稀數(shù)據(jù)下結構健康狀態(tài)超聲導波監(jiān)測技術

第1章 基于超聲導波的結構健康狀態(tài)智能監(jiān)測概述
1．1 超聲導波檢測概述
1．1．1 超聲導波檢測概念
1．1．2 超聲導波檢測技術分類
1．2 結構健康狀態(tài)超聲導波監(jiān)測概述
1．2．1 超聲導波主要特性
1．2．2 超聲導波特性分析方法
1．3 結構健康狀態(tài)超聲導波監(jiān)測系統(tǒng)
1．3．1 超聲導波監(jiān)測系統(tǒng)組成
1．3．2 超聲導波主動傳感模塊組成
1．4 結構健康狀態(tài)超聲導波監(jiān)測研究進展
1．4．1 超聲導波信號處理算法國內(nèi)外研究進展
1．4．2 基于數(shù)據(jù)驅(qū)動的結構健康狀態(tài)監(jiān)測研究進展
1．4．3 稀數(shù)據(jù)深度學習方法研究進展
第2章 稀數(shù)據(jù)下結構健康狀態(tài)超聲導波監(jiān)測理論基礎
2．1 超聲導波完備性結構健康狀態(tài)監(jiān)測系統(tǒng)基礎
2．1．1 完備性監(jiān)測框架概述
2．1．2 超聲導波特征提取
2．1．3 超聲導波結構健康狀態(tài)識別
2．2 稀數(shù)據(jù)下超聲導波數(shù)據(jù)增強監(jiān)測理論基礎
2．2．1 數(shù)據(jù)增強方法概述
2．2．2 時序信號數(shù)據(jù)增強理論基礎
2．2．3 稀數(shù)據(jù)下超聲導波數(shù)據(jù)增強策略
2．3 稀數(shù)據(jù)下超聲導波多任務監(jiān)測理論基礎
2．3．1 多任務學習方法概述
2．3．2 有監(jiān)督多任務學習理論基礎
2．3．3 稀數(shù)據(jù)下超聲導波多任務學習策略
2．4 稀數(shù)據(jù)下超聲導波遷移學習監(jiān)測理論基礎
2．4．1 遷移學習方法概述
2．4．2 直推式遷移學習理論基礎
2．4．3 稀數(shù)據(jù)下超聲導波遷移學習策略
2．5 本章小結
第3章 基于超聲導波的結構健康狀態(tài)深度網(wǎng)絡監(jiān)測新型框架
3．1 超聲導波監(jiān)測新型框架
3．2 超聲導波深度網(wǎng)絡監(jiān)測模型
3．2．1 超聲導波特征融合網(wǎng)絡
3．2．2 超聲導波局部特征提取網(wǎng)絡
3．2．3 超聲導波時序特征提取網(wǎng)絡
3．3 基于超聲導波時頻特征融合的深度網(wǎng)絡監(jiān)測方法
3．3．1 SWT-AE方法流程
3．3．2 SWT-AE監(jiān)測結果分析
3．4 基于超聲導波局部特征編碼的深度網(wǎng)絡監(jiān)測方法
3．4．1 CAE-LSTM方法流程
3．4．2 編碼信號監(jiān)測結果分析
3．4．3 超聲導波監(jiān)測稀數(shù)據(jù)特性實驗分析
3．4．4 超聲導波監(jiān)測稀數(shù)據(jù)知識遷移策略
3．5 本章小結
第4章 基于數(shù)據(jù)增強深度學習的結構健康狀態(tài)半監(jiān)督監(jiān)測技術
4．1 數(shù)據(jù)增強深度學習概述
4．2 結構狀態(tài)異常檢測方法
4．2．1 超聲導波信號卷積降維
4．2．2 超聲導波信號異常分析
4．3 基于孿生卷積網(wǎng)絡的超聲導波半監(jiān)督成像方法
4．3．1 訓練樣本及測試樣本標準化方法
4．3．2 模擬損傷信號生成的數(shù)據(jù)擴充機制
4．3．3 超聲導波異常監(jiān)測模型構建方法
4．3．4 基于多路徑異常特征的損傷成像機理
4．4 稀數(shù)據(jù)集半監(jiān)督成像監(jiān)測實驗
4．4．1 半監(jiān)督結構狀態(tài)監(jiān)測實驗設置
4．4．2 模擬損傷信號重構結果分析
……
第5章 基于共享特征的結構健康狀態(tài)多任務深度監(jiān)測技術
第6章 基于特征適應深度遷移的跨結構健康狀態(tài)監(jiān)測技術
第7章 結論與展望
參考文獻