| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 符号说明 | 第15-16页 |
| 1 绪论 | 第16-32页 |
| 1.1 聚乙烯管道发展概述 | 第16-17页 |
| 1.2 聚乙烯管道连接方式与缺陷分类 | 第17-20页 |
| 1.2.1 聚乙烯管道连接方式 | 第17-18页 |
| 1.2.2 聚乙烯管道电熔接头缺陷分类 | 第18-20页 |
| 1.3 聚乙烯管道接头无损检测技术研究现状 | 第20-25页 |
| 1.3.1 聚乙烯管道焊接接头缺陷无损检测方法 | 第20-21页 |
| 1.3.2 缺陷自动识别技术 | 第21-24页 |
| 1.3.3 缺陷安全评定准则 | 第24-25页 |
| 1.4 BP神经网络理论基础 | 第25-27页 |
| 1.4.1 人工神经网络 | 第25页 |
| 1.4.2 BP神经网络结构 | 第25-26页 |
| 1.4.3 BP神经网络的工作过程 | 第26-27页 |
| 1.5 目前存在的问题 | 第27-28页 |
| 1.6 研究内容及技术路线图 | 第28-32页 |
| 1.6.1 主要研究内容 | 第28-30页 |
| 1.6.2 技术路线图 | 第30-32页 |
| 2 基于BP神经网络的聚乙烯管道电熔接头焊接特征区域分类 | 第32-46页 |
| 2.1 超声检测仪器及检测图像 | 第32-34页 |
| 2.1.1 聚乙烯管电熔接头超声检测仪器 | 第32-33页 |
| 2.1.2 仪器检测图像的保存模式 | 第33-34页 |
| 2.2 电熔接头焊接缺陷检测图像的预处理 | 第34-38页 |
| 2.2.1 数据文件的图像绘制 | 第34-36页 |
| 2.2.2 聚乙烯管道电熔接头焊接特征区域的确定 | 第36-38页 |
| 2.3 基于BP神经网络的特征区域分类识别 | 第38-44页 |
| 2.3.1 BP神经网络的结构设计 | 第39-41页 |
| 2.3.2 BP神经网络算法的编程实现 | 第41-42页 |
| 2.3.3 电熔接头的特征区域分类实验 | 第42-44页 |
| 2.4 本章小结 | 第44-46页 |
| 3 聚乙烯管道电熔接头缺陷自动识别模块的研发 | 第46-62页 |
| 3.1 缺陷自动识别软件需求分析 | 第46-48页 |
| 3.1.1 缺陷自动识别软件需求概述 | 第46页 |
| 3.1.2 缺陷自动识别软件系统框架设计 | 第46-48页 |
| 3.2 缺陷自动识别功能的实现 | 第48-56页 |
| 3.2.1 电阻丝错位缺陷的识别与安全评定 | 第48-50页 |
| 3.2.2 孔洞缺陷的识别与安全评定 | 第50-53页 |
| 3.2.3 熔合面缺陷的识别与标注 | 第53-55页 |
| 3.2.4 冷焊缺陷的识别与安全评定 | 第55-56页 |
| 3.3 自动识别软件缺陷识别能力实验验证 | 第56-61页 |
| 3.3.1 样片选择 | 第56-57页 |
| 3.3.2 样片统计 | 第57页 |
| 3.3.3 结果分析 | 第57-61页 |
| 3.4 本章小结 | 第61-62页 |
| 4 缺陷自动识别系统数据管理模块的研发 | 第62-74页 |
| 4.1 超声相控阵检测仪器数据通讯功能的开发 | 第62-67页 |
| 4.1.1 数据通讯软件需求设计 | 第62-63页 |
| 4.1.2 数据通讯软件图像数据组成 | 第63-64页 |
| 4.1.3 数据通讯软件图像传输模式 | 第64页 |
| 4.1.4 超声相控阵检测仪器数据通讯软件 | 第64-67页 |
| 4.2 聚乙烯管道电熔接头检测信息的数据库管理 | 第67-70页 |
| 4.2.1 电熔接头检测报告的设计 | 第67-70页 |
| 4.2.2 电熔接头检测信息的数据库管理 | 第70页 |
| 4.3 聚乙烯管道电熔接头检测信息的反馈 | 第70-72页 |
| 4.4 本章小结 | 第72-74页 |
| 5 聚乙烯管道电熔接头超声检测缺陷自动识别系统完整性试验 | 第74-82页 |
| 5.1 缺陷试样制作 | 第74-76页 |
| 5.2 缺陷试样检测 | 第76-78页 |
| 5.3 缺陷自动识别 | 第78-79页 |
| 5.4 检测数据的智能化管理 | 第79-81页 |
| 5.5 本章小结 | 第81-82页 |
| 6 总结与展望 | 第82-84页 |
| 6.1 总结 | 第82页 |
| 6.2 创新点 | 第82-83页 |
| 6.3 展望 | 第83-84页 |
| 参考文献 | 第84-88页 |
| 作者简介 | 第88页 |