第1章 基於超聲導波的結構健康狀態智能監測概述
1．1 超聲導波檢測概述
1．1．1 超聲導波檢測概念
1．1．2 超聲導波檢測技術分類
1．2 結構健康狀態超聲導波監測概述
1．2．1 超聲導波主要特性
1．2．2 超聲導波特性分析方法
1．3 結構健康狀態超聲導波監測繫統
1．3．1 超聲導波監測繫統組成
1．3．2 超聲導波主動傳感模塊組成
1．4 結構健康狀態超聲導波監測研究進展
1．4．1 超聲導波信號處理算法國內外研究進展
1．4．2 基於數據驅動的結構健康狀態監測研究進展
1．4．3 稀數據深度學習方法研究進展

第2章 稀數據下結構健康狀態超聲導波監測理論基礎
2．1 超聲導波完備性結構健康狀態監測繫統基礎
2．1．1 完備性監測框架概述
2．1．2 超聲導波特征提取
2．1．3 超聲導波結構健康狀態識別
2．2 稀數據下超聲導波數據增強監測理論基礎
2．2．1 數據增強方法概述
2．2．2 時序信號數據增強理論基礎
2．2．3 稀數據下超聲導波數據增強策略
2．3 稀數據下超聲導波多任務監測理論基礎
2．3．1 多任務學習方法概述
2．3．2 有監督多任務學習理論基礎
2．3．3 稀數據下超聲導波多任務學習策略
2．4 稀數據下超聲導波遷移學習監測理論基礎
2．4．1 遷移學習方法概述
2．4．2 直推式遷移學習理論基礎
2．4．3 稀數據下超聲導波遷移學習策略
2．5 本章小結

第3章 基於超聲導波的結構健康狀態深度網絡監測新型框架
3．1 超聲導波監測新型框架
3．2 超聲導波深度網絡監測模型
3．2．1 超聲導波特征融合網絡
3．2．2 超聲導波局部特征提取網絡
3．2．3 超聲導波時序特征提取網絡
3．3 基於超聲導波時頻特征融合的深度網絡監測方法
3．3．1 SWT-AE方法流程
3．3．2 SWT-AE監測結果分析
3．4 基於超聲導波局部特征編碼的深度網絡監測方法
3．4．1 CAE-LSTM方法流程
3．4．2 編碼信號監測結果分析
3．4．3 超聲導波監測稀數據特性實驗分析
3．4．4 超聲導波監測稀數據知識遷移策略
3．5 本章小結

第4章 基於數據增強深度學習的結構健康狀態半監督監測技術
4．1 數據增強深度學習概述
4．2 結構狀態異常檢測方法
4．2．1 超聲導波信號卷積降維
4．2．2 超聲導波信號異常分析
4．3 基於孿生卷積網絡的超聲導波半監督成像方法
4．3．1 訓練樣本及測試樣本標準化方法
4．3．2 模擬損傷信號生成的數據擴充機制
4．3．3 超聲導波異常監測模型構建方法
4．3．4 基於多路徑異常特征的損傷成像機理
4．4 稀數據集半監督成像監測實驗
4．4．1 半監督結構狀態監測實驗設置
4．4．2 模擬損傷信號重構結果分析
……
第5章 基於共享特征的結構健康狀態多任務深度監測技術
第6章 基於特征適應深度遷移的跨結構健康狀態監測技術
第7章 結論與展望
參考文獻