基于小波神经网络的复合材料损伤声发射信号识别方法研究

论文摘要

复合材料是由两种或两种以上不同性能的材料所组成,它既发挥了每种材料各自的优点,又克服单一材料的缺陷,从而扩大了材料的应用范围。复合材料的损伤破坏形式复杂多样,其对应的声发射信号表现为瞬态非平稳信号。传统的声发射信号分析方法在分析这类信号时具有一定的局限性,因此如何采用合理有效的信号分析手段从大量的声发射信号中辨别出表征不同类型的损伤信号,就成为研究FRP复合材料损伤声发射信号识别技术的关键。本文运用小波分析在信号去噪和特征提取中的相关理论知识,结合实际声发射信号的特点采用阈值去噪方法剔出了噪声信号的干扰,并对降噪处理后的信号进行四层小波包分解,提取分解后各节点能量作为神经网络的输入。在结构上选取“紧致型”的小波神经网络,以Morlet小波函数作为隐含层激励函数,网络学习训练过程基于误差的逆向传播,按照梯度下降方向调整网络参数,同时为了避免网络陷入局部最优解中,引入遗传算法对网络的初始参数进行优化,进而改善了网络的收敛性能和稳定性能。将构造出的小波神经网络应用到实验数据的分析中,结果表明该网络不仅能够满足较高的误差精度要求,而且具有良好的识别和泛化能力。为了实现对FRP复合材料损伤模式识别的程序化,本文还借助计算机语言完成了相关软件的设计。

论文目录

• 摘要
• ABSTRACT
• 创新点摘要
• 第一章 绪论
• 1.1 选题的背景及意义
• 1.2 声发射信号分析处理方法与识别技术
• 1.2.1 参数分析法
• 1.2.2 波形分析法
• 1.2.3 人工神经网络
• 1.2.4 小波神经网络
• 1.3 本文主要研究内容
• 第二章 FRP 复合材料损伤声发射信号的预处理
• 2.1 小波分析
• 2.1.1 小波变换基本理论
• 2.1.2 小波包基本理论
• 2.2 FRP 复合材料声发射信号的小波阈值去噪
• 2.2.1 阈值函数的选择及阈值准则的确定
• 2.2.2 小波基的选取
• 2.2.3 确定分解层数
• 2.2.4 实验数据分析
• 2.3 小波包信号特征提取
• 2.4 本章小结
• 第三章 小波神经网络在FRP 复合材料损伤模式识别中的应用
• 3.1 小波神经网络概述
• 3.1.1 小波神经网络的结构形式
• 3.1.2 小波神经网络的特点
• 3.2 小波神经网络的BP 学习算法
• 3.3 小波神经网络的构建
• 3.3.1 激励函数
• 3.3.2 隐层节点数
• 3.3.3 小波神经网络与BP 神经网络的比较
• 3.4 实验数据分析
• 3.4.1 实验数据采集
• 3.4.2 数据分析处理与模式识别
• 3.5 本章小结
• 第四章 基于遗传算法优化小波神经网络的FRP 复合材料损伤声发射信号分析
• 4.1 遗传算法基本原理
• 4.1.1 遗传算法的编码
• 4.1.2 遗传算法的适度函数
• 4.1.3 遗传算子
• 4.2 遗传算法优化神经网络
• 4.2.1 小波神经网络需优化的原因
• 4.2.2 遗传算法的实现步骤
• 4.3 改进小波神经网络在FRP 损伤模式识别中的应用
• 4.4 本章小结
• 第五章FRP 复合材料损伤声发射信号模式识别软件开发
• 5.1 软件的开发环境和设计原则
• 5.2 软件的组成及功能设计
• 5.2.1 数据载入模块
• 5.2.2 信号预处理模块
• 5.2.3 神经网络识别模块
• 5.3 本章小结
• 结论与展望
• 参考文献
• 发表文章目录
• 致谢
• 详细摘要