| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 引言 | 第16-17页 |
| 第一章 绪论 | 第17-23页 |
| 1.1 课题的背景与研究意义 | 第17页 |
| 1.2 国内外研究现状 | 第17-20页 |
| 1.2.1 磁-热检测技术 | 第17-20页 |
| 1.2.2 数据融合技术 | 第20页 |
| 1.3 论文的主要内容 | 第20-21页 |
| 1.4 论文的研究方案 | 第21-23页 |
| 第二章 磁-热检测的试验过程 | 第23-27页 |
| 2.1 引言 | 第23页 |
| 2.2 材料选取 | 第23页 |
| 2.3 轴向拉伸疲劳试验 | 第23-25页 |
| 2.4 磁-热检测试验 | 第25-26页 |
| 2.4.1 磁记忆检测试验 | 第25-26页 |
| 2.4.2 红外热像检测试验 | 第26页 |
| 2.5 本章小结 | 第26-27页 |
| 第三章 金属疲劳过程磁信号特征量的提取 | 第27-41页 |
| 3.1 引言 | 第27页 |
| 3.2 磁特征变化的理论依据 | 第27-31页 |
| 3.2.1 磁性 | 第27-28页 |
| 3.2.2 磁滞回线和磁化曲线 | 第28-29页 |
| 3.2.3 磁机械效应和磁弹性效应 | 第29-31页 |
| 3.3 磁记忆信号的多特征量提取 | 第31-35页 |
| 3.3.1 小波变换 | 第31-33页 |
| 3.3.2 小波包能量特征 | 第33-34页 |
| 3.3.3 奇异性指数特征 | 第34页 |
| 3.3.4 磁场强度梯度特征 | 第34-35页 |
| 3.4 实验结果与分析 | 第35-40页 |
| 3.4.1 磁记忆信号的采集及降噪处理 | 第35-36页 |
| 3.4.2 小波包的分解与重构 | 第36-37页 |
| 3.4.3 能量的特征提取 | 第37-38页 |
| 3.4.4 奇异性指数的特征提取 | 第38-39页 |
| 3.4.5 梯度峰值的特征提取 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 金属疲劳过程热特征量提取 | 第41-53页 |
| 4.1 引言 | 第41页 |
| 4.2 能量耗散过程 | 第41-45页 |
| 4.2.1 热耗散 | 第41-43页 |
| 4.2.2 储能 | 第43-45页 |
| 4.3 利用红外热像技术测定试样表面温度 | 第45-47页 |
| 4.3.1 fluke红外热像仪的使用及SmartView软件操作 | 第45-47页 |
| 4.3.2 实验步骤 | 第47页 |
| 4.4 试验结果与分析 | 第47-52页 |
| 4.4.1 温度均值的计算 | 第47-50页 |
| 4.4.2 温度梯度的相关系数计算 | 第50-52页 |
| 4.5 本章小结 | 第52-53页 |
| 第五章 基于BP神经网络的磁-热特征量的数据融合 | 第53-69页 |
| 5.1 引言 | 第53页 |
| 5.2 MATLAB的简介 | 第53页 |
| 5.3 人工神经网络原理 | 第53-56页 |
| 5.3.1 几种典型的神经网络 | 第53-54页 |
| 5.3.2 BP神经网络的简介 | 第54-56页 |
| 5.4 BP神经网络的模型建立 | 第56-60页 |
| 5.4.1 网络结构的确定 | 第57页 |
| 5.4.2 网络训练 | 第57-60页 |
| 5.5 磁-热特征数据融合的仿真研究 | 第60-63页 |
| 5.5.1 样本的选取 | 第60页 |
| 5.5.2 样本数据的处理 | 第60-61页 |
| 5.5.3 网络训练 | 第61-63页 |
| 5.6 金属疲劳评估的实例应用 | 第63-68页 |
| 5.6.1 金属疲劳评估指标 | 第63-64页 |
| 5.6.2 Q235钢试件 | 第64-66页 |
| 5.6.3 Q235支撑杆 | 第66-68页 |
| 5.7 本章小结 | 第68-69页 |
| 第六章 全文总结 | 第69-70页 |
| 6.1 总结 | 第69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74-75页 |
| 作者简介及读研期间主要科研成果 | 第75页 |