| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 引言 | 第10页 |
| 1.2 研究背景及意义 | 第10-11页 |
| 1.3 电涡流检测技术概述及研究现状 | 第11-12页 |
| 1.3.1 电涡流检测技术概述 | 第11-12页 |
| 1.3.2 电涡流检测技术研究现状 | 第12页 |
| 1.4 电涡流检测缺陷特征提取与分类识别方法概述及研究现状 | 第12-14页 |
| 1.4.1 电涡流检测缺陷特征提取与分类识别方法概述 | 第12-13页 |
| 1.4.2 电涡流检测缺陷特征提取与分类识别方法研究现状 | 第13-14页 |
| 1.5 稀疏信号处理概述 | 第14-16页 |
| 1.5.1 稀疏信号处理的发展 | 第14页 |
| 1.5.2 稀疏信号处理国内外研究现状 | 第14-16页 |
| 1.6 论文结构安排及工作内容 | 第16-17页 |
| 1.7 本章小结 | 第17-18页 |
| 第二章 电涡流检测基本原理及数学模型 | 第18-30页 |
| 2.1 引言 | 第18页 |
| 2.2 电涡流检测技术基础 | 第18-19页 |
| 2.3 Maxwell电磁场基本方程组 | 第19-22页 |
| 2.4 电涡流检测技术阻抗分析模型 | 第22-27页 |
| 2.4.1 电涡流阻抗分析模型 | 第22-26页 |
| 2.4.2 影响阻抗变化的重要参数 | 第26-27页 |
| 2.5 电涡流检测趋肤效应 | 第27-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 基于ansys有限元的导电材料电涡流检测建模仿真研究 | 第30-52页 |
| 3.1 引言 | 第30页 |
| 3.2 基于ANSYS的电涡流检测仿真建模 | 第30-35页 |
| 3.2.1 ANSYS有限元法分析建模步骤 | 第30-31页 |
| 3.2.2 建立模型物理环境 | 第31-32页 |
| 3.2.3 单元类型设置 | 第32页 |
| 3.2.4 建立物理模型即特性设置 | 第32-33页 |
| 3.2.5 划分网格 | 第33-35页 |
| 3.2.6 设定边界约束与载荷 | 第35页 |
| 3.2.7 仿真模型求解 | 第35页 |
| 3.3 电涡流检测ansys有限元建模 | 第35-37页 |
| 3.3.1 导电材料电涡流检测三维仿真建模 | 第36页 |
| 3.3.2 三维建模参数设置 | 第36-37页 |
| 3.4 铝合金材料瞬态涡流检测仿真研究 | 第37-48页 |
| 3.4.1 瞬态涡流检测模型参数 | 第38页 |
| 3.4.2 外接激励电路设计 | 第38-40页 |
| 3.4.3 缺陷长度变化条件下的电涡流检测仿真研究 | 第40-42页 |
| 3.4.4 缺陷宽度变化的铝合金材料电涡流检测仿真研究 | 第42-45页 |
| 3.4.5 缺陷深度变化的铝合金材料电涡流检测仿真研究 | 第45-48页 |
| 3.5 基于检测探头不同放置方向的铝合金材料涡流检测仿真 | 第48-50页 |
| 3.5.1 检测探头竖直与平行放置建模 | 第48-49页 |
| 3.5.2 检测探头竖直与平行放置模型仿真研究 | 第49-50页 |
| 3.6 本章小结 | 第50-52页 |
| 第四章 导电结构缺陷电涡流检测稀疏特征提取算法研究 | 第52-70页 |
| 4.1 引言 | 第52页 |
| 4.2 稀疏信号表征基本理论 | 第52-54页 |
| 4.2.1 信号稀疏表示理论 | 第52-54页 |
| 4.3 基于拉格朗日乘子K-SVD算法的缺陷稀疏信号特征提取研究 | 第54-60页 |
| 4.3.1 无约束凸优化算法模型 | 第54-55页 |
| 4.3.2 拉格朗日乘子奇异值分解稀疏字典学习算法模型描述 | 第55-58页 |
| 4.3.3 拉格朗日乘子K-SVD算法性能仿真研究 | 第58-60页 |
| 4.4 基于拉格朗日乘子K-SVD算法缺陷特征提取实验与分析 | 第60-69页 |
| 4.4.1 铝合金材料电涡流检测实验设计 | 第61-62页 |
| 4.4.2 实验结果与特征提取算法性能分析 | 第62-69页 |
| 4.5 本章小结 | 第69-70页 |
| 第五章 导电结构缺陷电涡流检测分类识别与评估研究 | 第70-76页 |
| 5.1 引言 | 第70页 |
| 5.2 支持向量机(SVM)理论基础 | 第70-72页 |
| 5.2.1 SVM理论背景 | 第70-71页 |
| 5.2.2 SVM分类算法模型 | 第71-72页 |
| 5.3 铝合金材料电涡流检测缺陷识别定量化分析 | 第72-75页 |
| 5.3.1 激励频率变化对缺陷识别的影响 | 第72-73页 |
| 5.3.2 信号稀疏度对缺陷分类识别的影响 | 第73-75页 |
| 5.3.3 特征提取方法对缺陷分类识别的影响 | 第75页 |
| 5.4 本章小结 | 第75-76页 |
| 第六章 总结与展望 | 第76-78页 |
| 6.1 研究总结 | 第76-77页 |
| 6.2 不足与展望 | 第77-78页 |
| 致谢 | 第78-80页 |
| 参考文献 | 第80-84页 |
