基于超声信号的汽轮机组焊接转子缺陷识别
| 摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 第1章 绪论 | 第10-16页 |
| 1.1 课题研究背景及意义 | 第10-11页 |
| 1.2 研究概况 | 第11-14页 |
| 1.2.1 超声检测技术研究概况 | 第11-12页 |
| 1.2.2 超声信号消噪研究概况 | 第12-13页 |
| 1.2.3 超声缺陷识别研究概况 | 第13-14页 |
| 1.3 本课题主要内容及章节安排 | 第14-16页 |
| 第2章 超声缺陷回波信号消噪方法研究 | 第16-29页 |
| 2.1 超声回波信号模型及其噪声特性分析 | 第16-17页 |
| 2.2 基于VMD和小波能量熵阈值消噪方法研究 | 第17-20页 |
| 2.2.1 VMD基本原理 | 第17-18页 |
| 2.2.2 VMD参数确定及消噪原理 | 第18页 |
| 2.2.3 信息熵理论 | 第18-19页 |
| 2.2.4 小波能量熵阈值选取方法 | 第19-20页 |
| 2.2.5 超声波信号消噪方法 | 第20页 |
| 2.3 超声缺陷回波信号消噪实验研究 | 第20-28页 |
| 2.3.1 仿真信号实验 | 第20-23页 |
| 2.3.2 仿真信号消噪效果定量评价 | 第23-24页 |
| 2.3.3 典型的人工缺陷超声信号采集及消噪实验 | 第24-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第3章 焊接转子环焊缝缺陷信号特征的提取 | 第29-41页 |
| 3.1 缺陷回波信号时域特征 | 第29-31页 |
| 3.1.1 超声信号的时域分析 | 第29-31页 |
| 3.1.2 超声信号的时域特征提取 | 第31页 |
| 3.2 缺陷回波信号小波域特征 | 第31-37页 |
| 3.2.1 小波包分析 | 第31-35页 |
| 3.2.2 超声信号的小波域特征提取 | 第35-37页 |
| 3.3 缺陷回波信号信息熵特征 | 第37-39页 |
| 3.3.1 超声信号信息熵指标分析 | 第37-39页 |
| 3.3.2 变分模态熵特征提取 | 第39页 |
| 3.4 特征向量的构建 | 第39-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第4章 焊接转子环焊缝缺陷的智能识别 | 第41-49页 |
| 4.1 支持向量机概述 | 第41-43页 |
| 4.1.1 线性分类问题 | 第41-43页 |
| 4.1.2 非线性分类问题 | 第43页 |
| 4.2 SVM模型参数的选择 | 第43-44页 |
| 4.2.1 网格搜索算法优化SVM参数 | 第43-44页 |
| 4.2.2 粒子群算法优化SVM参数 | 第44页 |
| 4.3 基于主成分分析的降维研究 | 第44-46页 |
| 4.3.1 主成分分析的基本思想 | 第45页 |
| 4.3.2 主成分分析的算法 | 第45-46页 |
| 4.4 超声缺陷识别结果 | 第46-48页 |
| 4.4.1 PSO-SVM模型缺陷识别 | 第46-48页 |
| 4.4.2 优越性验证 | 第48页 |
| 4.5 本章小结 | 第48-49页 |
| 第5章 结论与展望 | 第49-51页 |
| 5.1 结论 | 第49页 |
| 5.2 展望 | 第49-51页 |
| 参考文献 | 第51-54页 |
| 攻读硕士学位期间发表的论文及其他成果 | 第54-55页 |
| 致谢 | 第55页 |
