页
    2.4 乐甫波传感器的设计优化第36-45页
        2.4.1 器件材料的选择第36-37页
        2.4.2 机械参数灵敏度第37-39页
        2.4.3 电学参数灵敏度第39-41页
        2.4.4 机电耦合系数第41-42页
        2.4.5 薄膜厚度-波长之比的选择和液体体积弹性模量的影响第42-43页
        2.4.6 液体各参数对乐甫波传感器的影响第43-45页
    2.5 本章小结第45-46页
第三章 用于声波液体多参数分离检测的人工神经网络第46-63页
    3.1 引言第46页
    3.2 两级级联式神经网络的液体多参数分离检测方法第46-56页
        3.2.1 两级级联式神经网络的选择和工作原理第46-48页
        3.2.2 两级级联式神经网络的结构第48-49页
        3.2.3 数据选择和归一化第49-50页
        3.2.4 节点转移函数的选择第50-52页
        3.2.5 各级隐含层节点数的优化第52-53页
        3.2.6 理论分析模型数据的预测结果第53-55页
        3.2.7 训练数据对预测精度的影响第55-56页
    3.3 遗传算法对两级级联式神经网络的优化第56-62页
        3.3.1 初始权值和阈值第56页
        3.3.2 遗传算法的应用流程第56-57页
        3.3.3 种群的初始化第57页
        3.3.4 适应度函数第57-58页
        3.3.5 选择、交叉、变异操作第58-59页
        3.3.6 优化后的理论分析模型数据预测结果第59-62页
    3.4 本章小结第62-63页
第四章 乐甫波的液体多参数传感系统第63-83页
    4.1 乐甫波传感器第63-68页
        4.1.1 乐甫波传感器的设计第63-64页
        4.1.2 乐甫波传感器的制作第64-68页
    4.2 乐甫波测试系统第68-75页
        4.2.1 基于矢量网络分析仪的测试系统第68页
        4.2.2 基于功率检波方法的测试系统第68-75页
    4.3 实验结果分析第75-81页
        4.3.1 双压电式乐甫波激发效率的研究第75-76页
        4.3.2 乐甫波传感器的液体传感研究第76-80页
        4.3.3 两级级联式神经网络的液体多参数并行检测研究第80-81页
    4.4 本章小结第81-83页
第五章 总结与展望第83-87页
    5.1 总结第83-85页
    5.2 论文特色与创新点第85页
    5.3 论文不足与展望第85-87页
参考文献第87-91页
致谢第91-92页
攻读硕士学位期间发表的学术成果第92页

论文共92页,点击 下载论文
上一篇:基于青年群体需求的智能厨房设计研究
下一篇:基于深度学习的变电设备图像特征提取