幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

錨桿-圍岩系統智能無損檢測理論與方法

  • 作者：孫曉雲|責編:楊昕//宋芳
  • 出版社：科學
  • ISBN：9787030801944
  • 出版日期：2024/12/01
  • 裝幀：平裝
  • 頁數：161
人民幣：RMB 142 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書圍繞錨桿-圍岩系統的智能無損檢測技術，採用理論分析、建模模擬、信號處理、試驗研究等手段開展了綜合研究，系統介紹了錨桿-圍岩系統錨固質量的智能檢測技術。本書主要內容包括錨桿錨固質量無損檢測國內外研究現狀、錨桿-圍岩系統無損檢測預備知識、基於應力波和磁致伸縮導波的數值模擬方法、錨桿-圍岩系統無損檢測試驗、無損檢測數據預處理、基於頻率響應函數和概率神經網路的無損檢測方法、基於Elman神經網路的無損檢測方法、基於生成對抗網路的零樣本缺陷識別方法、CREA錨桿拉伸形變識別方法。
    本書可供從事與錨桿-圍岩系統相關的邊坡工程、礦山工程、地下工程、交通工程等領域的高等院校師生、科研人員和工程技術人員參考使用。
作者介紹
孫曉雲|責編:楊昕//宋芳
    孫曉雲，教授，工學博士，教授，博士生導師，教育部電氣類專業教學指導委員會委員。主要從事無損檢測及信息處理技術、電機智能控制、礦山安全監測等方面的教學和科研工作。主要承擔了國家級項目5項，出版著作5部。
目錄
第1章  緒論
  1.1  背景及意義
  1.2  錨桿錨固質量無損檢測國內外研究現狀
    1.2.1  基於應力波的錨桿錨固質量無損檢測國內外研究現狀
    1.2.2  基於電磁超聲的錨桿錨固質量無損檢測國內外研究現狀
  1.3  主要研究內容
第2章  錨桿-圍岩系統無損檢測預備知識
  2.1  常見錨桿類型
    2.1.1  傳統錨桿
    2.1.2  新型錨桿
  2.2  導波無損檢測基礎知識
    2.2.1  導波在錨桿-圍岩系統中的傳播
    2.2.2  導波的衰減
    2.2.3  頻散曲線
  2.3  導波激勵信號及信號處理相關知識
    2.3.1  應力波激勵信號
    2.3.2  基於小波的信號處理理論
第3章  基於應力波的錨桿-圍岩系統數值模擬
  3.1  砂漿錨桿-圍岩系統的數值模擬
    3.1.1  自由錨桿響應數值模擬
    3.1.2  完整錨桿-圍岩系統數值模擬
    3.1.3  錨固系統錨桿缺陷數值模擬
    3.1.4  錨固系統灌漿層缺陷數值模擬
  3.2  CREA錨桿-圍岩系統數值模擬
    3.2.1  CREA模型建立
    3.2.2  CREA錨桿受荷響應數值模擬
    3.2.3  CREA錨固系統受荷響應數值模擬
第4章  基於磁致伸縮導波的錨桿-圍岩系統數值模擬
  4.1  磁致伸縮導波無損檢測原理
  4.2  基於磁致伸縮效應的電磁超聲換能器換能機理
  4.3  基於磁致伸縮效應的電磁超聲換能器換能效率分析
    4.3.1  基於磁致伸縮效應的電磁超聲換能器有限元模型建立
    4.3.2  激勵頻率對磁致伸縮電磁超聲換能器換能效率的影響
    4.3.3  提離距離對磁致伸縮電磁超聲換能器效率的影響
    4.3.4  線圈匝數對磁致伸縮電磁超聲換能效率的影響
    4.3.5  偏置磁場對磁致伸縮電磁超聲換能器換能效率的影響
  4.4  砂漿錨桿-圍岩系統數值模擬
    4.4.1  完整錨桿-圍岩系統數值模擬
    4.4.2  錨固系統錨桿缺陷數值模擬
    4.4.3  錨桿-圍岩系統灌漿層缺陷數值模擬
第5章  錨桿-圍岩系統無損檢測試驗
  5.1  錨桿模型製備
  5.2  基於應力波的激振與拾振系統
  5.3  基於磁致伸縮超聲導波的激振與拾振系統
  5.4  CREA錨桿-圍岩系統無損檢測試驗與分析
第6章  錨桿-圍岩系統無損檢測數據預處理
  6.1  小波閾值降噪方法
    6.1.1  小波閾值降噪原理
    6.1.2  錨桿實測信號的小波降噪
  6.2  變分模態分解與獨立分量分析聯合降噪方法

