基于声发射技术铝合金平板超高速撞击损伤模式识别方法
摘要 | 第4-6页 |
ABSTRACT | 第6-7页 |
目录 | 第8-11页 |
第1章 绪论 | 第11-25页 |
1.1 课题的研究背景和意义 | 第11-14页 |
1.1.1 空间碎片现状及分类 | 第11-12页 |
1.1.2 空间碎片的危害 | 第12-13页 |
1.1.3 空间碎片撞击在轨感知系统 | 第13-14页 |
1.2 声发射技术研究进展 | 第14-19页 |
1.2.1 声发射技术的发展 | 第14-15页 |
1.2.2 声发射技术在健康监测领域的研究与运用 | 第15-19页 |
1.3 空间碎片撞击在轨感知系统的研究现状及分析 | 第19-22页 |
1.3.1 空间碎片撞击在轨感知系统的研究现状 | 第19-22页 |
1.3.2 研究进展分析 | 第22页 |
1.4 研究内容及组织结构 | 第22-25页 |
第2章 声发射信号获取方法及基础理论 | 第25-44页 |
2.1 声发射信号获取方法 | 第25-27页 |
2.1.1 数值仿真试验的几何模型 | 第25页 |
2.1.2 数值仿真试验的材料模型 | 第25-26页 |
2.1.3 声发射信号提取 | 第26-27页 |
2.2 声发射信号常用分析方法比较 | 第27-33页 |
2.2.1 时域统计分析方法 | 第28页 |
2.2.2 傅里叶变换分析方法 | 第28-29页 |
2.2.3 小波分析方法 | 第29-32页 |
2.2.4 声发射信号常用分析方法的比较 | 第32-33页 |
2.3 近邻分类法及特点 | 第33-38页 |
2.3.1 k-近邻分类法 | 第34-35页 |
2.3.2 k-近邻分类法的特点 | 第35-36页 |
2.3.3 近邻分类法研究 | 第36-38页 |
2.4 BP 神经网络与概率神经网络 | 第38-43页 |
2.4.1 BP 神经网络 | 第39-42页 |
2.4.2 概率神经网络 | 第42-43页 |
2.5 本章小结 | 第43-44页 |
第3章 损伤特征参数的提取与选择 | 第44-60页 |
3.1 引言 | 第44页 |
3.2 超高速撞击声发射信号的小波分解 | 第44-45页 |
3.3 振荡能量的定义及特征参数提取与选择 | 第45-59页 |
3.3.1 振荡能量的定义 | 第45-46页 |
3.3.2 超高速撞击声发射信号的分析 | 第46-53页 |
3.3.3 特征参数提取与选择 | 第53-59页 |
3.4 本章小结 | 第59-60页 |
第4章 基于近邻分类铝合金平板损伤模式识别方法 | 第60-74页 |
4.1 引言 | 第60页 |
4.2 样本数据分布与特征参数选取 | 第60-61页 |
4.3 带前处理的伪近邻分类法 | 第61-62页 |
4.4 击穿或成坑的识别 | 第62-66页 |
4.4.1 弹丸直径属于训练样本弹丸直径集情况 | 第62-64页 |
4.4.2 弹丸直径不属于训练样本弹丸直径集情况 | 第64-66页 |
4.5 弹丸直径的识别 | 第66-69页 |
4.5.1 弹丸直径属于训练样本弹丸直径集情况 | 第66-68页 |
4.5.2 弹丸直径不属于训练样本弹丸直径集情况 | 第68-69页 |
4.6 弹孔直径范围的识别 | 第69-72页 |
4.6.1 弹丸直径属于训练样本弹丸直径集情况 | 第69-71页 |
4.6.2 弹丸直径不属于训练样本弹丸直径集情况 | 第71-72页 |
4.7 本章小结 | 第72-74页 |
第5章 基于神经网络铝合金平板损伤模式识别方法 | 第74-87页 |
5.1 引言 | 第74页 |
5.2 击穿或成坑的识别 | 第74-79页 |
5.2.1 弹丸直径属于训练样本弹丸直径集情况 | 第74-77页 |
5.2.2 弹丸直径不属于训练样本弹丸直径集情况 | 第77-79页 |
5.3 弹丸直径的识别 | 第79-80页 |
5.4 弹孔直径范围的识别 | 第80-82页 |
5.4.1 弹丸直径属于训练样本弹丸直径集情况 | 第80-81页 |
5.4.2 弹丸直径不属于训练样本弹丸直径集情况 | 第81-82页 |
5.5 神经网络与近邻分类模式识别方法的比较 | 第82-85页 |
5.5.1 击穿或成坑识别效果比较 | 第83页 |
5.5.2 弹丸直径识别效果比较 | 第83-84页 |
5.5.3 弹孔直径范围识别效果比较 | 第84-85页 |
5.6 本章小结 | 第85-87页 |
结论 | 第87-89页 |
参考文献 | 第89-92页 |
攻读学位期间待发表的学术论文 | 第92-94页 |
致谢 | 第94页 |