| 摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 创新点摘要 | 第6-9页 |
| 第一章 绪论 | 第9-15页 |
| ·选题的背景及意义 | 第9页 |
| ·声发射信号分析处理方法与识别技术 | 第9-13页 |
| ·参数分析法 | 第9-10页 |
| ·波形分析法 | 第10-12页 |
| ·人工神经网络 | 第12页 |
| ·小波神经网络 | 第12-13页 |
| ·本文主要研究内容 | 第13-15页 |
| 第二章 FRP 复合材料损伤声发射信号的预处理 | 第15-29页 |
| ·小波分析 | 第15-17页 |
| ·小波变换基本理论 | 第15-16页 |
| ·小波包基本理论 | 第16-17页 |
| ·FRP 复合材料声发射信号的小波阈值去噪 | 第17-24页 |
| ·阈值函数的选择及阈值准则的确定 | 第18-20页 |
| ·小波基的选取 | 第20-22页 |
| ·确定分解层数 | 第22-23页 |
| ·实验数据分析 | 第23-24页 |
| ·小波包信号特征提取 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第三章 小波神经网络在FRP 复合材料损伤模式识别中的应用 | 第29-42页 |
| ·小波神经网络概述 | 第29-31页 |
| ·小波神经网络的结构形式 | 第29-31页 |
| ·小波神经网络的特点 | 第31页 |
| ·小波神经网络的BP 学习算法 | 第31-34页 |
| ·小波神经网络的构建 | 第34-37页 |
| ·激励函数 | 第34-35页 |
| ·隐层节点数 | 第35页 |
| ·小波神经网络与BP 神经网络的比较 | 第35-37页 |
| ·实验数据分析 | 第37-40页 |
| ·实验数据采集 | 第37-39页 |
| ·数据分析处理与模式识别 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 基于遗传算法优化小波神经网络的FRP 复合材料损伤声发射信号分析 | 第42-50页 |
| ·遗传算法基本原理 | 第42-46页 |
| ·遗传算法的编码 | 第42-43页 |
| ·遗传算法的适度函数 | 第43页 |
| ·遗传算子 | 第43-46页 |
| ·遗传算法优化神经网络 | 第46-48页 |
| ·小波神经网络需优化的原因 | 第46-47页 |
| ·遗传算法的实现步骤 | 第47-48页 |
| ·改进小波神经网络在FRP 损伤模式识别中的应用 | 第48-49页 |
| ·本章小结 | 第49-50页 |
| 第五章FRP 复合材料损伤声发射信号模式识别软件开发 | 第50-54页 |
| ·软件的开发环境和设计原则 | 第50页 |
| ·软件的组成及功能设计 | 第50-53页 |
| ·数据载入模块 | 第51页 |
| ·信号预处理模块 | 第51-52页 |
| ·神经网络识别模块 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 结论与展望 | 第54-56页 |
| 参考文献 | 第56-61页 |
| 发表文章目录 | 第61-62页 |
| 致谢 | 第62-63页 |
| 详细摘要 | 第63-77页 |
