| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 图表清单 | 第8-11页 |
| 注释表 | 第11-12页 |
| 第一章 绪论 | 第12-16页 |
| 1.1 巴克豪森噪声法 | 第12页 |
| 1.2 课题的背景及研究意义 | 第12-15页 |
| 1.3 论文的主要研究内容 | 第15-16页 |
| 第二章 巴克豪森检测方法的理论基础 | 第16-25页 |
| 2.1 磁畴和磁畴壁 | 第16-17页 |
| 2.2 磁化理论 | 第17-19页 |
| 2.3 巴克豪森信号产生的机理 | 第19页 |
| 2.4 巴克豪森信号的特性和影响因素 | 第19-24页 |
| 2.4.1 巴克豪森信号的特性 | 第19-21页 |
| 2.4.2 巴克豪森信号的影响因素 | 第21-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第三章 MBN 智能检测设备的硬件设计 | 第25-46页 |
| 3.1 智能检测设备的整体结构 | 第25-26页 |
| 3.2 磁化器与信号检测线圈的设计 | 第26-28页 |
| 3.2.1 磁化器 | 第26-27页 |
| 3.2.2 信号检测线圈 | 第27-28页 |
| 3.3 控制电路中的微控制器 | 第28-33页 |
| 3.3.1 微控制器 STM32F103 RBT6 的性能 | 第28-30页 |
| 3.3.2 微控制器 STM32F103 RBT6 的最小系统 | 第30-33页 |
| 3.3.3 微控制器 STM32F103 RBT6 的启动模式 | 第33页 |
| 3.4 激励电路和信号调理电路的设计 | 第33-43页 |
| 3.4.1 数字电位器 | 第33-36页 |
| 3.4.2 激励波形发生电路 | 第36-39页 |
| 3.4.3 功率放大电路 | 第39-41页 |
| 3.4.4 信号调理电路 | 第41-43页 |
| 3.5 数据采集卡 | 第43-45页 |
| 3.6 工控机 | 第45页 |
| 3.7 本章小结 | 第45-46页 |
| 第四章 MBN 智能检测设备软件的设计 | 第46-61页 |
| 4.1 智能检测设备软件总体介绍 | 第46-47页 |
| 4.2 人机交互 | 第47-54页 |
| 4.2.1 采集卡的程序设计 | 第49-50页 |
| 4.2.2 工控机与微控制器 STM32 的通信及相应控制 | 第50-54页 |
| 4.3 数据处理 | 第54-58页 |
| 4.3.1 调用 MATLAB 工作空间 | 第54-55页 |
| 4.3.2 软件滤波器设计 | 第55-57页 |
| 4.3.3 特征值求取 | 第57-58页 |
| 4.4 远程控制 | 第58-60页 |
| 4.5 本章小结 | 第60-61页 |
| 第五章 齿轮材料组织结构与 MBN 信号关系的研究 | 第61-74页 |
| 5.1 齿轮材料及其热处理工艺 | 第61-62页 |
| 5.2 实验数据 | 第62-63页 |
| 5.3 磁化深度 | 第63-65页 |
| 5.4 相关性分析 | 第65-66页 |
| 5.4.1 相关系数 | 第65页 |
| 5.4.2 齿轮组织结构和 MBN 信号的相关性分析 | 第65-66页 |
| 5.5 组织结构与 MBN 信号的关系 | 第66-72页 |
| 5.5.1 硬度与 MBN 信号关系验证 | 第66-67页 |
| 5.5.2 有效硬化层深度和 MBN 信号关系的研究 | 第67-69页 |
| 5.5.3 神经网络在组织结构方面应用的研究 | 第69-70页 |
| 5.5.4 不同激励频率的实验 | 第70-72页 |
| 5.6 本章小结 | 第72-74页 |
| 第六章 总结与展望 | 第74-76页 |
| 6.1 工作总结 | 第74-75页 |
| 6.2 研究展望 | 第75-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 在学期间的研究成果及发表的学术论文 | 第80页 |
