| 学位论文的主要创新点 | 第3-4页 |
| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-27页 |
| 1.1 课题研究的背景 | 第11-12页 |
| 1.2 大型锻件检测技术研究现状 | 第12-16页 |
| 1.3 超声检测相关技术研究现状 | 第16-24页 |
| 1.3.1 超声检测方法及技术研究现状 | 第16页 |
| 1.3.2 超声检测信号处理技术研究现状 | 第16-23页 |
| 1.3.3 超声检测仪器研究现状 | 第23-24页 |
| 1.4 课题研究的目的和意义 | 第24页 |
| 1.5 课题拟解决的关键问题 | 第24-25页 |
| 1.6 课题的研究内容及结构安排 | 第25-27页 |
| 第二章 大型锻件超声检测基础理论研究 | 第27-43页 |
| 2.1 大型锻件超声检测方法的选择 | 第27-28页 |
| 2.2 脉冲反射法超声检测信号建模 | 第28-31页 |
| 2.2.1 回波信号的数学模型 | 第28-30页 |
| 2.2.2 结构噪声信号的数学模型 | 第30-31页 |
| 2.3 超声反射回波信号平稳性分析 | 第31-33页 |
| 2.4 典型反射面缺陷超声回波信号特征分析 | 第33-38页 |
| 2.4.1 典型人工缺陷试件的制作 | 第33-35页 |
| 2.4.2 典型人工缺陷回波信号的采集 | 第35-37页 |
| 2.4.3 典型人工缺陷回波信号特征分析 | 第37-38页 |
| 2.5 超声检测中缺陷的定位、定量与定性 | 第38-42页 |
| 2.5.1 缺陷的定位 | 第38-40页 |
| 2.5.2 缺陷的定量 | 第40-41页 |
| 2.5.3 缺陷的定性 | 第41-42页 |
| 2.6 本章小结 | 第42-43页 |
| 第三章 大型圆筒型锻件及大型中厚钢板超声检测方法的研究 | 第43-67页 |
| 3.1 大型圆筒型锻件及大型中厚钢板常见缺陷、成因及位置 | 第43-46页 |
| 3.1.1 大型圆筒型锻件常见缺陷、成因及位置 | 第43-45页 |
| 3.1.2 大型中厚钢板常见缺陷、成因及位置 | 第45-46页 |
| 3.2 大型圆筒型锻件及大型中厚钢板通用检测方案分析 | 第46-48页 |
| 3.3 探测条件的选择 | 第48-52页 |
| 3.3.1 探伤仪的选择 | 第48页 |
| 3.3.2 探头的选择 | 第48-50页 |
| 3.3.3 耦合方式的选择 | 第50-52页 |
| 3.4 大型中厚钢板的多通道自动超声检测方法 | 第52-58页 |
| 3.4.1 大型中厚钢板检测方法设计原则 | 第52页 |
| 3.4.2 探头及耦合方式的选择 | 第52-53页 |
| 3.4.3 扫描方式的确定 | 第53-55页 |
| 3.4.4 探头的布置与检测方法 | 第55-56页 |
| 3.4.5 探伤过程 | 第56-58页 |
| 3.5 大型圆筒型锻件的多通道自动超声检测方法 | 第58-64页 |
| 3.5.1 大型圆筒型锻件检测方法设计原则 | 第59页 |
| 3.5.2 探头及耦合方式的选择 | 第59-60页 |
| 3.5.3 扫描方式的确定 | 第60-61页 |
| 3.5.4 探头的布置与检测方法 | 第61页 |
| 3.5.5 探伤过程 | 第61-64页 |
| 3.6 本章小结 | 第64-67页 |
| 第四章 大型锻件的超声反射回波信号降噪算法研究 | 第67-87页 |
| 4.1 以往降噪算法的局限性 | 第67-68页 |
| 4.2 降噪的相关理论 | 第68-74页 |
| 4.2.1 离散小波变换的分解 | 第68-70页 |
| 4.2.2 离散小波变换的降噪 | 第70-72页 |
| 4.2.3 独立分量分析方法 | 第72-74页 |
