基於機器學習的聲發射信號處理算法研究

本書共5章，介紹了聲發射信號處理方法、研究現狀，結合人工智能發展探討了機器學習在聲發射信號消噪和識別中的應用，研究了K-means聚類算法與小波分析對聲發射信號進行去噪的方法，以及小波分析提取聲發射信號特徵的方法，並利用人工神經網絡對聲發射信號特徵進行分類識別以確定聲發射信號的類型。
本書介紹了部分人工智能前沿動態，適合聲發射信號處理、人工智能方向的研究人員閱讀，也可作為相關專業研究生的參考資料。

周俊正高級工程師，博士（後），1998年考入解放軍後勤工程學院，歷任火箭軍某基地助理工程師、工程師、高級工程師，2018年轉業；
現任教於重慶商務職業學院，是重慶商務職業學院人工智能技術應用協同創新中心負責人、智能產品開發專業帶頭人、重慶職業技能大賽專家庫專家、重慶市科學技術委員會項目評審專家、重慶市商務委員會專項資金評審專家；
主要研究領域為人工智能、圖像處理。
主持重慶市博士後科研項目和重慶市教委人文社會科學研究項目各1項、重慶市教委重點科技項目2項；
主研軍隊後勤科研項目3項，重慶市科學技術委員會前沿與應用基礎研究項目2項，重慶市高等教育教學改革研究項目1項；公開發表論文30餘篇，其中SCI論文收錄5篇、EI論文收錄5篇、北大中文核心期刊收錄5篇；出版學術專著2部；
授權發明專利1項、軟件著作權3項。

第1章緒論001
1．1聲發射信號基本概念003
1．2聲發射信號處理方法005
1．2．1參數分析法006
1．2．2波形分析法007
1．2．3模式識別法008
1．3人工智能的基本概念010
1．4人工智能發展歷程012
1．5機器學習典型算法014
1．6人機器學習應用在聲發射信號處理中的意義019
1．7聲發射信號處理研究現狀021
1．7．1聲發射信號消噪研究現狀021
1．7．2聲發射信號模式識別研究現狀023
1．8深度學習在聲發射信號處理中的應用前景027
1．9主要研究內容與總體技術路線029
1．9．1主要研究內容029
1．9．2總體技術路線031

第2章聲發射信號採集033
2．1冷凝聲發射信號採集035
2．2腐蝕聲發射信號採集037
2．3裂紋聲發射信號採集040
2．4其他噪聲聲發射源分析041

第3章基於K-means聚類算法與小波分析的聲發射信號去噪043
3．1小波變換基本理論046
3．2小波閾值去噪方法051
3．3基於K-MEANS聚類算法的小波去噪閾值生成053
3．3．1 K-means算法簡介053
3．3．2 K-means聚類算法流程054
3．4實驗結果與分析056

第4章基於小波分析與BP神經網絡的聲發射信號特徵提取與識別063
4．1人工神經網絡066
4．1．1 BP神經網絡067
4．1．2 RBF神經網絡067
4．2基於小波分析的聲發射信號特徵提取069
4．3 BP神經網絡設計與訓練075
4 ．3．1 BP神經網絡設計075
4．3．2 BP神經網絡算法流程076
4．4實驗結果與分析077
4．4．1隱藏層神經元的確定077
4．4．2 BP和RBF神經網絡識別性能比較082

第5章完成的主要研究工作085

參考文獻089