石油管道缺陷智能识别与三维重构技术研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| 第1章 绪论 | 第10-15页 |
| ·课题研究的目的和意义 | 第10页 |
| ·管道检测与重构算法 | 第10-14页 |
| ·管道检测技术的发展及现状 | 第10-11页 |
| ·漏磁检测技术的发展及现状 | 第11-12页 |
| ·缺陷重构算法的研究现状 | 第12-14页 |
| ·本课题的主要内容及创新点 | 第14-15页 |
| 第2章 漏磁检测技术研究 | 第15-22页 |
| ·引言 | 第15页 |
| ·石油管道漏磁检测原理 | 第15-17页 |
| ·石油管道漏磁检测系统 | 第15-16页 |
| ·漏磁检测的基本原理 | 第16-17页 |
| ·磁偶极子理论模型 | 第17-20页 |
| ·点偶极子模型 | 第18页 |
| ·线偶极子模型 | 第18-19页 |
| ·面偶极子模型 | 第19-20页 |
| ·缺陷漏磁信号的影响因素分析 | 第20-21页 |
| ·缺陷长度对漏磁信号的影响 | 第20页 |
| ·缺陷深度对漏磁信号的影响 | 第20-21页 |
| ·缺陷宽度对漏磁信号的影响 | 第21页 |
| ·本章小结 | 第21-22页 |
| 第3章 管道缺陷的智能识别 | 第22-45页 |
| ·引言 | 第22页 |
| ·缺陷智能识别的原理和框图 | 第22-30页 |
| ·数据插值 | 第23-26页 |
| ·特征提取与参数识别 | 第26-28页 |
| ·类别判定 | 第28-30页 |
| ·统计学习理论与支持向量机 | 第30-36页 |
| ·函数集的 VC 维 | 第31-32页 |
| ·推广性的界 | 第32页 |
| ·结构风险最小化原则 | 第32-33页 |
| ·最优分类面 | 第33-35页 |
| ·规范支持向量机 | 第35-36页 |
| ·三次样条插值方法 | 第36-40页 |
| ·样条插值公式 | 第36-38页 |
| ·插值的实现 | 第38-40页 |
| ·基于支持向量机的缺陷参数识别 | 第40-42页 |
| ·训练样本集和测试样本集 | 第40-41页 |
| ·缺陷参数识别的实现 | 第41-42页 |
| ·基于支持向量机的类别判定 | 第42-43页 |
| ·训练样本集和测试样本集 | 第42页 |
| ·类别判定的实现 | 第42-43页 |
| ·本章小结 | 第43-45页 |
| 第4章 管道缺陷三维重构技术研究 | 第45-68页 |
| ·引言 | 第45页 |
| ·三维重构算法原理和框图 | 第45-47页 |
| ·最小二乘支持向量机 | 第47-49页 |
| ·基本原理 | 第47-49页 |
| ·核函数 | 第49页 |
| ·基于遗传算法的参数优化 | 第49-55页 |
| ·遗传算法原理 | 第49-52页 |
| ·参数优化的实现 | 第52-55页 |
| ·基于粒子群算法的参数优化 | 第55-59页 |
| ·粒子群算法的数学描述 | 第56-57页 |
| ·参数优化的实现 | 第57-59页 |
| ·管道缺陷二维重构的实现 | 第59-67页 |
| ·基于 BP 神经网络的二维重构 | 第60-62页 |
| ·基于 LS_SVM 的二维重构 | 第62-64页 |
| ·基于 PSO_LS_SVM 的二维重构 | 第64-67页 |
| ·本章小结 | 第67-68页 |
| 第5章 管道缺陷三维重构技术的仿真验证 | 第68-82页 |
| ·引言 | 第68页 |
| ·基于 ANSYS 的漏磁场有限元仿真 | 第68-76页 |
| ·选择单元类型 | 第69页 |
| ·指定材料属性 | 第69-72页 |
| ·建立几何实体 | 第72-74页 |
| ·网格划分 | 第74-75页 |
| ·求解及后处理 | 第75-76页 |
| ·仿真数据的获取 | 第76-77页 |
| ·三维数据的可视化 | 第77-78页 |
| ·管道缺陷的三维重构 | 第78-81页 |
| ·本章小结 | 第81-82页 |
| 结论 | 第82-83页 |
| 参考文献 | 第83-88页 |
| 攻读硕士学位期间发表的论文和取得的科研成果 | 第88-89页 |
| 致谢 | 第89页 |