    6.2.1  變分模態分解原理
    6.2.2  變分模態分解參數選擇
    6.2.3  VMD-ICA聯合降噪方法
    6.2.4  錨桿實測信號的VMD和ICA聯合降噪
第7章  基於頻率響應函數和概率神經網路的無損檢測方法
  7.1  頻率響應函數
    7.1.1  頻率響應函數的概念
    7.1.2  頻率響應函數的質量評價
  7.2  主元分析法
    7.2.1  主元分析的基本原理
    7.2.2  選取主元個數
    7.2.3  對實測數據提取主元
  7.3  概率神經網路
    7.3.1  PNN的理論基礎
    7.3.2  PNN的數學描述
    7.3.3  PNN演算法
  7.4  粒子群優化演算法優化PNN參數
    7.4.1  粒子群優化演算法概述
    7.4.2  動態調整PSO演算法學習參數
    7.4.3  基於PSO演算法優化PNN參數
  7.5  基於PNN的錨桿無損檢測
    7.5.1  PNN的缺陷識別模型
    7.5.2  PNN對錨桿的缺陷識別與分析
    7.5.3  PSO演算法優化PNN對錨桿-圍岩系統缺陷識別與分析
第8章  基於Elman神經網路的無損檢測方法
  8.1  基於FNN的缺陷識別
    8.1.1  FNN的結構
    8.1.2  FNN訓練演算法
    8.1.3  神經網路輸入數據的處理
    8.1.4  隱含層節點數和學習率對FNN的影響分析
  8.2  基於SO-Elman神經網路的缺陷識別
    8.2.1  Elman神經網路結構及學習演算法
    8.2.2  修剪型Elman神經網路結構設計
    8.2.3  增長型Elman神經網路結構設計
    8.2.4  神經網路自組織參數設計
    8.2.5  神經網路學習率自適應設計
    8.2.6  基於SO-Elman神經網路的錨桿-圍岩系統無損檢測結果分析
  8.3  基於改進雞群演算法的優化Elman神經網路
    8.3.1  CSO演算法
    8.3.2  ICSO演算法
    8.3.3  基於ICSO演算法的Elman神經網路模型
    8.3.4  基於磁致伸縮導波的錨桿-圍岩系統缺陷分類試驗
第9章  基於生成對抗網路的零樣本缺陷識別方法
  9.1  生成對抗網路理論介紹
    9.1.1  生成對抗網路基本理論
    9.1.2  GAN的特點
  9.2  多尺度卷積生成對抗網路設計
    9.2.1  多尺度卷積生成對抗網路框架中生成器的構造
    9.2.2  生成對抗網路框架中判別器的構造
    9.2.3  基於MSCGAN的零樣本缺陷識別

  9.3  試驗結果與分析
    9.3.1  卷積生成對抗網路與其他演算法的比較
    9.3.2  不同尺度的卷積生成對抗網路之間的比較
第10章  CREA錨桿拉伸形變識別方法
  10.1  貝葉斯優化
    10.1.1  貝葉斯優化器
    10.1.2  貝葉斯優化原理
  10.2  CREA錨桿拉伸形變識別
    10.2.1  基於貝葉斯優化的卷積神經網路模型
    10.2.2  基於貝葉斯優化CNN模型的錨桿錨固形變識別
    10.2.3  CREA錨桿拉伸形變識別結果與分析
參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032