管道缺陷类型判别和参数分析的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-7页 |
| 致谢 | 第7-12页 |
| 第一章 绪论 | 第12-18页 |
| ·课题的意义 | 第12-13页 |
| ·国内外研究现状 | 第13-15页 |
| ·课题研究内容、拟解决的问题及论文结构 | 第15-18页 |
| ·研究内容 | 第15-16页 |
| ·论文拟解决的问题 | 第16页 |
| ·论文的内容安排 | 第16-18页 |
| 第二章 漏磁检测原理与缺陷判别技术 | 第18-26页 |
| ·漏磁检测原理概述 | 第18页 |
| ·二维漏磁检测原理 | 第18-19页 |
| ·管道漏磁检测系统中的缺陷判别技术 | 第19-23页 |
| ·缺陷信号的判断 | 第19-20页 |
| ·管道内、外缺陷的判别 | 第20-21页 |
| ·粗糙表面形成的信号的判别 | 第21页 |
| ·二维漏磁检测系统的缺陷判定过程 | 第21-22页 |
| ·模板匹配法及其不足 | 第22-23页 |
| ·裂纹缺陷和孔洞缺陷漏磁信号的特点 | 第23-25页 |
| ·本章小节 | 第25-26页 |
| 第三章 神经网络原理及其在缺陷类型判别中的应用 | 第26-40页 |
| ·神经网络概述 | 第26-27页 |
| ·神经网络的定义及发展历程 | 第26-27页 |
| ·神经网络的特性 | 第27页 |
| ·神经元结构模型 | 第27-28页 |
| ·BP神经网络 | 第28-31页 |
| ·BP网络结构 | 第28-29页 |
| ·BP学习算法 | 第29-30页 |
| ·BP网络学习算法步骤 | 第30-31页 |
| ·RBF神经网络 | 第31-35页 |
| ·RBF神经网络模型 | 第31-33页 |
| ·自组织选取中心学习算法 | 第33-35页 |
| ·基于神经网络的裂纹和孔洞缺陷类型判别 | 第35-39页 |
| ·BP神经网络缺陷类型判别 | 第35-37页 |
| ·RBF神经网络缺陷类型判别 | 第37-38页 |
| ·两种网络判别结果分析 | 第38-39页 |
| ·本章小节 | 第39-40页 |
| 第四章 人工刻槽深度和长度与漏磁信号关系的研究 | 第40-46页 |
| ·人工缺陷 | 第40-41页 |
| ·人工刻槽深度与漏磁信号关系的实验研究 | 第41-43页 |
| ·实验仪器及实验步骤 | 第41-42页 |
| ·实验结果分析 | 第42-43页 |
| ·人工刻槽长度与漏磁信号关系的实验研究 | 第43-44页 |
| ·人工刻槽深度和长度的漏磁信号特征量 | 第44-45页 |
| ·本章小节 | 第45-46页 |
| 第五章 基于神经网络的人工刻槽深度和长度分析 | 第46-54页 |
| ·BP网络结构设计 | 第46-47页 |
| ·MATLAB神经网络工具箱概述 | 第47-48页 |
| ·BP神经网络的建立和训练 | 第48-50页 |
| ·BP神经网络的建立 | 第48-49页 |
| ·神经网络的缺陷样本训练 | 第49-50页 |
| ·人工刻槽深度和长度分析仿真结果 | 第50-52页 |
| ·结果分析 | 第52页 |
| ·本章小节 | 第52-54页 |
| 第六章 总结和展望 | 第54-56页 |
| ·总结 | 第54页 |
| ·进一步研究的设想 | 第54-56页 |
| 参考文献 | 第56-59页 |
| 研究生期间发表论文 | 第59页 |
