前言

早期声发射信号处理主要采用对信号的波形参数进行分析的方法，手段比较单一。近年来，小波分析、机器学习、人工神经网络等新技术的出现引起了各行各业的深刻变革，在声发射信号处理领域亦不例外，一些新的研究成果如雨后春笋般出现。但据著者多年信号处理研究经验，只运用某一项技术对声发射信号进行研究可能是不够的，每项技术都有它的优势和劣势。本书运用上面提到的多项新技术的组合，对声发射信号消噪和识别展开研究，这为本书研究成果带来了一定的新意。利用K-means聚类算法对经声发射信号小波分解的高频系数进行分类，确定去除噪声对应的小波分解系数阈值，对小波分解系数阈值化后进行小波系数重构，达到对声发射信号去噪的目的；对声发射信号进行小波变换，提取细节特征作为识别特征向量，利用训练成熟的人工神经网络对识别特征向量进行分类识别，确定缺陷类型。

本书由周俊、朱文耀、王超著。本书的出版得到了重庆市教育委员会科学技术研究计划“基于深度学习的声发射信号消噪和识别模型”重点项目资助（项目编号：KJZDK201904401），同时也得到了重庆商务职业学院高层次人才启动项目基金的支持。在声发射信号采集实验中，得到了后勤工程学院硕士研究生陈涛的大力支持。特别感谢重庆商务职业学院科研与发展规划处处长赵崇平教授在具体事务上的指导和帮助。

著者