| 4.3 基于小波变换和独立分量分析的超声反射回波信号降噪算法 | 第74-76页 |
| 4.3.1 算法的提出 | 第74-75页 |
| 4.3.2 算法的实现过程 | 第75-76页 |
| 4.4 超声反射回波信号降噪实验研究 | 第76-85页 |
| 4.4.1 降噪算法的性能评价 | 第76-77页 |
| 4.4.2 仿真超声反射回波信号的降噪 | 第77-80页 |
| 4.4.3 典型人工缺陷超声反射回波信号的降噪 | 第80-85页 |
| 4.5 本章小结 | 第85-87页 |
| 第五章 大型锻件的缺陷超声信号特征提取与识别技术研究 | 第87-109页 |
| 5.1 两种基于离散小波变换的特征提取方法 | 第87-90页 |
| 5.1.1 基于子集的离散小波变换特征提取 | 第87-89页 |
| 5.1.2 基于压缩的离散小波变换特征提取 | 第89-90页 |
| 5.2 基于小波系数聚类的特征提取方法 | 第90-99页 |
| 5.2.1 方法的提出 | 第90页 |
| 5.2.2 小波系数的获取 | 第90-93页 |
| 5.2.3 小波系数的聚类过程 | 第93-96页 |
| 5.2.4 小波系数的特征提取 | 第96-98页 |
| 5.2.5 特征提取方法性能评价 | 第98-99页 |
| 5.3 支持向量机分类器 | 第99-104页 |
| 5.3.1 线性分类问题 | 第99-102页 |
| 5.3.2 非线性分类问题 | 第102-103页 |
| 5.3.3 多类分类问题 | 第103-104页 |
| 5.4 基于小波系数聚类和SVM的缺陷超声信号特征提取与识别算法 | 第104-108页 |
| 5.4.1 算法的提出与实现过程 | 第104-105页 |
| 5.4.2 SVM分类器参数的确定 | 第105-106页 |
| 5.4.3 典型人工缺陷的分类识别实验 | 第106-108页 |
| 5.5 本章小结 | 第108-109页 |
| 第六章 大型锻件自动超声检测系统实验平台的搭建及实验研究 | 第109-131页 |
| 6.1 系统要求和性能指标 | 第109-110页 |
| 6.2 系统总体设计方案 | 第110-111页 |
| 6.3 硬件系统设计 | 第111-114页 |
| 6.3.1 硬件系统总体框架构成 | 第111-112页 |
| 6.3.2 数据采集模块的设计 | 第112-113页 |
| 6.3.3 处理传输模块的设计 | 第113-114页 |
| 6.3.4 运动控制模块的设计 | 第114页 |
| 6.4 软件系统设计 | 第114-120页 |
| 6.4.1 软件系统总体框架构成 | 第114-115页 |
| 6.4.2 多通道自动检测终端软件设计 | 第115-117页 |
| 6.4.3 上位机与多通道自动检测终端的通信软件设计 | 第117-118页 |
| 6.4.4 上位机软件设计 | 第118-120页 |
| 6.5 钢板自然缺陷检测综合实验研究 | 第120-129页 |
| 6.5.1 钢板中缺陷类型及特征 | 第120-121页 |
| 6.5.2 钢板缺陷超声反射回波信号的采集 | 第121-122页 |
| 6.5.3 钢板缺陷超声反射回波信号的降噪 | 第122-126页 |
| 6.5.4 钢板缺陷超声反射回波信号的特征提取 | 第126-127页 |
| 6.5.5 钢板缺陷类型识别 | 第127-129页 |
| 6.6 本章小结 | 第129-131页 |
| 第七章 总结与研究展望 | 第131-135页 |
| 7.1 总结 | 第131-133页 |
| 7.2 研究展望 | 第133-135页 |
| 参考文献 | 第135-145页 |
| 发表论文和参加科研情况 | 第145-147页 |
| 致谢 | 第147页 |
