摘要 | 第5-7页 |
ABSTRACT | 第7-9页 |
1 绪论 | 第13-25页 |
1.1 研究背景及意义 | 第13-14页 |
1.2 国内外研究现状 | 第14-22页 |
1.2.1 超声无损检测研究现状 | 第14-15页 |
1.2.2 仿真技术研究 | 第15-18页 |
1.2.3 缺陷特征提取与识别研究现状 | 第18-20页 |
1.2.4 缺陷重构技术研究现状 | 第20-22页 |
1.3 研究内容 | 第22-25页 |
2 超声检测基本理论与缺陷特征提取 | 第25-57页 |
2.1 回转体工件超声检测方法及原理 | 第25-31页 |
2.1.1 回转体工件的超声检测方法 | 第25-27页 |
2.1.2 回转体工件超声检测原理 | 第27-30页 |
2.1.3 本文研究的关键技术 | 第30-31页 |
2.2 基于多元高斯声束模型的声场分析 | 第31-39页 |
2.2.1 活塞探头的发射声场分析 | 第32-34页 |
2.2.2 高斯声束模型的仿真原理 | 第34-37页 |
2.2.3 活塞探头的多元高斯声束模型 | 第37-39页 |
2.3 系统工作样机介绍 | 第39-41页 |
2.4 基于自适应滤波器的特征回波降噪处理 | 第41-47页 |
2.4.1 最小均方自适应滤波原理 | 第41-44页 |
2.4.2 参考信号源选择 | 第44-45页 |
2.4.3 回转体构件超声自适应滤波 | 第45-47页 |
2.5 基于解卷积的特征量提取技术 | 第47-49页 |
2.6 基于有限元的缺陷超声回波仿真 | 第49-56页 |
2.6.1 圆截面平面有限元方程 | 第49-53页 |
2.6.2 圆截面有限元仿真模型 | 第53-54页 |
2.6.3 圆柱体缺陷的仿真结果分析 | 第54-56页 |
2.7 本章小结 | 第56-57页 |
3 回转体超声检测的缺陷类型识别方法研究 | 第57-83页 |
3.1 基于经验模态分解(EMD)的时频特征量提取技术 | 第57-66页 |
3.1.1 EMD的基础理论 | 第57-61页 |
3.1.2 缺陷回波的EMD分解 | 第61-62页 |
3.1.3 缺陷回波特征量分析 | 第62-65页 |
3.1.4 EMD分解层数的确定 | 第65-66页 |
3.2 基于决策树的缺陷类型识别技术 | 第66-70页 |
3.2.1 决策树算法的基本原理 | 第66-69页 |
3.2.2 基于决策树的类型识别结果分析 | 第69-70页 |
3.3 随机森林算法用于缺陷识别模型的改进 | 第70-75页 |
3.3.1 随机森林算法原理 | 第70-72页 |
3.3.2 基于随机森林算法改进的缺陷类型识别 | 第72-75页 |
3.4 基于SOM神经网络的超声声场自动聚类分析研究 | 第75-81页 |
3.4.1 SOM神经网络 | 第76-77页 |
3.4.2 超声声场区域划分及超声回波信号特征提取 | 第77-80页 |
3.4.3 仿真实验验证 | 第80-81页 |
3.5 本章小结 | 第81-83页 |
4 回转体内部缺陷的重构方法研究 | 第83-115页 |
4.1 基于传播时间--路径的缺陷重构原理 | 第83-89页 |
4.1.1 实心体缺陷的重构原理 | 第83-88页 |
4.1.2 空心体工件内缺陷的重构原理 | 第88-89页 |
4.2 基于传播时间--弧相切拟合的缺陷重构方法 | 第89-106页 |
4.2.1 基于传播时间--路径(线)缺陷重构方法的不足及原因 | 第89-92页 |
4.2.2 基于圆相切拟合的缺陷重构 | 第92-95页 |
4.2.3 基于椭圆相切拟合的缺陷重构 | 第95-100页 |
4.2.4 基于椭圆相切拟合重构算法的验证 | 第100-102页 |
4.2.5 基于矩形相切拟合的缺陷重构 | 第102-106页 |
4.3 基于体绘制的缺陷三维可视化 | 第106-107页 |
4.4 实际工件的检测与重构 | 第107-113页 |
4.5 本章小结 | 第113-115页 |
5 结论与展望 | 第115-117页 |
5.1 论文所做的工作 | 第115-116页 |
5.2 论文的创新点 | 第116页 |
5.3 论文待解决的问题 | 第116-117页 |
参考文献 | 第117-127页 |
攻读博士学位期间发表的论文和研究成果 | 第127-128页 |
致谢 | 第128页 |