管道缺陷智能识别的研究
| 摘要 | 第1-6页 |
| Abstract | 第6-11页 |
| 1 绪论 | 第11-16页 |
| ·课题的提出及社会意义 | 第11页 |
| ·国内外漏磁信号处理技术概况 | 第11-13页 |
| ·课题实现的方案 | 第13-15页 |
| ·本人完成的工作及论文安排 | 第15-16页 |
| 2 管道漏磁检测原理及缺陷特征提取 | 第16-23页 |
| ·漏磁检测原理 | 第16-17页 |
| ·漏磁装置的基本结构 | 第17-18页 |
| ·缺陷外形对漏磁场的影响 | 第18-23页 |
| ·霍尔元件工作原理及缺陷漏磁场 | 第18-19页 |
| ·缺陷深度对漏磁场的影响 | 第19-21页 |
| ·缺陷长度对漏磁场的影响 | 第21-23页 |
| 3 缺陷信号特征提取 | 第23-29页 |
| ·ANSYS仿真 | 第23-24页 |
| ·实验数据测量 | 第24-29页 |
| ·实验数据测量装置 | 第24-25页 |
| ·特征缺陷的建立 | 第25页 |
| ·特征信号 | 第25-29页 |
| 4 人工神经网络 | 第29-46页 |
| ·人工神经网络和生物神经网络 | 第29页 |
| ·人工神经网络的神经元模型 | 第29-35页 |
| ·单输入神经元 | 第29-30页 |
| ·多输入神经元 | 第30-32页 |
| ·神经网络的传输函数 | 第32-33页 |
| ·神经网络的网络结构 | 第33-35页 |
| ·BP神经网络的算法和应用 | 第35-46页 |
| ·BP算法 | 第35-37页 |
| ·加速BP网络收敛 | 第37-41页 |
| ·BP算法的软件实现 | 第41-46页 |
| 5 基于BP神经网络的漏磁信号处理技术 | 第46-62页 |
| ·ANSYS仿真数据训练 | 第46-48页 |
| ·识别实验数据 | 第48-57页 |
| ·数据预处理 | 第48-49页 |
| ·小波变换与小波多分辨率分析 | 第49-54页 |
| ·漏磁信号插值 | 第54-57页 |
| ·实验数据识别结果 | 第57页 |
| ·实验数据样本训练 | 第57-58页 |
| ·小波神经网络 | 第58-62页 |
| 6 边缘提取 | 第62-65页 |
| ·漏磁信号的边缘提取 | 第62-64页 |
| ·影响边缘提取的因素 | 第64-65页 |
| 7 基于数据融合技术的漏磁信号处理 | 第65-69页 |
| ·数据融合技术 | 第65-67页 |
| ·数据融合方法 | 第67-69页 |
| ·加权平均法 | 第67-68页 |
| ·基于数据融合的管道缺陷识别 | 第68-69页 |
| 8 结论与展望 | 第69-70页 |
| 参考文献 | 第70-73页 |
| 在学研究成果 | 第73-74页 |
| 致谢 | 第74页 |
