| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 引言 | 第12-14页 |
| 1 绪论 | 第14-18页 |
| 1.1 论文研究的背景与意义 | 第14-15页 |
| 1.2 国内外的研究现状 | 第15-17页 |
| 1.3 本论文主要研究的内容 | 第17-18页 |
| 2 钢丝绳损伤检测的理论基础 | 第18-28页 |
| 2.1 钢丝绳损伤的基础知识 | 第18-20页 |
| 2.1.1 钢丝绳常见的损伤类型 | 第18-20页 |
| 2.1.2 国家关于钢丝绳的报废要求 | 第20页 |
| 2.2 钢丝绳检测方法的种类 | 第20页 |
| 2.3 钢丝绳电磁检测法的理论基础 | 第20-23页 |
| 2.3.1 电磁检测法的基本原理 | 第20-21页 |
| 2.3.2 钢丝绳磁化方式的选择 | 第21-22页 |
| 2.3.3 霍尔效应 | 第22-23页 |
| 2.4 霍尔传感器的布置方式 | 第23-25页 |
| 2.5 本章小结 | 第25-28页 |
| 3 采集系统的硬件选取和软件设计 | 第28-36页 |
| 3.1 采集系统硬件的选择及工作原理 | 第28-33页 |
| 3.1.1 放大电路的选择 | 第28-29页 |
| 3.1.2 A/D转换器 | 第29-31页 |
| 3.1.3 系统的数据采集平台性能概述 | 第31-33页 |
| 3.2 编程语言的选择 | 第33-34页 |
| 3.3 数据采集系统的程序展示 | 第34-35页 |
| 3.4 本章小结 | 第35-36页 |
| 4 采集信号的去噪处理 | 第36-50页 |
| 4.1 数字滤波器的工作原理与型号选取 | 第36-43页 |
| 4.1.1 巴特沃斯滤波器 | 第37-39页 |
| 4.1.2 切比雪夫滤波器 | 第39-41页 |
| 4.1.3 反切比雪夫滤波器 | 第41-42页 |
| 4.1.4 数字滤波器的选取 | 第42-43页 |
| 4.2 小波去噪 | 第43-46页 |
| 4.2.1 小波去噪的数学理论 | 第43-44页 |
| 4.2.2 小波去噪的思想与mallat分解算法 | 第44-46页 |
| 4.3 小波去噪在Labview软件中的实现 | 第46-48页 |
| 4.4 本章小结 | 第48-50页 |
| 5 钢丝绳损伤的定量识别 | 第50-64页 |
| 5.1 人工神经网络 | 第50-52页 |
| 5.2 BP神经网络 | 第52-58页 |
| 5.2.1 BP神经网络算法的学习规则 | 第53-55页 |
| 5.2.2 神经网络中参数设置对网络性能的影响 | 第55-57页 |
| 5.2.3 在MATLAB中进行BP神经网络的创建与仿真 | 第57-58页 |
| 5.3 损伤信号的特征值选取与神经网络的训练 | 第58-63页 |
| 5.4 本章小结 | 第63-64页 |
| 6 结论与展望 | 第64-66页 |
| 6.1 工作总结 | 第64页 |
| 6.2 论文中存在的不足和展望 | 第64-66页 |
| 参考文献 | 第66-70页 |
| 致谢 | 第70-72页 |
| 作者简介 | 第72页 |