| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 1 绪论 | 第8-15页 |
| ·研究背景及意义 | 第8-10页 |
| ·研究背景 | 第8-9页 |
| ·研究意义 | 第9-10页 |
| ·超声检测技术的研究现状 | 第10-13页 |
| ·国内外研究现状 | 第10-13页 |
| ·发展趋势 | 第13页 |
| ·论文的内容和结构安排 | 第13-15页 |
| ·主要研究内容 | 第13-14页 |
| ·论文结构安排 | 第14-15页 |
| 2 超声检测数据采集系统 | 第15-22页 |
| ·超声检测 | 第15页 |
| ·实验设备和数据采集 | 第15-19页 |
| ·焊接缺陷的波形特征 | 第19-22页 |
| 3 超声信号特征提取技术研究 | 第22-31页 |
| ·超声检测数据预处理 | 第22-23页 |
| ·基于小波分析的焊接缺陷特征提取研究 | 第23-27页 |
| ·小波分析 | 第23-24页 |
| ·基于小波分析的焊接缺陷特征提取 | 第24-27页 |
| ·基于主成分分析的焊接缺陷特征提取研究 | 第27-30页 |
| ·主成分分析 | 第27-28页 |
| ·基于 PCA 的焊接缺陷超声信号降维实验 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 4 超声缺陷智能识别技术研究 | 第31-42页 |
| ·基于分类的缺陷识别 | 第31-32页 |
| ·基于 K-最近邻的焊接缺陷分类技术研究 | 第32-35页 |
| ·K 最近邻法 | 第32-33页 |
| ·基于 KNN 的焊接缺陷分类算法实现 | 第33-34页 |
| ·实验研究 | 第34-35页 |
| ·基于 BP 网络的焊接缺陷分类技术研究 | 第35-37页 |
| ·BP 神经网络 | 第35-36页 |
| ·基于 BP 网络的焊接缺陷分类算法实现 | 第36-37页 |
| ·实验研究 | 第37页 |
| ·基于支持向量机的焊接缺陷分类技术研究 | 第37-40页 |
| ·支持向量机 | 第37-39页 |
| ·基于 SVM 的焊接缺陷分类算法实现 | 第39-40页 |
| ·实验研究 | 第40页 |
| ·本章小结 | 第40-42页 |
| 5 基于 ABC-SVM 和 RABC-SVM 的超声信号缺陷识别研究 | 第42-52页 |
| ·人工蜂群算法 | 第42-44页 |
| ·基于 ABC-SVM 算法的焊接缺陷分类技术研究 | 第44-47页 |
| ·ABC-SVM 的基本思想 | 第44-45页 |
| ·ABC-SVM 优化模型的建立 | 第45页 |
| ·基于 ABC-SVM 的焊接缺陷分类算法实现 | 第45-47页 |
| ·实验研究 | 第47页 |
| ·基于 RABC-SVM 算法的焊接缺陷分类技术研究 | 第47-50页 |
| ·RABC 的基本思想 | 第47-48页 |
| ·基于 RABC-SVM 的焊接缺陷分类算法实现 | 第48-49页 |
| ·实验研究 | 第49-50页 |
| ·实验验证与结果分析 | 第50-51页 |
| ·本章小结 | 第51-52页 |
| 6 总结和展望 | 第52-54页 |
| ·总结 | 第52页 |
| ·展望 | 第52-54页 |
| 致谢 | 第54-55页 |
| 参考文献 | 第55-58页 |
| 附录 | 第58页 |
