| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 第一章 绪论 | 第9-16页 |
| ·课题的提出及意义 | 第9-10页 |
| ·国内外研究现状 | 第10-13页 |
| ·论文的主要研究内容 | 第13-14页 |
| ·论文的内容安排 | 第14页 |
| ·本章小结 | 第14-16页 |
| 第二章 管道检测技术 | 第16-31页 |
| ·管道检测技术概况 | 第16-17页 |
| ·常用管道检测技术 | 第17-18页 |
| ·漏磁检测技术 | 第18-24页 |
| ·缺陷漏磁检测的基本原理 | 第18-20页 |
| ·管道漏磁检测系统 | 第20页 |
| ·漏磁场检测的流程 | 第20-21页 |
| ·缺陷外形对缺陷漏磁场的影响 | 第21页 |
| ·管道缺陷与漏磁信号之间的关系 | 第21-24页 |
| ·超声波检测技术 | 第24-29页 |
| ·超声波检测的基本原理 | 第25页 |
| ·超声波检测系统 | 第25-26页 |
| ·超声检测的工作过程 | 第26-27页 |
| ·超声检测的缺陷定位、定量和定性 | 第27-29页 |
| ·两种检测技术的特点及不足 | 第29-30页 |
| ·本章小结 | 第30-31页 |
| 第三章 多传感器数据融合技术 | 第31-38页 |
| ·数据融合技术起源及发展概况 | 第31-32页 |
| ·数据融合的定义和基本原理 | 第32页 |
| ·数据融合技术的通用模型 | 第32-33页 |
| ·多传感器数据融合系统结构 | 第33-34页 |
| ·数据融合的分类 | 第34-35页 |
| ·数据融合的处理过程 | 第35-36页 |
| ·数据融合技术的应用 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第四章 多传感器数据融合算法 | 第38-53页 |
| ·神经网络技术 | 第40-46页 |
| ·BP 神经网络模型 | 第40-41页 |
| ·BP 网络的学习算法 | 第41-42页 |
| ·学习过程具体步骤 | 第42-44页 |
| ·BP 算法的各种改进 | 第44-45页 |
| ·应用举例 | 第45-46页 |
| ·D-S 证据理论 | 第46-49页 |
| ·基本概念 | 第46-47页 |
| ·Dempster 组合规则 | 第47-48页 |
| ·决策准则 | 第48页 |
| ·D-S 证据理论的优缺点 | 第48-49页 |
| ·神经网络和D-S 证据理论集成的数据融合模型及融合算法 | 第49-51页 |
| ·算例分析 | 第51-52页 |
| ·本章小结 | 第52-53页 |
| 第五章 数据融合算法在输油管道检测中的应用 | 第53-63页 |
| ·融合系统检测结构模型 | 第53-54页 |
| ·漏磁检测网络融合 | 第54-61页 |
| ·缺陷特征量的提取 | 第54-58页 |
| ·漏磁神经网络 | 第58-61页 |
| ·D-S 证据理论融合决策 | 第61-62页 |
| ·本章小结 | 第62-63页 |
| 结论 | 第63-64页 |
| 参考文献 | 第64-67页 |
| 发表文章目录 | 第67-68页 |
| 致谢 | 第68-69页 |
| 详细摘要 | 第69-75页 |