| 摘要 | 第1-6页 |
| ABSTRACT | 第6-11页 |
| 第1章 绪论 | 第11-18页 |
| ·课题的背景及选题意义 | 第11-13页 |
| ·管道内部缺陷无损检测方法国内外发展现状 | 第13-17页 |
| ·国外发展现状 | 第14-15页 |
| ·国内发展现状 | 第15-17页 |
| ·课题主要研究思路及内容安排 | 第17-18页 |
| 第2章 漏磁检测的理论分析 | 第18-29页 |
| ·管道缺陷漏磁检测基础 | 第18-20页 |
| ·管道缺陷漏磁检测基本原理 | 第18-19页 |
| ·铁磁性物质及其磁化特性 | 第19-20页 |
| ·缺陷外形的磁偶极子分析 | 第20-24页 |
| ·点偶极子模型 | 第21-22页 |
| ·带偶极子模型 | 第22-23页 |
| ·面偶极子模型 | 第23-24页 |
| ·缺陷外形的有限元分析 | 第24-28页 |
| ·电磁有限元分析方法简介 | 第24-26页 |
| ·电磁场有限元方法理论分析 | 第26-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 基于 ANSYS 软件的管道缺陷漏磁场分析 | 第29-44页 |
| ·ANSYS 有限元分析软件 | 第29页 |
| ·ANSYS 数据分析过程 | 第29-34页 |
| ·定义单元类型及相关选项 | 第29-31页 |
| ·设置坐标系和单位制 | 第31页 |
| ·几何模型建立 | 第31-32页 |
| ·定义材料属性 | 第32页 |
| ·划分网格 | 第32-33页 |
| ·加载边界条件和载荷 | 第33页 |
| ·求解 | 第33-34页 |
| ·管道缺陷 ANSYS 仿真 | 第34-40页 |
| ·有限元模型的创建 | 第34-35页 |
| ·定义材料属性 | 第35-37页 |
| ·划分网格 | 第37页 |
| ·施加载荷和边界条件 | 第37-38页 |
| ·求解 | 第38页 |
| ·结果查看 | 第38-40页 |
| ·分析漏磁结果 | 第40-43页 |
| ·漏磁信号受到缺陷轴向长度的影响 | 第40-41页 |
| ·漏磁信号受到缺陷深度的影响 | 第41页 |
| ·漏磁信号受到缺陷倾斜角的影响 | 第41-42页 |
| ·漏磁信号受到传感器提离值的影响 | 第42-43页 |
| ·本章小结 | 第43-44页 |
| 第4章 管道缺陷漏磁检测系统的设计 | 第44-65页 |
| ·检测器运载体分析与设计 | 第44-52页 |
| ·磁化方式选择 | 第44-45页 |
| ·运载体整体功能分析与设计 | 第45-48页 |
| ·漏磁测量传感器的选择 | 第48-51页 |
| ·传感器电路的调试和运行 | 第51-52页 |
| ·试验环境下的平台搭建 | 第52页 |
| ·数据采集模块的分析和设计 | 第52-59页 |
| ·滤波电路 | 第53页 |
| ·模数转换模块的设计 | 第53-55页 |
| ·数据存储器 SRAM 及掉电保护 | 第55-58页 |
| ·串口通信模块 | 第58页 |
| ·数据采集模块 PCB 电路 | 第58-59页 |
| ·数据检测电路程序设计 | 第59-64页 |
| ·检测系统总程序 | 第59页 |
| ·采集模块流程及子程序 | 第59-62页 |
| ·串口发送流程及程序 | 第62-64页 |
| ·本章小结 | 第64-65页 |
| 第5章 基于人工智能的管道缺陷识别方法研究 | 第65-81页 |
| ·缺陷样本库的建立 | 第65-69页 |
| ·人工神经网络 | 第69-71页 |
| ·人工神经元模型 | 第70页 |
| ·关于神经网络在学习中的应用 | 第70-71页 |
| ·RBF 神经网络 | 第71-73页 |
| ·RBF 网络学习过程 | 第71-72页 |
| ·RBF 网络学习算法 | 第72-73页 |
| ·人工免疫系统 | 第73-76页 |
| ·免疫系统的基本组成 | 第73-74页 |
| ·免疫系统的基本机理 | 第74-75页 |
| ·一般免疫算法描述 | 第75-76页 |
| ·基于免疫径向基神经网络的管道缺陷特征识别 | 第76-80页 |
| ·免疫径向基的算法描述 | 第77-78页 |
| ·基于免疫径向基神经网络的管道缺陷识别基本流程 | 第78页 |
| ·数据结果分析 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 结论 | 第81-82页 |
| 参考文献 | 第82-85页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第85-86页 |
| 致谢 | 第86页 |