| 摘要 | 第5-6页 |
| Abstract | 第6页 |
| 目录 | 第7-9页 |
| 第1章 绪论 | 第9-14页 |
| 1.1 选题背景与研究意义 | 第9-10页 |
| 1.1.1 选题背景 | 第9页 |
| 1.1.2 课题研究的意义 | 第9-10页 |
| 1.2 钢轨探伤技术的国内外研究现状与发展趋势 | 第10-12页 |
| 1.2.1 钢轨探伤技术的国内外研究现状 | 第10-11页 |
| 1.2.2 钢轨探伤技术的发展趋势 | 第11-12页 |
| 1.3 论文主要研究内容及本文结构 | 第12-14页 |
| 第2章 无损检测技术 | 第14-25页 |
| 2.1 无损检测 | 第14-15页 |
| 2.2 无损检测方法 | 第15-18页 |
| 2.2.1 无损检测方法简介 | 第15-16页 |
| 2.2.2 无损检测方法选择 | 第16-18页 |
| 2.3 无损检测技术评价 | 第18-23页 |
| 2.3.1 无损检测技术评价对象 | 第19页 |
| 2.3.2 无损检测技术评价过程 | 第19页 |
| 2.3.3 无损检测技术评价内容和方法 | 第19-23页 |
| 2.4 缺陷检出的可靠性 | 第23-24页 |
| 2.5 本章小结 | 第24-25页 |
| 第3章 钢轨超声探伤方法 | 第25-44页 |
| 3.1 钢轨超声波探伤原理 | 第25-29页 |
| 3.1.1 超声波探伤的物理基础 | 第25-27页 |
| 3.1.2 超声探伤的基本原理 | 第27-29页 |
| 3.2 钢轨简介及常见伤损 | 第29-33页 |
| 3.2.1 钢轨简介 | 第29-31页 |
| 3.2.2 钢轨常见伤损及其成因 | 第31-32页 |
| 3.2.3 超声回波对各种缺陷的不同表现 | 第32-33页 |
| 3.3 基于多通道轨头轨腰无盲区检测法 | 第33-37页 |
| 3.3.1 钢轨超声探头简介 | 第33-34页 |
| 3.3.2 轨头轨腰无盲区检测法 | 第34-37页 |
| 3.4 多通道超声探伤仪系统设计 | 第37-43页 |
| 3.4.1 多通道超声探伤仪系统结构设计 | 第37-40页 |
| 3.4.2 多通道钢轨探伤仪软件的设计 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第4章 钢轨超声回波信号的小波降噪与特征提取 | 第44-63页 |
| 4.1 小波变换 | 第44-50页 |
| 4.1.1 连续小波变换 | 第44-45页 |
| 4.1.2 离散小波变换 | 第45-46页 |
| 4.1.3 多尺度分析 | 第46-50页 |
| 4.2 钢轨超声信号的小波降噪 | 第50-56页 |
| 4.2.1 Matlab小波分析工具箱 | 第50页 |
| 4.2.2 超声回波信号的小波降噪算法 | 第50-56页 |
| 4.3 超声回波信号尺度加权改进算法 | 第56-58页 |
| 4.4 超声回波信号的特征提取 | 第58-62页 |
| 4.4.1 超声回波信号的常见时频域特征 | 第59页 |
| 4.4.2 基于小波变换的超声回波信号特征提取 | 第59-62页 |
| 4.5 本章小结 | 第62-63页 |
| 第5章 基于神经网络的钢轨缺陷估计算法应用 | 第63-74页 |
| 5.1 基于神经网络的钢轨缺陷估计算法应用 | 第63-69页 |
| 5.1.1 人工神经网络概述 | 第63页 |
| 5.1.2 钢轨超声信号神经网络建模 | 第63-65页 |
| 5.1.3 钢轨超声信号BP神经网络学习算法 | 第65-69页 |
| 5.2 钢轨超声信号BP神经网络设计 | 第69-73页 |
| 5.2.1 钢轨超声信号BP神经网络输入数据的处理 | 第69-70页 |
| 5.2.2 钢轨超声信号BP神经网络神经元函数的选择 | 第70-71页 |
| 5.2.3 钢轨超声信号BP神经网络层数及其神经元个数的确定 | 第71-72页 |
| 5.2.4 钢轨超声信号BP神经网络实验结果 | 第72-73页 |
| 5.3 本章小结 | 第73-74页 |
| 总结与展望 | 第74-76页 |
| 参考文献 | 第76-79页 |
| 致谢 | 第79-80页 |
| 附录A (攻读学位期间发表的学术论文) | 第80-81页 |
| 附录B (攻读学位期间所参与的科研项目) | 第81页 |
