基于小波变换和支持向量机的超声缺陷检测研究
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第7-12页 |
| ·课题的研究目的和意义 | 第7页 |
| ·课题的国内外研究现状分析 | 第7-11页 |
| ·超声检测技术国内外研究现状 | 第7-9页 |
| ·超声信号处理的研究现状分析 | 第9-10页 |
| ·模式识别技术在超声信号处理中的应用 | 第10-11页 |
| ·本课题研究的主要内容 | 第11-12页 |
| 第二章 小波变换的多分辨率分析及去噪方法 | 第12-23页 |
| ·小波变换 | 第12-13页 |
| ·多分辨率分析 | 第13-14页 |
| ·小波去噪 | 第14-22页 |
| ·小波去噪原理 | 第15页 |
| ·小波去噪方法 | 第15-16页 |
| ·小波去噪实验 | 第16-22页 |
| ·本章小结 | 第22-23页 |
| 第三章 支持向量机 | 第23-30页 |
| ·支持向量机的最优分类面 | 第23-27页 |
| ·线性学习机 | 第24-25页 |
| ·非线性分类与核函数 | 第25-26页 |
| ·支持向量机核函数实验 | 第26-27页 |
| ·SVM分类器的模型选择 | 第27-29页 |
| ·核函数的选择 | 第27-28页 |
| ·高斯核函数参数的选择 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第四章 超声缺陷检测的实验系统设计与数据采集 | 第30-44页 |
| ·超声检测方法概述 | 第30-33页 |
| ·超声回波检测方法 | 第30-31页 |
| ·回波信号显示方式 | 第31-33页 |
| ·超声回波检测实验系统设计与数据采集 | 第33-38页 |
| ·实验系统设计及其工作原理 | 第33-34页 |
| ·实验系统硬件介绍 | 第34-36页 |
| ·实验数据采集 | 第36-38页 |
| ·实验数据分析 | 第38-43页 |
| ·本章小结 | 第43-44页 |
| 第五章 基于小波变换和支持向量机的超声缺陷识别 | 第44-71页 |
| ·缺陷的定量识别流程 | 第44-45页 |
| ·超声检测信号去噪 | 第45-46页 |
| ·缺陷大小分类识别方法的确定 | 第46-48页 |
| ·缺陷大小分类实验 | 第48-66页 |
| ·基于小波变换的特征提取与计算 | 第48-56页 |
| ·基于小波变换的特征SVM缺陷大小分类 | 第56-58页 |
| ·对大于1.0mm的缺陷分类特征的优化 | 第58-66页 |
| ·本文方法与BP神经网络分类性能比较 | 第66-69页 |
| ·本章小结 | 第69-71页 |
| 第六章 总结与展望 | 第71-73页 |
| ·论文完成的主要工作 | 第71页 |
| ·展望 | 第71-73页 |
| 参考文献 | 第73-77页 |
| 致谢 | 第77-78页 |
| 攻读学位期间发表的学术论文 | 第78页 |
