基于时频分析和神经网络的薄板粘接缺陷超声检测研究
| 摘要 | 第1-5页 |
| ABSTRACT | 第5-9页 |
| 引言 | 第9-13页 |
| 1 研究背景及意义 | 第9-10页 |
| 2 国内外研究现状 | 第10页 |
| 3 超声检测的信号处理方法 | 第10-11页 |
| 4 信号处理在缺陷识别中的应用 | 第11-12页 |
| 5 课题研究的内容及意义 | 第12-13页 |
| 第一章 超声回波信号的特征及其分析 | 第13-17页 |
| ·超声检测方法及其原理 | 第13-14页 |
| ·真实回波信号的特点分析 | 第14-15页 |
| ·回波信号的数学模型 | 第15页 |
| ·模型中各参数的确定 | 第15-17页 |
| ·回波幅度A的确定 | 第15-16页 |
| ·衰减系数α的确定 | 第16页 |
| ·角频率ω的确定 | 第16-17页 |
| ·本章小结 | 第17页 |
| 第二章 超声信号谱分析 | 第17-21页 |
| ·超声谱分析概述 | 第17-18页 |
| ·最大熵谱分析 | 第18-21页 |
| ·最大熵谱估计原理 | 第18-20页 |
| ·最大熵谱计算 | 第20-21页 |
| ·谱估计阶数的确定 | 第21页 |
| ·本章小结 | 第21页 |
| 第三章 回波信号的小波分析与研究 | 第21-28页 |
| ·小波原理概述 | 第21-23页 |
| ·连续小波变换 | 第23-24页 |
| ·离散二进小波变换 | 第24-26页 |
| ·Daubechies(db)小波 | 第26-28页 |
| ·本章小结 | 第28页 |
| 第四章 回波信号的特征提取 | 第28-35页 |
| ·回波信号的谱峰中心频率偏移 | 第28-30页 |
| ·回波信号的衰减系数 | 第30页 |
| ·回波缺陷信号的能量 | 第30-31页 |
| ·回波细节信号的频域能量 | 第31-35页 |
| ·小波基函数的选取 | 第32-33页 |
| ·小波分解层的确定 | 第33页 |
| ·利用小波变换的特征提取 | 第33-35页 |
| ·本章小结 | 第35页 |
| 第五章 粘接质量的神经网络模式识别 | 第35-45页 |
| ·神经网络模式识别的原理 | 第35-41页 |
| ·人工神经网络概述 | 第35-37页 |
| ·BP算法原理 | 第37-38页 |
| ·BP算法的数学描述 | 第38-40页 |
| ·BP算法的不足 | 第40页 |
| ·BP算法的改进 | 第40-41页 |
| ·应用BP神经网络对薄板缺陷进行识别 | 第41-44页 |
| ·本章小结 | 第44-45页 |
| 结论 | 第45-46页 |
| 参考文献 | 第46-49页 |
| 附录 | 第49-51页 |
| 致谢 | 第51页 |
| 攻读学位期间发表的学术论文目录 | 第51页 |
