首页--工业技术论文--金属学与金属工艺论文--焊接、金属切割及金属粘接论文--焊接工艺论文--电弧焊论文

基于电弧声信号特征MIG焊熔透状态模式识别

摘要第1-7页
ABSTRACT第7-12页
第1章 绪论第12-24页
   ·引言第12-13页
   ·焊接过程熔透状态监控研究现状第13-18页
     ·光电法第13-14页
     ·温度场法第14-16页
     ·熔池振荡频率法第16-17页
     ·电弧声法第17-18页
   ·焊接过程熔透状态模式识别第18-22页
     ·焊接电弧信号分析第19-20页
     ·信号特征参数提取与选择第20-21页
     ·神经网络智能建模技术第21-22页
   ·本文主要研究内容第22-24页
第2章 MIG 焊电弧声信号采集与分析系统设计第24-33页
   ·实验硬件平台第24-25页
   ·信号采集分析软件平台第25-32页
     ·身份验证模块第25-26页
     ·参数记录模块第26-27页
     ·参数配置模块第27-28页
     ·采集存盘模块第28-29页
     ·历史波形回显模块第29-30页
     ·信号降噪模块第30-31页
     ·特征提取模块第31-32页
   ·本章小结第32-33页
第3章 MIG 焊电弧声信号与熔透状态相关性研究第33-53页
   ·小波理论第33-41页
     ·小波定义第34页
     ·小波变换第34-41页
   ·信号获取第41-43页
   ·小波降噪第43-44页
   ·样本选取第44-45页
   ·熔透相关性分析第45-51页
     ·时域分析第45-46页
     ·频域分析第46-47页
     ·小波包分析第47-51页
   ·本章小结第51-53页
第4章 MIG 焊电弧声信号特征提取与选择第53-76页
   ·特征提取第53-70页
     ·短时加窗技术第54-55页
     ·时域特征第55-60页
     ·频域特征第60-67页
     ·倒谱特征第67-68页
     ·几何特征第68-69页
     ·构造联合特征向量第69-70页
   ·特征评价与选择第70-75页
     ·主成分分析原理第70-71页
     ·电弧声特征向量PCA 降维第71-75页
   ·本章小结第75-76页
第5章 MIG 焊神经网络熔透状态辨识建模第76-86页
   ·基于BP 网络熔透状态分类识别第76-82页
     ·BP 神经元模型第76-77页
     ·BP 算法第77-80页
     ·熔透状态辨识建模第80-82页
   ·基于RBF 网络熔透状态分类识别第82-85页
     ·RBF 神经元模型第82-83页
     ·k-均值算法第83-84页
     ·熔透状态辨识建模第84-85页
   ·本章小结第85-86页
结论第86-88页
参考文献第88-94页
攻读硕士学位期间发表的学术论文第94-95页
致谢第95页

论文共95页,点击 下载论文
上一篇:基于时间反转法的兰姆波在铝合金板材缺陷检测中的应用
下一篇:AZ31镁合金心形件超塑气胀成形数值模拟与实验研究