| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第1章 绪论 | 第8-14页 |
| ·课题背景及其意义 | 第8页 |
| ·国内外研究现状 | 第8-12页 |
| ·无损检测技术及涡流无损检测技术 | 第8-9页 |
| ·无损检测技术及涡流无损检测技术发展现状 | 第9-11页 |
| ·RBF网络在无损检测中的研究现状 | 第11-12页 |
| ·DSP的发展 | 第12页 |
| ·本文主要研究内容 | 第12-14页 |
| 第2章 基于DSP的涡流无损检测系统 | 第14-29页 |
| ·数字信号处理器概述 | 第14-16页 |
| ·DSP芯片介绍 | 第14页 |
| ·DSP芯片结构 | 第14-15页 |
| ·DSP芯片的应用 | 第15-16页 |
| ·DSP系统的构成 | 第16页 |
| ·DSP系统特点 | 第16-17页 |
| ·DSP系统设计过程 | 第17-18页 |
| ·TMS320C5000 DSP集成开发环境CCS IDE | 第18-22页 |
| ·CCS的特点及功能概述 | 第18-20页 |
| ·CCS应用窗口 | 第20-22页 |
| ·CCS支持的调试器 | 第22页 |
| ·涡流无损检测系统 | 第22-28页 |
| ·TMS320VC5410简介 | 第22-24页 |
| ·正弦波实现方法 | 第24-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于Fisher比的RBF神经网络 | 第29-48页 |
| ·MATLAB简介 | 第29-31页 |
| ·MATLAB概述 | 第29页 |
| ·MATLAB语言特点 | 第29-30页 |
| ·面向MATLAB工具箱的RBF网络 | 第30-31页 |
| ·神经网络技术 | 第31-34页 |
| ·神经网络概述 | 第31页 |
| ·神经元模型 | 第31-34页 |
| ·神经元学习算法 | 第34页 |
| ·神经网络拓扑结构 | 第34页 |
| ·RBF神经网络 | 第34-39页 |
| ·RBF神经网络概述 | 第34-35页 |
| ·RBF神经网络结构和工作原理 | 第35-37页 |
| ·RBF神经网络学习方法 | 第37-39页 |
| ·基于OLS的RBF中心选择算法 | 第39-40页 |
| ·基于Fisher比的RBF神经网络中心选择算法 | 第40-43页 |
| ·Fisher比线性判别法 | 第40-41页 |
| ·基于Fisher比的RBF中心选择算法 | 第41-43页 |
| ·基于改进Fisher比的RBF中心选择算法 | 第43-44页 |
| ·权值W的求取 | 第44-45页 |
| ·仿真实验 | 第45-46页 |
| ·基于Fisher比与OLS算法的RBF网络的函数逼近 | 第45-46页 |
| ·基于改进Fisher比与Fisher比算法的RBF网络的函数逼近 | 第46页 |
| ·本章小结 | 第46-48页 |
| 第4章 基于Fisher比算法的RBF网络实例 | 第48-53页 |
| ·Fisher比及改进Fisher比算法在无损检测中的应用 | 第48-49页 |
| ·Fisher比算法在无损定量检测系统中的应用 | 第48-49页 |
| ·改进Fisher比算法在无损定量检测系统中的应用 | 第49页 |
| ·Fisher比及改进Fisher比算法在变压器故障诊断中的应用 | 第49-52页 |
| ·输入数据处理 | 第50页 |
| ·仿真实验 | 第50-52页 |
| ·本章小结 | 第52-53页 |
| 结论 | 第53-54页 |
| 参考文献 | 第54-58页 |
| 攻读硕士学位期间所发表的论文 | 第58-59页 |
| 致谢 | 第59页 |
