研讨提取金属与非金属粘接结构微声激励融合检测技术结论

论文导读：考文献59-63攻读硕士学位期间发表的论文和探讨成果63-64致谢64
摘要：金属与非金属粘接由于具有连接质量轻、应力分布均匀、密封性好等优点，被广泛运用于航空、航天以及汽车等领域。金属与非金属粘接结构的力学性能够直接反映其粘接强度，由此，对这种材料粘接结构的力学性能测试，能够反映粘接质量的好坏，进而预防事故发生及提升产品质量。而现有的无损检测都只注重检测粘接结构的脱粘情况，无法对粘接强度进行有效检测，且检测策略易污染试件、检测速度慢，不适合在线检测，不能满足生产的实时需求。本论文中采取的微声激励检测策略是对粘接部位进行微声激励，通过阵列传感器获取粘接声信号，利用小波包变换对单个传感器的声信号进行分层，计算各层的能量，选取合适层的小波系数能量作为特点量，并通过时域和频域选取相应的特点量，BP神经网络对选取的特点量进行有关拉托力的网络训练，将训练后的阵列传感器作为阵列传感器的参考模型，得到粘接结构的拉托力数据，提出数据支持度加权融合算法，得到粘接部位力学性能的综合描述。该算法是通过对建立传感器数据间相互支持函数来对阵列传感器的各个传感器附加权值，避开因门限或阀值等人为因素带来的影响，使预报的拉托力范围与真实值相贴近。实验结果表明，本论文提出的微声激励融合检测技术能够有效的获取粘接部位的拉托力范围，贴近真实值，可实现在线快速、实时检测。关键词：特点提取论文数据融合论文粘接结构论文力学性能论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要4-5
ABSTRACT5-9
第1章 绪论9-16

1.1 课题的背景及作用9-10

1.2 国内外探讨近况及进展走势浅析10-13

1.3 多传感器信息融合在无损检测中的运用13-14

1.4 本论文主要内容及论文安排14-16

第2章 微声激励融合检测原理16-25

2.1 微声激励融合检测技术16-17

2.2 检测工作台的设计17-18

2.3 声阵列传感器分布与噪声屏蔽技术18-22

2.3.1 传感器的选择18-19

2.3.2 阵列传感器检测策略19-21

2.3.3 噪声处理技术21-22

2.4 多路微声信号放大与采集系统22-24

2.5 本章小结24-25

第3章 单传感器信号粘接特点提取25-40

3.1 声激励信号的采集25-26

3.

1.1 实验材料的选择25

3.

1.2 声激励信号采集历程25-26

3.2 声激励信号的粘接特点提取26-39
3.

2.1 粘接声信号的预处理27

3.

2.2 粘接声信号的时域特点提取27-30

3.

2.3 粘接声信号的频域特点提取30-35

3.

2.4 基于小波包的粘接声信号特点提取35-39

3.3 本章小结39-40
第4章 人工神经网络对粘接特点的处理40-48

4.1 人工神经网络介绍40-41

4.2 基于 BP 神经网络的粘接特点量训练41-47

4.

2.1 BP 神经网络算法41-44

4.

2.2 BP 神经网络对粘接特点量训练44-47

4.

2.3 实验数据浅析47

4.3 本章小结47-48
第5章 金属与非金属粘接力的多传感器数据融合预报策略48-57

5.1 数据融合48-52

5.

1.1 数据融合层次48-50

5.

1.2 数据融合主要算法50-52

5.2 基于数据支持度加权融合算法52-56
5.

2.1 基于标准差的加权融合算法52-53

5.

2.2 实验数据验证53-54

5.

2.3 基于数据支持度加权融合算法54-55

5.

2.4 两种算法比较55-56

5.3 本章小结56-57
第6章 总结及展望57-59
参考文献59-63
攻读硕士学位期间发表的论文和探讨成果63-64
致谢64