基于激光超声技术的材料表面缺陷的定量评价研究以及应用
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 激光超声检测技术 | 第12-15页 |
| 1.2.2 超声信号特征提取技术 | 第15页 |
| 1.2.3 超声缺陷分类识别技术研究现状 | 第15-16页 |
| 1.3 当前研究的主要问题 | 第16-17页 |
| 1.4 本文研究的主要内容 | 第17-18页 |
| 第二章 激光超声技术数值仿真研究 | 第18-30页 |
| 2.1 激光超声激发机制 | 第18-19页 |
| 2.1.1 热弹效应 | 第18-19页 |
| 2.1.2 融蚀效应 | 第19页 |
| 2.2 声表面波的基本性质 | 第19-23页 |
| 2.2.1 声表面波的检测方法 | 第20-23页 |
| 2.3 激光器参数分析 | 第23-24页 |
| 2.3.1 脉冲能量 | 第23页 |
| 2.3.2 辐照区域与光束能量分布 | 第23页 |
| 2.3.3 脉冲宽度与脉冲重复率 | 第23-24页 |
| 2.4 热弹机制下激发超声的点源模型 | 第24-25页 |
| 2.4.1 热扩散理论模型 | 第24页 |
| 2.4.2 热结构耦合的理论模型 | 第24-25页 |
| 2.5 数值仿真信号分析 | 第25-28页 |
| 2.5.1 仿真结果信号分析 | 第25-28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 激光超声小波去噪关键技术研究 | 第30-39页 |
| 3.1 小波分解理论 | 第30页 |
| 3.2 激光超声信号的小波包去噪 | 第30-31页 |
| 3.3 小波包变换理论 | 第31页 |
| 3.4 小波软阈值去噪 | 第31-32页 |
| 3.5 去噪评价指标和方案 | 第32-36页 |
| 3.5.1 加性高斯白噪声 | 第32-33页 |
| 3.5.2 选择小波基 | 第33-34页 |
| 3.5.3 分解层数的选择 | 第34-35页 |
| 3.5.4 阈值选择 | 第35-36页 |
| 3.6 信号的小波去噪 | 第36-37页 |
| 3.7 本章小结 | 第37-39页 |
| 第四章 基于材料表面缺陷的激光超声实验 | 第39-47页 |
| 4.1 实验系统整体介绍 | 第39-40页 |
| 4.2 控制装置 | 第40-41页 |
| 4.3 激发装置 | 第41-42页 |
| 4.4 检测装置 | 第42-43页 |
| 4.5 扫描装置 | 第43-44页 |
| 4.6 基于钢轨的激光超声实验 | 第44-45页 |
| 4.7 数据预处理 | 第45-46页 |
| 4.8 实验信号分析 | 第46页 |
| 4.9 本章小结 | 第46-47页 |
| 第五章 激光超声回波信号的特征提取关键技术研究 | 第47-62页 |
| 5.1 无监督特征提取算法 | 第47-48页 |
| 5.2 表面波缺陷信号的能量特征提取 | 第48-53页 |
| 5.3 表面波缺陷信号小波包时域和频域的特征提取 | 第53-55页 |
| 5.4 表面波缺陷信号的局部小波包熵的特征提取 | 第55-58页 |
| 5.5 基于小波包分解的特征融合算法 | 第58-61页 |
| 5.6 本章小结 | 第61-62页 |
| 第六章 激光超声信号分类评价关键技术研究 | 第62-74页 |
| 6.1 线性判别分析与Fisher可分性测度 | 第62-64页 |
| 6.2 支持向量机理论 | 第64-67页 |
| 6.2.1 线性分类问题 | 第64-66页 |
| 6.2.2 非线性分类问题 | 第66-67页 |
| 6.3 分类评价指标 | 第67-69页 |
| 6.3.1 交叉验证 | 第67页 |
| 6.3.2 精确率与召回率 | 第67-68页 |
| 6.3.3 模型的泛化能力 | 第68-69页 |
| 6.4 分类与评估 | 第69-73页 |
| 6.4.1 支持向量机参数寻优 | 第69页 |
| 6.4.2 基于支持向量机的多特征分类研究 | 第69-73页 |
| 6.5 本章小节 | 第73-74页 |
| 第七章 总结与展望 | 第74-75页 |
| 7.1 总结 | 第74页 |
| 7.2 展望 | 第74-75页 |
| 参考文献 | 第75-79页 |
| 致谢 | 第79-80页 |
| 在学期间的研究成果及学术论文情况 | 第80页 |
