神经网络在管道漏磁信号分析中的应用
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 1 绪论 | 第10-16页 |
| ·课题的意义及国内外的发展水平与动向 | 第10-11页 |
| ·神经网络的发展与现状 | 第11-14页 |
| ·神经网络与漏磁检测 | 第14-15页 |
| ·本论文的工作内容 | 第15页 |
| ·本论文的安排 | 第15-16页 |
| 2 漏磁检测原理及ANSYS有限元分析软件 | 第16-22页 |
| ·漏磁检测原理 | 第16-17页 |
| ·管道漏磁检测装置的工作原理和基本结构 | 第17-18页 |
| ·工作原理 | 第17页 |
| ·装置的机械结构 | 第17-18页 |
| ·ANSYS有限元分析软件在管道漏磁检测中的应用 | 第18-22页 |
| ·ANSYS有限元分析软件简介 | 第18页 |
| ·ANSYS有限元分析软件用于管道漏磁检测 | 第18-22页 |
| 3 神经网络基本理论 | 第22-31页 |
| ·人工神经元模型 | 第22-25页 |
| ·网络结构及工作方式 | 第25-26页 |
| ·NN的学习 | 第26-31页 |
| ·学习方式 | 第26-28页 |
| ·学习算法 | 第28-29页 |
| ·学习与自适应 | 第29-31页 |
| 4 多层前馈神经网络 | 第31-55页 |
| ·多层前馈网络的函数逼近 | 第31页 |
| ·多层前馈网络作用的分析 | 第31-33页 |
| ·径向基函数神经网络 | 第33-53页 |
| ·引言 | 第33-34页 |
| ·插值问题 | 第34-36页 |
| ·正规化问题 | 第36-41页 |
| ·正规化问题的逼近解及GRBF网络 | 第41-45页 |
| ·RBF网络的学习方法 | 第45-53页 |
| ·BP网络与RBF网络的比较 | 第53-55页 |
| 5 径向基网络在管道漏磁信号处理中的应用 | 第55-64页 |
| ·径向基网络对仿真信号的训练 | 第55-60页 |
| ·径向基网络对实测数据的训练 | 第60-64页 |
| ·实测漏磁信号的预处理 | 第60-62页 |
| ·网络对试验数据的训练 | 第62-64页 |
| 6 结论 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 在学研究成果 | 第68-69页 |
| 致谢 | 第69页 |
