| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·研究背景及意义 | 第9-10页 |
| ·研究现状 | 第10-14页 |
| ·超声信号特征提取和信号处理技术研究现状 | 第11-13页 |
| ·超声缺陷识别技术研究现状 | 第13-14页 |
| ·论文主要工作和结构安排 | 第14-16页 |
| 第二章 激光超声检测原理及实验系统 | 第16-24页 |
| ·激光超声缺陷检测原理 | 第16-17页 |
| ·缺陷检测实验系统 | 第17-19页 |
| ·超声信号分析 | 第19-23页 |
| ·反射波信号分析 | 第19-21页 |
| ·透射波信号分析 | 第21-23页 |
| ·本章小结 | 第23-24页 |
| 第三章 基于 Kohonen 网络的缺陷智能识别 | 第24-31页 |
| ·Kohonen 网络的基本原理 | 第24-27页 |
| ·Kohonen 网络结构 | 第25页 |
| ·Kohonen 网络的工作原理 | 第25-27页 |
| ·基于 Kohonen 网络的缺陷识别算法 | 第27-28页 |
| ·S_Kohonen 网络原理 | 第27页 |
| ·改进的 S_Kohonen 网络 | 第27-28页 |
| ·实验结果及分析 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 激光超声信号的特征提取与降维研究 | 第31-53页 |
| ·KPCA | 第32-38页 |
| ·核函数 | 第32-35页 |
| ·KPCA 算法 | 第35-37页 |
| ·中心化问题 | 第37-38页 |
| ·KECA | 第38-42页 |
| ·KECA | 第38-41页 |
| ·KECA 中心化问题 | 第41页 |
| ·KECA 算法步骤 | 第41-42页 |
| ·KPCA 和 KECA 算法应用 | 第42-52页 |
| ·SVM | 第42-44页 |
| ·基于 KPCA 和 SVM 的激光超声缺陷分类识别 | 第44-46页 |
| ·基于 KECA 和 SVM 的激光超声缺陷分类识别 | 第46-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 总结与展望 | 第53-55页 |
| ·研究主要内容及成果 | 第53-54页 |
| ·存在的问题及以后的工作展望 | 第54-55页 |
| 参考文献 | 第55-59页 |
| 读硕士学位期间发表的论文 | 第59-60页 |
| 致谢 | 第60-61页 |