您好,欢迎来到聚文网。 登录 免费注册
基于机器学习的声发射信号处理算法研究

基于机器学习的声发射信号处理算法研究

  • 字数: 72500
  • 装帧: 平装
  • 出版社: 电子工业出版社
  • 作者: 周俊,朱文耀,王超
  • 出版日期: 2021-01-01
  • 商品条码: 9787121388965
  • 版次: 1
  • 开本: 16开
  • 页数: 100
  • 出版年份: 2021
定价:¥68 销售价:登录后查看价格  ¥{{selectedSku?.salePrice}} 
库存: {{selectedSku?.stock}} 库存充足
{{item.title}}:
{{its.name}}
精选
内容简介
本书共5章,介绍了声发射信号处理方法、研究现状,结合人工智能发展探讨了机器学习在声发射信号消噪和识别中的应用,研究了K-means聚类算法与小波分析对声发射信号进行去噪的方法,以及小波分析提取声发射信号特征的方法,并利用人工神经网络对声发射信号特征进行分类识别以确定声发射信号的类型。本书介绍了部分人工智能前沿动态,适合声发射信号处理、人工智能方向的研究人员阅读,也可作为相关专业研究生的参考资料。
目录
第1章 绪论
1.1 声发射信号基本概念
1.2 声发射信号处理方法
1.2.1 参数分析法
1.2.2 波形分析法
1.2.3 模式识别法
1.3 人工智能的基本概念
1.4 人工智能发展历程
1.5 机器学习典型算法
1.6 人机器学习应用在声发射信号处理中的意义
1.7 声发射信号处理研究现状
1.7.1 声发射信号消噪研究现状
1.7.2 声发射信号模式识别研究现状
1.8 深度学习在声发射信号处理中的应用前景
1.9 主要研究内容与总体技术路线
1.9.1 主要研究内容
1.9.2 总体技术路线
第2章 声发射信号采集
2.1 冷凝声发射信号采集
2.2 腐蚀声发射信号采集
2.3 裂纹声发射信号采集
2.4 其他噪声声发射源分析
第3章 基于K-means聚类算法与小波分析的声发射信号去噪
3.1 小波变换基本理论
3.2 小波阈值去噪方法
3.3 基于K-MEANS聚类算法的小波去噪阈值生成
3.3.1 K-means算法简介
3.3.2 K-means聚类算法流程
3.4 实验结果与分析
第4章 基于小波分析与BP神经网络的声发射信号特征提取与识别
4.1 人工神经网络
4.1.1 BP神经网络
4.1.2 RBF神经网络
4.2 基于小波分析的声发射信号特征提取
4.3 BP神经网络设计与训练
4.3.1 BP神经网络设计
4.3.2 BP神经网络算法流程
4.4 实验结果与分析
4.4.1 隐藏层神经元的确定
4.4.2 BP和RBF神经网络识别性能比较
第5章 完成的主要研究工作
参考文献

蜀ICP备2024047804号

Copyright 版权所有 © jvwen.com 聚文网