| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 第1章 绪论 | 第9-15页 |
| 1.1 课题概述 | 第9-10页 |
| 1.2 课题的目的及意义 | 第10-12页 |
| 1.3 国内外的研究现状及分析 | 第12-14页 |
| 1.4 主要工作与研究内容 | 第14-15页 |
| 第2章 超声波探伤技术分析 | 第15-23页 |
| 2.1 超声波原理分析 | 第15-16页 |
| 2.1.1 振动力学原理 | 第15-16页 |
| 2.2 超声波探伤原理分析 | 第16页 |
| 2.3 超声波探伤方法分析 | 第16-17页 |
| 2.4 钢轨超声波探伤分析 | 第17-19页 |
| 2.5 钢轨超声波探伤 | 第19-22页 |
| 2.5.1 轨头核伤的探测 | 第20-21页 |
| 2.5.2 螺孔裂纹及其他裂纹探测 | 第21-22页 |
| 2.6 本章小结 | 第22-23页 |
| 第3章 超声波探伤缺陷提取方法分析 | 第23-47页 |
| 3.1 小波理论基础概述 | 第23-25页 |
| 3.1.1 短时傅立叶变换 | 第24-25页 |
| 3.2 小波变换原理分析 | 第25-27页 |
| 3.2.1 小波函数与尺度函数解析 | 第26-27页 |
| 3.3 小波变换方法分析 | 第27-32页 |
| 3.3.1 连续小波变换 | 第28-29页 |
| 3.3.2 离散小波变换 | 第29-32页 |
| 3.4 基于小波包方法的超声波信号处理分析 | 第32-34页 |
| 3.5 特征值提取方法分析 | 第34-38页 |
| 3.5.1 基于小波包节点能量的特征值提取方式 | 第34-38页 |
| 3.6 特征值降维 | 第38-46页 |
| 3.6.1 优化 LDA 算法 | 第43页 |
| 3.6.2 优化类概率函数算法 | 第43-46页 |
| 3.7 本章小结 | 第46-47页 |
| 第4章 钢轨缺陷识别及超声波探伤平台的研究 | 第47-64页 |
| 4.1 人工神经网络的基本特性 | 第47-49页 |
| 4.1.1 神经网络学习规则 | 第48-49页 |
| 4.2 BP 网络算法 | 第49-51页 |
| 4.3 基于 BP 网络的钢轨缺陷信号分类识别实验研究 | 第51-54页 |
| 4.3.1 实验装置 | 第51页 |
| 4.3.2 实验对象及信号采集 | 第51-53页 |
| 4.3.3 训练 BP 神经网络 | 第53页 |
| 4.3.4 训练网络结果分析 | 第53-54页 |
| 4.4 钢轨缺陷 BP 神经网络测试 | 第54-57页 |
| 4.5 基于 LabVIEW 的超声波软件平台搭建 | 第57-63页 |
| 4.5.1 LabVIEW 的功能及其特点 | 第57-60页 |
| 4.5.2 超声波登录系统界面设计 | 第60-61页 |
| 4.5.3 基于 LabVIEW 的实时数据分析设计 | 第61-63页 |
| 4.6 本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 攻读学位期间发表的学术论文 | 第68-69页 |
| 致谢 | 第69页 |
