摘要 | 第1-5页 |
Abstract | 第5-13页 |
第1章 绪论 | 第13-28页 |
·课题研究的背景和意义 | 第13-14页 |
·常规超声无损检测的发展及局限 | 第14-15页 |
·超声成像研究现状 | 第15-20页 |
·超声 C 扫描成像技术 | 第15-16页 |
·超声 TOFD 成像技术 | 第16-17页 |
·合成孔径聚焦成像技术 | 第17-18页 |
·超声 P 扫描成像技术 | 第18-19页 |
·超声相控阵成像技术 | 第19-20页 |
·缺陷识别的研究现状 | 第20-26页 |
·模拟缺陷识别的研究 | 第20-22页 |
·焊接缺陷识别的研究 | 第22-26页 |
·主要研究内容 | 第26-28页 |
第2章 基于视频图像定位的超声检测成像系统 | 第28-47页 |
·引言 | 第28页 |
·基于视频图像的探头定位方法 | 第28-36页 |
·视频图像采集 | 第31-32页 |
·图像数据处理 | 第32页 |
·摄像头图像标定 | 第32-33页 |
·超声波探头位置校正 | 第33-35页 |
·定位系统的影响因素 | 第35-36页 |
·超声波信号采集方法 | 第36-39页 |
·底层硬件结构 | 第37页 |
·上层软件开发 | 第37-38页 |
·信号采集系统性能测试 | 第38-39页 |
·缺陷三视投影成像技术 | 第39-44页 |
·缺陷回波信号与位置信号的自动存储 | 第40-41页 |
·三视投影图像坐标系的建立及缺陷位置的计算 | 第41-44页 |
·开发系统的性能测试 | 第44-46页 |
·本章小结 | 第46-47页 |
第3章 超声缺陷多值域特征值提取 | 第47-69页 |
·引言 | 第47页 |
·缺陷回波信号的采集 | 第47-48页 |
·试件制备 | 第47-48页 |
·试件检测 | 第48页 |
·缺陷回波信号的时域特征 | 第48-53页 |
·超声信号的时域分析 | 第49-52页 |
·超声信号的时域特征提取 | 第52-53页 |
·缺陷回波信号的频域特征 | 第53-59页 |
·超声信号的频域分析 | 第54-57页 |
·超声信号的频域特征提取 | 第57-59页 |
·缺陷回波信号的时频域特征 | 第59-64页 |
·超声信号的小波分析 | 第59-63页 |
·超声信号的时频域特征提取 | 第63-64页 |
·缺陷回波的几何特征与统计特征 | 第64-66页 |
·缺陷的形态特征 | 第66-67页 |
·本章小结 | 第67-69页 |
第4章 缺陷特征值的评价 | 第69-75页 |
·引言 | 第69页 |
·缺陷特征值评价与优化 | 第69-72页 |
·特征值优化的必要性 | 第69-70页 |
·特征值评价准则 | 第70-72页 |
·最佳特征值子集的确定 | 第72-74页 |
·本章小结 | 第74-75页 |
第5章 焊缝缺陷的智能识别 | 第75-88页 |
·引言 | 第75页 |
·人工神经网络的选择 | 第75-76页 |
·BP 神经网络分类器 | 第76-82页 |
·BP 神经网络的结构 | 第76-77页 |
·BP 神经网络的算法 | 第77-80页 |
·BP 神经网络的参数设计 | 第80-82页 |
·BP 神经网络识别结果 | 第82-86页 |
·探头Ⅰ的缺陷识别 | 第83-84页 |
·探头Ⅱ的缺陷识别 | 第84-86页 |
·本章小结 | 第86-88页 |
第6章 基于双探头数据融合的缺陷识别研究 | 第88-102页 |
·引言 | 第88页 |
·双探头源数据融合的原理及构成 | 第88-90页 |
·Dempster-Shafer(D-S)证据理论与证据区间 | 第90-93页 |
·D-S 证据理论 | 第90-91页 |
·基本概率分配函数(BPAF) | 第91-92页 |
·信任函数(BF) | 第92页 |
·似然函数(PF) | 第92页 |
·不确定性与证据区间 | 第92-93页 |
·基于 Dempster 的证据合成法则 | 第93-97页 |
·两个证据的合成法则 | 第93-96页 |
·基本概率分配函数的构造 | 第96-97页 |
·缺陷分类的决策准则 | 第97页 |
·双探头融合的缺陷识别 | 第97-100页 |
·双探头数据融合 | 第97-98页 |
·双探头融合的识别结果 | 第98-100页 |
·本章小结 | 第100-102页 |
结论 | 第102-104页 |
参考文献 | 第104-113页 |
攻读博士学位期间发表的论文及其它成果 | 第113-115页 |
致谢 | 第115-116页 |
个人简历 | 第116页 |