首页--工业技术论文--金属学与金属工艺论文--焊接、金属切割及金属粘接论文--焊接工艺论文--一般方法论文--焊接缺陷及质量检查论文

不锈钢电阻点焊质量超声波定量及智能化检测研究

摘要第4-7页
Abstract第7-10页
第1章 绪论第15-39页
    1.1 研究目的和意义第15-16页
    1.2 电阻点焊无损检测研究现状第16-26页
        1.2.1 射线检测第16-18页
        1.2.2 声发射检测第18-19页
        1.2.3 超声波检测第19-26页
    1.3 超声波信号处理技术的应用第26-29页
        1.3.1 超声波信号的时域分析第27页
        1.3.2 超声波信号的频域分析第27-28页
        1.3.3 超声波信号的时频域分析第28-29页
    1.4 超声波数据图像处理第29-32页
        1.4.1 图像增强第29-30页
        1.4.2 边缘检测第30-31页
        1.4.3 图像分割第31-32页
    1.5 超声波检测的数值仿真第32-34页
        1.5.1 超声波声场的数值仿真第32-33页
        1.5.2 不锈钢电阻点焊超声检测数值仿真第33-34页
    1.6 超声波检测焊接缺陷智能识别的研究现状第34-36页
        1.6.1 人工神经网络第34-35页
        1.6.2 支持向量机第35-36页
    1.7 本文主要研究内容第36-39页
第2章 试验材料、设备及方法第39-49页
    2.1 试验材料及试件规格第39-40页
    2.2 点焊试件焊接工艺条件第40-41页
    2.3 电阻点焊超声波检测系统第41-46页
        2.3.1 超声检测系统组成及工作原理第42-44页
        2.3.2 超声检测系统数据处理功能第44-46页
    2.4 点焊接头超声波检测试验方法第46-48页
    2.5 本章小结第48-49页
第3章 电阻点焊接头超声检测信号分析第49-75页
    3.1 超声波检测基本理论第49-57页
        3.1.1 超声波探头声场特征第49-50页
        3.1.2 超声波垂直入射到单一平界面时的传播特性第50-53页
        3.1.3 超声波垂直入射到多层介质时的传播特性第53-57页
    3.2 点焊接头 A 扫描信号时域及频域分析第57-63页
    3.3 小波及小波包变换基础理论第63-70页
        3.3.1 小波变换第63-67页
        3.3.2 多分辨分析第67-68页
        3.3.3 小波包变换第68-70页
    3.4 点焊接头 A 扫描信号的时频域分析第70-73页
    3.5 本章小结第73-75页
第4章 超声波 C 扫描成像分析第75-91页
    4.1 基于小波包信号分析的超声波 C 扫描成像第75-77页
    4.2 双三次图像插值第77-79页
    4.3 C 扫描图像数据处理第79-87页
        4.3.1 图像增强第80-84页
        4.3.2 边缘检测第84-87页
        4.3.3 点焊熔核直径评估算法—等效直径法第87页
    4.4 试验结果分析第87-90页
    4.5 本章小结第90-91页
第5章 点焊接头超声波检测的数值仿真第91-101页
    5.1 声场模拟基本理论第91-92页
    5.2 仿真模型的建立第92-94页
        5.2.1 激励信号的选取第92-93页
        5.2.2 网格划分第93-94页
    5.3 仿真计算结果及分析第94-99页
        5.3.1 点焊接头超声波检测回波信号仿真分析第94-97页
        5.3.2 气孔缺陷的仿真结果第97-99页
    5.4 点焊试样平底孔检测试验第99-100页
    5.5 本章小结第100-101页
第6章 基于神经网络的电阻点焊超声波检测缺陷智能识别第101-119页
    6.1 典型缺陷超声检测信号的特征提取第101-106页
        6.1.1 时域分析第102-103页
        6.1.2 频域分析第103-105页
        6.1.3 时频域分析第105-106页
    6.2 人工神经网络选择第106-108页
    6.3 BP 神经网络第108-115页
        6.3.1 BP 神经网络结构第109页
        6.3.2 BP 神经网络的算法第109-113页
        6.3.3 BP 神经网络的参数设计第113-115页
    6.4 BP 神经网络识别结果第115-116页
    6.5 本章小结第116-119页
第7章 结论第119-121页
参考文献第121-135页
作者简介及在攻读博士期间所取得的科研成果第135-137页
致谢第137页

论文共137页,点击 下载论文
上一篇:基于RBF神经网络的减摇鳍模糊控制器设计
下一篇:非晶孕育对Al-Cu合金组织和强塑性的影响规律及机制