| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-17页 |
| 1.1 课题背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 金属磁记忆检测技术的国内外研究现状 | 第11-13页 |
| 1.2.2 构件疲劳损伤的金属磁记忆检测研究现状 | 第13页 |
| 1.3 磁记忆检测技术存在的问题 | 第13-14页 |
| 1.4 磁记忆检测技术的发展方向 | 第14-15页 |
| 1.5 课题研究的主要内容 | 第15页 |
| 1.6 本课题研究的目的和意义 | 第15-17页 |
| 第2章 金属磁记忆检测技术 | 第17-33页 |
| 2.1 铁磁材料疲劳损伤的常用无损检测技术 | 第17-19页 |
| 2.1.1 射线法（RT） | 第17页 |
| 2.1.2 超声法（UT） | 第17-18页 |
| 2.1.3 磁粉法（MT） | 第18页 |
| 2.1.4 渗透法（PT） | 第18-19页 |
| 2.1.5 涡流法 | 第19页 |
| 2.2 金属磁记忆检测技术机理 | 第19-25页 |
| 2.2.1 物质的磁性及其作用 | 第20页 |
| 2.2.2 铁磁物质的基本现象 | 第20-24页 |
| 2.2.3 金属磁记忆检测原理 | 第24-25页 |
| 2.3 疲劳破坏及S-N曲线 | 第25-27页 |
| 2.3.1 疲劳破坏概述 | 第25-26页 |
| 2.3.2 疲劳寿命S-N曲线 | 第26-27页 |
| 2.4 磁记忆信号的小波预处理 | 第27-32页 |
| 2.4.1 小波分析方法概述 | 第27页 |
| 2.4.2 连续小波变换 | 第27-28页 |
| 2.4.3 离散小波变换 | 第28-29页 |
| 2.4.4 多尺度分析 | 第29页 |
| 2.4.5 磁记忆信号的小波消噪 | 第29-32页 |
| 2.5 本章小结 | 第32-33页 |
| 第3章 试件的静载拉伸对磁记忆信号影响的研究 | 第33-41页 |
| 3.1 仪器简介 | 第33-35页 |
| 3.2 拉伸试验方案 | 第35-36页 |
| 3.2.1 试验材料 | 第35页 |
| 3.2.2 试件的加工 | 第35页 |
| 3.2.3 静载拉伸试验 | 第35-36页 |
| 3.3 试验结果与分析 | 第36-40页 |
| 3.3.1 试验初始结果 | 第36-37页 |
| 3.3.2 磁记忆信号特征值的提取 | 第37-40页 |
| 3.4 本章小结 | 第40-41页 |
| 第4章 X80管线钢疲劳损伤对磁记忆信号影响的研究 | 第41-57页 |
| 4.1 疲劳试验方案 | 第41-43页 |
| 4.1.1 试验材料 | 第41-42页 |
| 4.1.2 试验方案 | 第42-43页 |
| 4.2 试件受力状态的有限元分析 | 第43-44页 |
| 4.3 疲劳试验结果及其对磁记忆检测信号的影响 | 第44-51页 |
| 4.3.1 疲劳试验前期磁记忆信号特征 | 第44-47页 |
| 4.3.2 疲劳试验中、后期磁记忆信号特征 | 第47-49页 |
| 4.3.3 结果理论分析 | 第49-51页 |
| 4.4 磁记忆信号的定位特征 | 第51-54页 |
| 4.4.1 试件应力集中位置的判定 | 第51-54页 |
| 4.4.2 磁记忆信号梯度值K对试件缺陷位置的判定 | 第54页 |
| 4.5 磁记忆信号梯度值K与疲劳试验循环次数的关系 | 第54-56页 |
| 4.6 本章小结 | 第56-57页 |
| 第5章 基于BP神经网络的疲劳损伤状态识别 | 第57-67页 |
| 5.1 神经网络简介 | 第57-61页 |
| 5.1.1 神经网络结构模型 | 第57-58页 |
| 5.1.2 BP神经网络的结构 | 第58-59页 |
| 5.1.3 BP网络设计过程 | 第59-61页 |
| 5.2 神经网络判别疲劳损伤的输入向量 | 第61-65页 |
| 5.2.1 小波包基本理论 | 第61-62页 |
| 5.2.2 小波包能量谱 | 第62-63页 |
| 5.2.3 BP神经网络的输入向量 | 第63-64页 |
| 5.2.4 基于BP神经网络的疲劳损伤状态识别 | 第64-65页 |
| 5.3 本章小结 | 第65-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-73页 |
| 攻读硕士学位期间承担的科研任务与主要成果 | 第73-74页 |
| 致谢 | 第74-75页 |
| 作者简介 | 第75页 |
