声明
东华大学学位论文版权使用授权书
摘要
第一章 绪论
1.1 引言
1.1.1 PE/PE自增强复合材料的研究状况
1.1.2 基于声发射技术的复合材料损伤失效研究状况
1.1.3 PE/PE自增强复合材料损伤机理研究进展
1.2 课题的提出和研究内容
1.2.1 研究目的、方法和创新
1.2.2 论文的章节安排
第二章 PE/PE层合板拉伸损伤过程的声发射特征
2.1 声发射检测技术
2.1.1 声发射及声发射检测技术的原理
2.1.2 声发射波的传播
2.1.3 影响声发射特征的因素
2.1.4 声发射检测技术的特点
2.1.5 纤维增强复合材料的声发射源
2.1.6 声发射信号的类型和基本特征
2.1.7 声发射技术发展概况
2.2 声发射信号的参数分析
2.3 PE/PE复合材料层合板拉伸破坏实验和声发射特征
2.3.1 原材料性能
2.3.2 差示扫描量热法
2.3.3 复合材料样品制备
2.3.4 拉伸测试和声发射试验
2.4 试验结果与讨论
2.4.1 试样损伤过程中的AE响应
2.4.2 试样损伤过程AE信号幅度分布特征
2.4.3 试样损伤过程AE信号幅度和持续时间的关系
2.4.4 试样损伤进程中的AE信号特征变化
2.5 本章小结
第三章 PE/PE层合板损伤声发射信号的频率特征
3.1 Fourier变换的基本原理
3.1.1 连续Fourier变换
3.1.2 离散Fourier变换
3.2 声发射信号的频谱分析
3.2.1 声发射实验
3.2.2 结果和讨论
3.3 本章小结
第四章 声发射信号的聚类和判别分析
4.1 基于UPR方式的AE信号聚类分析
4.1.1 AE信号聚类分析过程
4.1.2 相似性测度和数据标准化
4.1.3 聚类变量的选择
4.1.4 基于k-means方法的AE信号聚类分析
4.2 试验结果与讨论
4.2.1 基体损伤信号的聚类结果
4.2.2 90°单层板损伤信号的聚类结果
4.2.3 浸有LDPE纤维束损伤信号的聚类结果
4.2.4 [+45°/-45°]层合板损伤信号的聚类分析
4.3 基于SPR方式的AE信号判别分析
4.3.1 各类损伤信号在模式空间的可分离性
4.3.2 基于距离测度的声发射信号判别分析方法
4.3.3 判别结果的分析和讨论
4.4 本章小结
第五章 基于神经网络方法的声发射信号模式识别
5.1 人工神经网络方法
5.1.1 多层前向BP网络的基本结构
5.1.2 神经网络的性能学习规则
5.1.3 性能指数的优化算法
5.1.4 BP法的基本原理和算法步骤
5.1.5 标准BP算法的缺点和改进方法
5.1.6 自组织竞争网络的基本结构和学习过程
5.2 基于SOC网络的声发射信号分类
5.2.1 基体试样AE信号聚类分析
5.2.2 90°单层板AE信号聚类分析
5.2.3 纤维束AE信号聚类分析
5.2.4 [+45°/-45°]层合板AE信号聚类分析
5.3 基于BP网络的AE信号识别
5.3.1 BP网络的构建
5.3.2 实验结果分析与讨论
5.4 本章小结
第六章 总结与展望
6.1 本文工作总结
6.2 后续研究工作展望
参考文献
附录
攻读学位期间发表论文情况
致谢