基于超声合成孔径缺陷检测技术的研究
| 摘要 | 第3-6页 |
| Abstract | 第6-8页 |
| 1 绪论 | 第12-23页 |
| 1.1 研究背景 | 第12-15页 |
| 1.1.1 缺陷产生的成因和类型 | 第13页 |
| 1.1.2 无损检测技术 | 第13-14页 |
| 1.1.3 无损检测方法的比较 | 第14-15页 |
| 1.2 课题研究的目的和意义 | 第15页 |
| 1.3 超声检测技术的研究现状 | 第15-17页 |
| 1.3.1 超声检测技术 | 第15-16页 |
| 1.3.2 SAFT检测技术 | 第16-17页 |
| 1.4 超声检测成像技术研究现状 | 第17-21页 |
| 1.4.1 SAFT超声成像技术 | 第17-18页 |
| 1.4.2 超声检测信号处理技术 | 第18-20页 |
| 1.4.3 图像融合 | 第20-21页 |
| 1.5 本文主要研究内容 | 第21-22页 |
| 1.6 本章小结 | 第22-23页 |
| 2 检测特点及超声合成孔径检测技术 | 第23-34页 |
| 2.1 引言 | 第23页 |
| 2.2 检测对象的特点 | 第23-26页 |
| 2.2.1 检测对象的几何描述 | 第24-26页 |
| 2.2.2 基于神经网络技术的缺陷描述 | 第26页 |
| 2.3 合成孔径成像原理 | 第26-30页 |
| 2.3.1 超声合成孔径技术原理 | 第26-27页 |
| 2.3.2 评价超声合成孔径技术的主要指标 | 第27-30页 |
| 2.4 检测实验系统 | 第30-32页 |
| 2.4.1 系统构成 | 第31页 |
| 2.4.2 系统实施环节 | 第31-32页 |
| 2.5 本章小结 | 第32-34页 |
| 3 孔径类缺陷超声检测成像研究 | 第34-52页 |
| 3.1 引言 | 第34页 |
| 3.2 单晶硅孔径类缺陷表现形式 | 第34-35页 |
| 3.3 原始信号的获取 | 第35-38页 |
| 3.3.1 检测信号的获取 | 第35-37页 |
| 3.3.2 影响因素 | 第37-38页 |
| 3.4 检测信号的最优小波包滤波 | 第38-41页 |
| 3.4.1 小波包原理 | 第38-39页 |
| 3.4.2 小波包分解 | 第39-40页 |
| 3.4.3 重构原始信号 | 第40-41页 |
| 3.5 SAFT时域分析成像算法 | 第41-43页 |
| 3.5.1 离散数据的映射 | 第41-42页 |
| 3.5.2 直接时域成像算法 | 第42-43页 |
| 3.5.3 SAFT缺陷测量 | 第43页 |
| 3.6 三维图像重构方法研究 | 第43-45页 |
| 3.6.1 Marching Cubes算法 | 第43页 |
| 3.6.2 Marching Cubes算法原理 | 第43-44页 |
| 3.6.3 三角形折叠算法 | 第44-45页 |
| 3.7 实验分析及结果 | 第45-49页 |
| 3.7.1 实验过程 | 第45-46页 |
| 3.7.2 最优小波包去噪 | 第46页 |
| 3.7.3 直接时域成像 | 第46-48页 |
| 3.7.4 三维图像重构 | 第48-49页 |
| 3.7.5 实验结果分析 | 第49页 |
| 3.8 本章小结 | 第49-52页 |
| 4 接触面超声检测成像研究 | 第52-77页 |
| 4.1 引言 | 第52-53页 |
| 4.2 粗糙表面接触理论基础 | 第53-56页 |
| 4.2.1 粗糙表面形貌特征及描述方法 | 第53-54页 |
| 4.2.2 粗糙表面间的接触变形原理 | 第54-56页 |
| 4.3 结合面接触状态的超声图像描述与重建 | 第56-63页 |
| 4.3.1 结合面的特征值矩阵描述 | 第56-57页 |
| 4.3.2 超声图像的复原 | 第57-59页 |
| 4.3.3 参数-误差估计法原理 | 第59-61页 |
| 4.3.4 超声图像复原 | 第61-63页 |
| 4.4 压力耦合结合面接触状态的实验结果及分析 | 第63-75页 |
| 4.4.1 检测系统验证 | 第63-67页 |
| 4.4.2 结合面压力-反射率的自标定 | 第67页 |
| 4.4.3 不同压力下结合面的接触分布状态 | 第67-72页 |
| 4.4.4 不同粗糙度下结合面的接触分布状态 | 第72-74页 |
| 4.4.5 楔角实验 | 第74-75页 |
| 4.5 本章小结 | 第75-77页 |
| 5 超声图像优化技术研究 | 第77-95页 |
| 5.1 引言 | 第77-78页 |
| 5.2 非下采样Shearlet变换 | 第78-79页 |
| 5.2.1 Shearlet变换原理 | 第78-79页 |
| 5.2.2 非下采样Shearlet变换 | 第79页 |
| 5.3 深度玻尔兹曼机理论 | 第79-83页 |
| 5.3.1 基本神经元模型 | 第80-81页 |
| 5.3.2 受限玻尔兹曼机 | 第81-83页 |
| 5.3.3 深度玻尔兹曼机 | 第83页 |
| 5.4 超声图像融合技术 | 第83-87页 |
| 5.4.1 图像去噪评价准则 | 第84-85页 |
| 5.4.2 图像融合方法 | 第85-87页 |
| 5.4.3 本文的融合框架 | 第87页 |
| 5.5 融合实验与分析 | 第87-93页 |
| 5.5.1 “先期算法”融合 | 第88-90页 |
| 5.5.2 单晶硅超声图像融合 | 第90-93页 |
| 5.6 本章小结 | 第93-95页 |
| 6 结论与展望 | 第95-97页 |
| 6.1 结论 | 第95-96页 |
| 6.2 展望 | 第96-97页 |
| 致谢 | 第97-98页 |
| 参考文献 | 第98-112页 |
| 攻读学位期间主要研究成果 | 第112页 |
