| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 第一章 绪论 | 第9-17页 |
| 1.1 课题研究目的及意义 | 第9-10页 |
| 1.2 国内外发展现状 | 第10-13页 |
| 1.2.1 音波法检测原理 | 第10-11页 |
| 1.2.2 音波法泄漏检测研究现状 | 第11-13页 |
| 1.3 目前存在的问题 | 第13-16页 |
| 1.4 论文主要研究内容 | 第16页 |
| 1.5 本章小结 | 第16-17页 |
| 第二章 音波信号特征值优选 | 第17-38页 |
| 2.1 信号去噪与加窗 | 第17-18页 |
| 2.1.1 信号去噪 | 第17页 |
| 2.1.2 信号加窗 | 第17-18页 |
| 2.2 信号时域特征值 | 第18-27页 |
| 2.3 信号频域特征值 | 第27-32页 |
| 2.3.1 快速傅里叶变换 | 第28-29页 |
| 2.3.2 频谱低频段均值及和值 | 第29-30页 |
| 2.3.3 信号功率谱低频段总和 | 第30-32页 |
| 2.4 信号时频联合分析特征值提取 | 第32-37页 |
| 2.4.1 短时傅里叶变换原理简介 | 第32-33页 |
| 2.4.2 3D时频谱图 | 第33-36页 |
| 2.4.3 低频时频段均值 | 第36-37页 |
| 2.5 本章小结 | 第37-38页 |
| 第三章 工况判定网络模型优选 | 第38-56页 |
| 3.1 自组织神经网络 | 第38-42页 |
| 3.2 学习矢量化网络 | 第42-45页 |
| 3.3 概率神经网络 | 第45-48页 |
| 3.3.1 贝叶斯决策理论 | 第45-47页 |
| 3.3.2 网络结构 | 第47-48页 |
| 3.4 BP神经网络 | 第48-51页 |
| 3.4.1 BP神经网络构成 | 第48-49页 |
| 3.4.2 BP神经网络训练 | 第49页 |
| 3.4.3 BP网络隐层节点数的确定 | 第49-50页 |
| 3.4.4 BP神经网络特点 | 第50页 |
| 3.4.5 BP神经网络缺陷 | 第50-51页 |
| 3.5 神经网络模态识别和聚类工具箱Nctool与Nprtool | 第51页 |
| 3.6 神经网络优选 | 第51-54页 |
| 3.7 特征值网络应用效果优选 | 第54-55页 |
| 3.8 本章小结 | 第55-56页 |
| 第四章 BP人工神经网络优化 | 第56-82页 |
| 4.1 训练算法改进 | 第56-61页 |
| 4.1.1 训练算法理论分析 | 第58-60页 |
| 4.1.2 应用案例分析 | 第60-61页 |
| 4.2 网络初值优化 | 第61-71页 |
| 4.2.1 优化理论分析 | 第63页 |
| 4.2.2 遗传算法权值优化步骤 | 第63-66页 |
| 4.2.3 遗传算法自适应改进 | 第66-69页 |
| 4.2.4 自适应优化应用效果实例 | 第69-71页 |
| 4.3 输入变量优化 | 第71-81页 |
| 4.3.1 改进思路 | 第71-73页 |
| 4.3.2 模糊逻辑算法 | 第73-74页 |
| 4.3.4 模糊神经网络 | 第74-76页 |
| 4.3.5 具体实现方法 | 第76-81页 |
| 4.4 本章小结 | 第81-82页 |
| 第五章 泄漏监测系统软件的编制 | 第82-100页 |
| 5.1 总体设计思路 | 第82-84页 |
| 5.1.1 软件界面的编制 | 第82-83页 |
| 5.1.2 传感器信号读取 | 第83页 |
| 5.1.3 后台运行工况判定算法 | 第83-84页 |
| 5.2 混合编程方法 | 第84-90页 |
| 5.2.1 编程环境 | 第84页 |
| 5.2.2 采集卡通道读取 | 第84-86页 |
| 5.2.3 信号波形的显示 | 第86-87页 |
| 5.2.4 调用Matlab | 第87-88页 |
| 5.2.5 核心工况判定算法 | 第88-89页 |
| 5.2.6 泄漏定位算法 | 第89-90页 |
| 5.3 监测系统软件 | 第90-92页 |
| 5.4 有效性验证实验 | 第92-99页 |
| 5.5 本章小结 | 第99-100页 |
| 结论与建议 | 第100-102页 |
| 结论 | 第100-101页 |
| 建议 | 第101-102页 |
| 参考文献 | 第102-106页 |
| 攻读硕士学位期间取得的成果 | 第106-107页 |
| 致谢 | 第107页 |