基本信息,內容簡介,目錄信息,
基本信息
聲發射信號處理算法研究
作者：於金濤 著
出版日期：2017年8月
書號：978-7-122-29855-3
開本：B5 710×1000 1/16
裝幀：平
版次：1版1次
頁數：139頁
內容簡介
無損檢測技術是控制產品質量、保證設備安全的重要手段之一，而聲發射技術作為新型無損檢測技術，對於線上實時監測具有非常廣闊的套用前景。本書對於聲發射技術進行了詳細的闡述和分析，對於各種回收信號的收集與處理進行了詳細的分析和對比，並以複合材料為例，對於信號處理和算法的研究與設計進行了詳細的論述。
本書適宜從事無損監測的專業人士參考。
目錄信息
第1章緒論1
1.1概述1
1.2無損檢測技術分析3
1.3聲發射檢測技術研究現狀及分析5
1.3.1聲發射檢測技術概念5
1.3.2聲發射信號採集處理系統6
1.3.3聲發射信號分析技術8
1.3.4聲發射信號去噪技術12
1.3.5聲發射源定位技術13
1.3.6聲發射信號特徵參數提取技術17
1.3.7聲發射源識別技術19
1.4存在主要問題21
第2章聲發射信號傳播特性實驗研究23
2.1引言23
2.2諧波小波包分析原理24
2.2.1二進諧波小波原理24
2.2.2廣義諧波小波原理31
2.3聲發射信號傳播特性分析36
2.3.1聲發射波的傳播原理36
2.3.2聲發射信號傳播實例分析37
2.3.3聲發射參數衰減結果43
2.3.4聲發射信號衰減的諧波小波包分析46
2.4本章小結51
第3章聲發射信號去噪算法研究52
3.1引言52
3.2小波閾值去噪原理53
3.2.1閾值函式選擇及閾值最佳化55
3.2.2小波基函式的確定57
3.3經驗模態分解及去噪原理59
3.3.1經驗模態分解原理59
3.3.2經驗模態分解的濾波特性60
3.3.3經驗模態分解去噪原理62
3.4經驗模式分解及小波結合去噪原理64
3.4.1IMF-Wavelet去噪原理64
3.4.2EMD-Wavelet去噪原理65
3.4.3Wavelet-EMD去噪原理65
3.5去噪效果評價65
3.6仿真實驗及分析66
3.6.1標準信號去噪實驗66
3.6.2模擬AE信號去噪實例分析71
3.7本章小結73
第4章聲發射信號智慧型定位算法研究74
4.1引言74
4.2基於最小二乘支持向量回歸的聲發射源線性定位方法75
4.2.1最小二乘支持向量回歸原理76
4.2.2基於粒子群算法的LS-SVM回歸的參數最佳化77
4.2.3利用LS-SVM回歸進行聲發射源線性定位81
4.2.4聲發射源線性定位實驗分析83
4.3基於多輸出支持向量回歸的聲發射源平面定位方法86
4.3.1單輸出支持向量回歸原理87
4.3.2多輸出支持向量回歸原理及算法88
4.3.3多輸出支持向量回歸算法仿真驗證90
4.3.4聲發射源平面定位實驗與分析92
4.4本章小結99
第5章聲發射信號識別算法研究100
5.1引言100
5.2基於諧波小波包分解的聲發射信號特徵提取101
5.2.1特徵評價方法102
5.2.2諧波小波包分解特徵提取步驟103
5.2.3諧波小波包分解頻帶確定104
5.3基於支持向量多分類器的聲發射源類型識別105
5.3.1支持向量機分類原理106
5.3.2支持向量機多分類器設計109
5.3.3支持向量機模型參數最佳化111
5.4仿真分析及實驗驗證115
5.4.1基於小生境粒子群算法的SVM參數最佳化驗證115
5.4.2壓斷實驗116
5.4.3諧波小波包分解特徵提取驗證120
5.4.4支持向量多分類器聲發射源類型識別驗證122
5.5本章小結125
參考文獻127
1.1概述1
1.2無損檢測技術分析3
1.3聲發射檢測技術研究現狀及分析5
1.3.1聲發射檢測技術概念5
1.3.2聲發射信號採集處理系統6
1.3.3聲發射信號分析技術8
1.3.4聲發射信號去噪技術12
1.3.5聲發射源定位技術13
1.3.6聲發射信號特徵參數提取技術17
1.3.7聲發射源識別技術19
1.4存在主要問題21
第2章聲發射信號傳播特性實驗研究23
2.1引言23
2.2諧波小波包分析原理24
2.2.1二進諧波小波原理24
2.2.2廣義諧波小波原理31
2.3聲發射信號傳播特性分析36
2.3.1聲發射波的傳播原理36
2.3.2聲發射信號傳播實例分析37
2.3.3聲發射參數衰減結果43
2.3.4聲發射信號衰減的諧波小波包分析46
2.4本章小結51
第3章聲發射信號去噪算法研究52
3.1引言52
3.2小波閾值去噪原理53
3.2.1閾值函式選擇及閾值最佳化55
3.2.2小波基函式的確定57
3.3經驗模態分解及去噪原理59
3.3.1經驗模態分解原理59
3.3.2經驗模態分解的濾波特性60
3.3.3經驗模態分解去噪原理62
3.4經驗模式分解及小波結合去噪原理64
3.4.1IMF-Wavelet去噪原理64
3.4.2EMD-Wavelet去噪原理65
3.4.3Wavelet-EMD去噪原理65
3.5去噪效果評價65
3.6仿真實驗及分析66
3.6.1標準信號去噪實驗66
3.6.2模擬AE信號去噪實例分析71
3.7本章小結73
第4章聲發射信號智慧型定位算法研究74
4.1引言74
4.2基於最小二乘支持向量回歸的聲發射源線性定位方法75
4.2.1最小二乘支持向量回歸原理76
4.2.2基於粒子群算法的LS-SVM回歸的參數最佳化77
4.2.3利用LS-SVM回歸進行聲發射源線性定位81
4.2.4聲發射源線性定位實驗分析83
4.3基於多輸出支持向量回歸的聲發射源平面定位方法86
4.3.1單輸出支持向量回歸原理87
4.3.2多輸出支持向量回歸原理及算法88
4.3.3多輸出支持向量回歸算法仿真驗證90
4.3.4聲發射源平面定位實驗與分析92
4.4本章小結99
第5章聲發射信號識別算法研究100
5.1引言100
5.2基於諧波小波包分解的聲發射信號特徵提取101
5.2.1特徵評價方法102
5.2.2諧波小波包分解特徵提取步驟103
5.2.3諧波小波包分解頻帶確定104
5.3基於支持向量多分類器的聲發射源類型識別105
5.3.1支持向量機分類原理106
5.3.2支持向量機多分類器設計109
5.3.3支持向量機模型參數最佳化111
5.4仿真分析及實驗驗證115
5.4.1基於小生境粒子群算法的SVM參數最佳化驗證115
5.4.2壓斷實驗116
5.4.3諧波小波包分解特徵提取驗證120
5.4.4支持向量多分類器聲發射源類型識別驗證122
5.5本章小結125
參考文獻127
