第1章 緒論
1.1 概述
1.2 無損檢測技術分析
1.3 聲發射檢測技術研究現狀及分析
1.3.1 聲發射檢測技術概念
1.3.2 聲發射信號采集處理繫統
1.3.3 聲發射信號分析技術
1.3.4 聲發射信號去噪技術
1.3.5 聲發射源定位技術
1.3.6 聲發射信號特征參數提取技術
1.3.7 聲發射源識別技術
1.4 存在主要問題
第2章 聲發射信號傳播特性實驗研究
2.1 引言
2.2 諧波小波包分析原理
2.2.1 二進諧波小波原理
2.2.2 廣義諧波小波原理
2.3 聲發射信號傳播特性分析
2.3.1 聲發射波的傳播原理
2.3.2 聲發射信號傳播實例分析
2.3.3 聲發射參數衰減結果
2.3.4 聲發射信號衰減的諧波小波包分析
2.4 本章小結
第3章 聲發射信號去噪算法研究
3.1 引言
3.2 小波閾值去噪原理
3.2.1 閾值函數選擇及閾值優化
3.2.2 小波基函數的確定
3.3 經驗模態分解及去噪原理
3.3.1 經驗模態分解原理
3.3.2 經驗模態分解的濾波特性
3.3.3 經驗模態分解去噪原理
3.4 經驗模式分解及小波結合去噪原理
3.4.1 IMF-Wavelet去噪原理
3.4.2 EMD-Wavelet去噪原理
3.4.3 Wavelet-EMD去噪原理
3.5 去噪效果評價
3.6 仿真實驗及分析
3.6.1 標準信號去噪實驗
3.6.2 模擬AE信號去噪實例分析
3.7 本章小結
第4章 聲發射信號智能定位算法研究
4.1 引言
4.2 基於*小二乘支持向量回歸的聲發射源線性定位方法
4.2.1 *小二乘支持向量回歸原理
4.2.2 基於粒子群算法的LS-SVM回歸的參數優化
4.2.3 利用LS-SVM回歸進行聲發射源線性定位
4.2.4 聲發射源線性定位實驗分析
4.3 基於多輸出支持向量回歸的聲發射源平面定位方法
4.3.1 單輸出支持向量回歸原理
4.3.2 多輸出支持向量回歸原理及算法
4.3.3 多輸出支持向量回歸算法仿真驗證
4.3.4 聲發射源平面定位實驗與分析
4.4 本章小結
第5章 聲發射信號識別算法研究
5.1 引言
5.2 基於諧波小波包分解的聲發射信號特征提取
5.2.1 特征評價方法
5.2.2 諧波小波包分解特征提取步驟
5.2.3 諧波小波包分解頻帶確定
5.3 基於支持向量多分類器的聲發射源類型識別
5.3.1 支持向量機分類原理
5.3.2 支持向量機多分類器設計
5.3.3 支持向量機模型參數優化
5.4 仿真分析及實驗驗證
5.4.1 基於小生境粒子群算法的SVM參數優化驗證
5.4.2 壓斷實驗
5.4.3 諧波小波包分解特征提取驗證
5.4.4 支持向量多分類器聲發射源類型識別驗證
5.5 本章小結
參考文獻