稀数据下结构健康状态超声导波监测技术

　　超声导波智能监测是超声导波领域的重要前沿方向，《稀数据下结构健康状态超声导波监测技术》系统地叙述了超声导波稀数据智能监测的理论及方法，综合利用了大数据建模和小样本泛化的优势，这对于航空航天、海工装备、轨道交通、电力等诸多领域中疲劳、磨损、腐蚀等结构损伤的智能化监测，都有着广泛的应用价值。为适合初学者阅读学习，《稀数据下结构健康状态超声导波监测技术》由浅入深进行论述，以训练样本缺失时的超声导波迁移监测技术为重点研究内容，基本涵盖了相关概述、理论基础、监测框架、数据增强、多任务增强、迁移增强等稀数据下结构健康状态超声导波监测的主要内容和技术方法。《稀数据下结构健康状态超声导波监测技术》可作为高等院校和科研单位有关科研工作者、技术人员、研究生和高年级本科生进行相关研究的参考资料。

暂缺《稀数据下结构健康状态超声导波监测技术》作者简介

第1章 基于超声导波的结构健康状态智能监测概述
1．1 超声导波检测概述
1．1．1 超声导波检测概念
1．1．2 超声导波检测技术分类
1．2 结构健康状态超声导波监测概述
1．2．1 超声导波主要特性
1．2．2 超声导波特性分析方法
1．3 结构健康状态超声导波监测系统
1．3．1 超声导波监测系统组成
1．3．2 超声导波主动传感模块组成
1．4 结构健康状态超声导波监测研究进展
1．4．1 超声导波信号处理算法国内外研究进展
1．4．2 基于数据驱动的结构健康状态监测研究进展
1．4．3 稀数据深度学习方法研究进展
第2章 稀数据下结构健康状态超声导波监测理论基础
2．1 超声导波完备性结构健康状态监测系统基础
2．1．1 完备性监测框架概述
2．1．2 超声导波特征提取
2．1．3 超声导波结构健康状态识别
2．2 稀数据下超声导波数据增强监测理论基础
2．2．1 数据增强方法概述
2．2．2 时序信号数据增强理论基础
2．2．3 稀数据下超声导波数据增强策略
2．3 稀数据下超声导波多任务监测理论基础
2．3．1 多任务学习方法概述
2．3．2 有监督多任务学习理论基础
2．3．3 稀数据下超声导波多任务学习策略
2．4 稀数据下超声导波迁移学习监测理论基础
2．4．1 迁移学习方法概述
2．4．2 直推式迁移学习理论基础
2．4．3 稀数据下超声导波迁移学习策略
2．5 本章小结
第3章 基于超声导波的结构健康状态深度网络监测新型框架
3．1 超声导波监测新型框架
3．2 超声导波深度网络监测模型
3．2．1 超声导波特征融合网络
3．2．2 超声导波局部特征提取网络
3．2．3 超声导波时序特征提取网络
3．3 基于超声导波时频特征融合的深度网络监测方法
3．3．1 SWT-AE方法流程
3．3．2 SWT-AE监测结果分析
3．4 基于超声导波局部特征编码的深度网络监测方法
3．4．1 CAE-LSTM方法流程
3．4．2 编码信号监测结果分析
3．4．3 超声导波监测稀数据特性实验分析
3．4．4 超声导波监测稀数据知识迁移策略
3．5 本章小结
第4章 基于数据增强深度学习的结构健康状态半监督监测技术
4．1 数据增强深度学习概述
4．2 结构状态异常检测方法
4．2．1 超声导波信号卷积降维
4．2．2 超声导波信号异常分析
4．3 基于孪生卷积网络的超声导波半监督成像方法
4．3．1 训练样本及测试样本标准化方法
4．3．2 模拟损伤信号生成的数据扩充机制
4．3．3 超声导波异常监测模型构建方法
4．3．4 基于多路径异常特征的损伤成像机理
4．4 稀数据集半监督成像监测实验
4．4．1 半监督结构状态监测实验设置
4．4．2 模拟损伤信号重构结果分析
……
第5章 基于共享特征的结构健康状态多任务深度监测技术
第6章 基于特征适应深度迁移的跨结构健康状态监测技术
第7章 结论与展望
参考文献