| 第一章 绪论 | 第1-26页 |
| 1．1 本课题研究的目的和意义 | 第10-11页 |
| 1．2 声发射检测技术的发展现状 | 第11-13页 |
| 1．3 声发射信号处理方法的研究状况和进展 | 第13-23页 |
| 1．3．1 参数分析 | 第13-15页 |
| 1．3．2 波形分析 | 第15-21页 |
| 1．3．2．1 频谱分析 | 第15-16页 |
| 1．3．2．2 模态声发射分析 | 第16-18页 |
| 1．3．2．3 时频分析 | 第18-21页 |
| 1．3．3 人工神经网络 | 第21-23页 |
| 1．3．4 声发射源信号分析方法 | 第23页 |
| 1．4 声发射信号处理方法集成化的发展现状 | 第23-25页 |
| 1．5 论文的主要工作 | 第25-26页 |
| 第二章 集成化声发射信号处理平台的总体设计 | 第26-32页 |
| 2．1 引言 | 第26页 |
| 2．2 总体设计的目标与原则 | 第26-28页 |
| 2．3 总体框架与主要内容 | 第28-31页 |
| 2．3．1 人机界面的设计与开发的主要内容 | 第29页 |
| 2．3．2 声发射信号处理方法研究的内容 | 第29-31页 |
| 2．4 本章小结 | 第31-32页 |
| 第三章 基于小波变换的声发射信号处理方法的研究 | 第32-69页 |
| 3．1 引言 | 第32页 |
| 3．2 声发射信号的特征分析 | 第32-35页 |
| 3．3 小波变换的物理理解 | 第35-36页 |
| 3．4 声发射信号小波分析的小波基选取规则方法的研究 | 第36-43页 |
| 3．4．1 常用小波基的性质 | 第36-38页 |
| 3．4．2 小波基选取规则方法的研究 | 第38-39页 |
| 3．4．3 声发射信号分析的小波基选取 | 第39-43页 |
| 3．5 声发射信号小波分析算法及相关问题的研究 | 第43-47页 |
| 3．5．1 基于Mallat算法的小波分解和重构算法 | 第43-44页 |
| 3．5．2 基于多分辨分析的声发射信号小波分解频率范围的确定 | 第44-46页 |
| 3．5．3 基于Mallat小波变换最大分解尺度的确定 | 第46-47页 |
| 3．6 小波变换对声发射信号特征分析方法的研究 | 第47-67页 |
| 3．6．1 基于小波的声发射信号特征分析的基本方法 | 第47-49页 |
| 3．6．2 基于小波变换的特征频谱分析法的研究 | 第49-55页 |
| 3．6．2．1 小波特征频谱分析法 | 第49-50页 |
| 3．6．2．2 应用实例分析 | 第50-55页 |
| 3．6．3 基于小波变换的特征能谱系数分析法的研究 | 第55-59页 |
| 3．6．3．1 小波特征能谱系数分析法 | 第55-56页 |
| 3．6．3．2 应用实例分析 | 第56-59页 |
| 3．6．4 小波分解系数对声发射信号特征分析的研究 | 第59-66页 |
| 3．6．4．1 小波分解系数分析法 | 第60-62页 |
| 3．6．4．2 应用实例分析 | 第62-66页 |
| 3．6．5 三种基于小波的特征提取方法的总结 | 第66-67页 |
| 3．7 本章小结 | 第67-69页 |
| 第四章 基于BP人工神经网络的声发射信号模式识别的研究 | 第69-91页 |
| 4．1 引言 | 第69页 |
| 4．2 BP网络及其模式识别原理 | 第69-71页 |
| 4．3 声发射模式识别应用中的BP算法的不足与改进 | 第71-77页 |
| 4．3．1 BP算法的不足 | 第71-73页 |
| 4．3．2 改进的BP算法 | 第73-76页 |
| 4．3．3 改进BP算法的性能验证 | 第76-77页 |
| 4．4 声发射信号模式识别的BP网络结构设计与优化问题的研究 | 第77-89页 |
| 4．4．1 隐层个数的确定 | 第78页 |
| 4．4．2 输入层与输出层节点数的确定 | 第78页 |
| 4．4．3 隐层节点数的确定 | 第78-79页 |
| 4．4．4 初始权值的选择 | 第79-81页 |
| 4．4．5 神经网络性能优化的方法研究 | 第81-89页 |
| 4．4．5．1 加噪声循环训练法 | 第81-83页 |
| 4．4．5．2 小波分析与BP网络的结合应用 | 第83-89页 |
| 4．5 本章小结 | 第89-91页 |
| 第五章 盲目反卷积在声发射源信号处理中的应用研究 | 第91-105页 |
| 5．1 引言 | 第91页 |
| 5．2 声发射源信号的卷积模型 | 第91-94页 |
| 5．3 盲目反卷积方法的研究 | 第94-97页 |
| 5．3．1 盲目反卷积的求解方程 | 第94-96页 |
| 5．3．2 盲目反卷积的求解算法 | 第96-97页 |
| 5．4 盲目反卷积对断铅声发射信号的分析 | 第97-104页 |
| 5．4．1 不同传播距离的声发射源信号的研究 | 第98-102页 |
| 5．4．2 不同传播介质中的声发射源信号的研究 | 第102-104页 |
| 5．5 本章小结 | 第104-105页 |
| 第六章 集成化声发射信号处理平台的实现 | 第105-118页 |
| 6．1 引言 | 第105页 |
| 6．2 开发环境 | 第105-107页 |
| 6．2．1 硬件环境 | 第105页 |
| 6．2．2 软件环境 | 第105-107页 |
| 6．3 系统的结构与功能 | 第107-114页 |
| 6．3．1 平台的功能结构 | 第107-109页 |
| 6．3．2 小波分析模块 | 第109-110页 |
| 6．3．3 谱分析模块 | 第110-111页 |
| 6．3．4 神经网络训练模块 | 第111-112页 |
| 6．3．5 神经网络模式识别模块 | 第112-113页 |
| 6．3．6 参数分析模块 | 第113-114页 |
| 6．4 系统的特点 | 第114-115页 |
| 6．5 实际应用 | 第115-117页 |
| 6．6 本章小结 | 第117-118页 |
| 第七章 结论 | 第118-120页 |
| 参考文献 | 第120-129页 |
| 附录蜂窝结构材料检测信号的小波分析结果 | 第129-132页 |
