基于小波分析及神经网络的混凝土内部缺陷智能识别PDF电子书下载

第1章 绪论 1

1.1 引言 1

1.2 国内外混凝土缺陷检测研究进展 2

1.3 混凝土缺陷检测存在的问题 3

1.4 高效新型信息处理技术的发展 4

1.4.1 频谱分析在无损检测中的应用发展 4

1.4.2 小波分析和神经网络在无损检测中的应用发展 5

1.5 本书研究内容和技术路线 6

1.5.1 主要研究内容 6

1.5.2 研究技术路线 7

第2章 超声波检测理论及检测系统设计 8

2.1 超声波检测的理论 8

2.1.1 超声波的一般概念 8

2.1.2 超声波在弹性介质中的波动方程 9

2.1.3 超声波在混凝土中的传播方式 11

2.1.4 超声波的衰减 13

2.1.5 超声检测混凝土缺陷的原理 14

2.2 检测系统设计 15

2.2.1 超声检测设备 15

2.2.2 检测方法 16

2.2.3 试件制备及规格 16

2.3 超声信号处理 18

2.3.1 信号采集 18

2.3.2 信号预处理 18

2.4 观察法检测结果分析 20

2.5 本章小结 22

第3章 混凝土内部缺陷超声检测频谱分析 23

3.1 概述 23

3.2 频谱分析的理论及应用研究 23

3.2.1 傅立叶变换 24

3.2.2 快速傅立叶变换及其应用研究 24

3.2.3 功率谱及其应用研究 27

3.3 本章小结 30

第4章 基于小波分析的混凝土缺陷特征信息提取 31

4.1 概述 31

4.2 小波分析 31

4.2.1 小波分析的发展 31

4.2.2 小波分析国内外研究现状 33

4.2.3 小波分析的定义 34

4.2.4 小波变换的特点 36

4.2.5 常用小波基简介 37

4.2.6 小波函数的选择 40

4.2.7 基于小波分析的多分辨率分析 40

4.2.8 小波分析在超声信号消噪方面的应用 43

4.3 小波包分析 47

4.3.1 小波包概述 47

4.3.2 小波包的定义 48

4.4 基于小波包分析的混凝土缺陷特征提取 48

4.4.1 小波包分析步骤 49

4.4.2 小波包分析结果 49

4.5 本章小结 53

第5章 基于神经网络的混凝土缺陷定量识别 54

5.1 概述 54

5.2 神经网络的发展 54

5.3 神经网络的基本原理及特点 55

5.4 BP神经网络 57

5.4.1 BP网络结构 57

5.4.2 BP算法原理 57

5.4.3 BP算法参数选取 59

5.4.4 基于BP神经网络对混凝土缺陷定量识别 61

5.4.5 检测结果分析 70

5.5 本章小结 70

第6章 小波分析及神经网络在混凝土裂缝深度诊断上的应用 71

6.1 概述 71

6.2 理论基础 73

6.2.1 小波分析 73

6.2.2 RBF神经网络 73

6.3 基于能量法的特征向量构造 74

6.4 试验验证 74

6.5 本章小结 78

第7章 基于小波分析及神经网络内孔透射法灌注桩检测研究 79

7.1 概述 79

7.2 理论基础 81

7.3 能量特征向量的构造 82

7.4 试验验证 83

7.4.1 试验系统 83

7.4.2 声速法识别 83

7.4.3 频谱能量法识别 84

7.5 本章小结 85

第8章 低应变法灌注桩缺陷检测研究及小波分析和神经网络应用 86

8.1 概述 86

8.2 反射波法基本原理 87

8.2.1 反射波法基本模型 87

8.2.2 应力波在桩身传播和缺陷诊断原理 88

8.3 试验验证及工程实例分析 90

8.3.1 检测系统 90

8.3.2 检测结果计算及效果分析 94

8.3.3 工程实例分析 96

8.4 小波分析去噪在桩基检测上的应用 101

8.4.1 不同小波基对去噪的影响 102

8.4.2 不同分解层数对去噪的影响 103

8.4.3 去噪效果分析 103

8.5 小波神经网络在桩基检测上的应用 105

8.5.1 小波神经网络 105

8.5.2 广义能量特征向量的构造 105

8.5.3 试验验证 105

8.6 本章小结 107

第9章 结论 108

9.1 主要结论 108

9.2 研究展望 108

参考文献 110