脉冲涡流缺陷分类识别技术研究
| 摘要 | 第1-7页 |
| Abstract | 第7-11页 |
| 第一章 绪论 | 第11-20页 |
| ·课题的提出及研究意义 | 第11-12页 |
| ·脉冲涡流无损检测技术的国内外研究进展 | 第12-19页 |
| ·涡流检测技术的发展 | 第12-14页 |
| ·脉冲涡流检测信号特征提取的研究进展 | 第14-16页 |
| ·脉冲涡流检测缺陷识别的研究进展 | 第16-19页 |
| ·本论文的主要研究内容 | 第19-20页 |
| 第二章 脉冲涡流检测系统的设计 | 第20-37页 |
| ·引言 | 第20页 |
| ·检测系统的总体方案设计 | 第20-21页 |
| ·检测系统关键模块设计 | 第21-32页 |
| ·基于DDS的脉冲涡流信号源模块 | 第21-29页 |
| ·信号调理模块 | 第29-30页 |
| ·检测探头的研制 | 第30-32页 |
| ·基于LabView的检测软件设计 | 第32-36页 |
| ·数据采集程序 | 第33-35页 |
| ·数据存储程序 | 第35-36页 |
| ·本章小结 | 第36-37页 |
| 第三章 基于小波分析的检测信号去噪及特征提取 | 第37-56页 |
| ·引言 | 第37-38页 |
| ·基于Morlet小波的检测信号去噪 | 第38-47页 |
| ·基于Morlet小波的去噪流程 | 第38-40页 |
| ·检测信号去噪结果 | 第40-47页 |
| ·基于Daubechies小波的检测信号特征提取 | 第47-55页 |
| ·基于Daubechies小波的特征提取流程 | 第48-50页 |
| ·检测信号特征提取结果 | 第50-54页 |
| ·特征提取结果分析 | 第54-55页 |
| ·本章小结 | 第55-56页 |
| 第四章 基于蚁群-遗传算法的脉冲涡流缺陷分类 | 第56-72页 |
| ·引言 | 第56-57页 |
| ·基于智能算法的脉冲涡流缺陷分类识别 | 第57-62页 |
| ·基于蚁群算法的脉冲涡流缺陷分类识别 | 第57-59页 |
| ·基于遗传算法的缺陷分类识别 | 第59-62页 |
| ·基于蚁群-遗传算法的缺陷分类识别 | 第62-71页 |
| ·基于遗传算法优化初始信息素矩阵 | 第62-68页 |
| ·基于蚁群算法确认最佳聚类中心并分类识别 | 第68-71页 |
| ·本章小结 | 第71-72页 |
| 第五章 实验结果与分析 | 第72-81页 |
| ·引言 | 第72页 |
| ·实验系统 | 第72-74页 |
| ·实验对象介绍 | 第72-74页 |
| ·实验系统结构 | 第74页 |
| ·实验步骤 | 第74-76页 |
| ·脉冲涡流检测缺陷分类识别结果 | 第76-80页 |
| ·目标函数值及分类结果 | 第76-78页 |
| ·最优聚类中心 | 第78页 |
| ·识别结果分析 | 第78-80页 |
| ·本章小结 | 第80-81页 |
| 总结与展望 | 第81-83页 |
| 参考文献 | 第83-87页 |
| 攻读硕士学位期间取得的研究成果 | 第87-88页 |
| 致谢 | 第88页 |
