| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第12-19页 |
| 1.1 课题的背景和意义 | 第12-14页 |
| 1.2 管道超声导波检测技术的国内外研究现状 | 第14-17页 |
| 1.2.1 国外管道超声导波检测技术的研究现状 | 第14-16页 |
| 1.2.2 国内管道超声导波检测技术的研究现状 | 第16-17页 |
| 1.3 本文的课题来源与章节安排 | 第17-19页 |
| 1.3.1 本文的课题来源 | 第17页 |
| 1.3.2 本文的章节安排 | 第17-19页 |
| 第二章 管道超声导波检测的基本理论 | 第19-29页 |
| 2.1 超声导波的概念 | 第19-20页 |
| 2.2 超声导波的基本特性 | 第20-22页 |
| 2.2.1 群速度和相速度 | 第20-21页 |
| 2.2.2 导波的反射和透射 | 第21-22页 |
| 2.2.3 导波的衰减 | 第22页 |
| 2.3 管道导波的频散和多模态特性 | 第22-28页 |
| 2.3.1 管道导波的基本理论 | 第22-25页 |
| 2.3.2 管道导波的频散曲线 | 第25-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 管道超声导波信号预处理及特征提取与优化方法研究 | 第29-50页 |
| 3.1 导波回波信号预处理 | 第29-36页 |
| 3.1.1 传统数字滤波器滤波 | 第29-30页 |
| 3.1.2 小波滤波 | 第30-34页 |
| 3.1.3 小波包滤波 | 第34-36页 |
| 3.2 缺陷回波信号的时频域特征参数提取 | 第36-42页 |
| 3.2.1 时域特征参数提取 | 第36-39页 |
| 3.2.2 基于小波包变换的时频域特征参数提取 | 第39-42页 |
| 3.3 基于主成分分析法的缺陷回波信号特征优化 | 第42-49页 |
| 3.3.1 PCA的理论基础 | 第42-47页 |
| 3.3.2 基于PCA的缺陷回波信号特征优化 | 第47-49页 |
| 3.5 本章小结 | 第49-50页 |
| 第四章 管道缺陷识别方法研究 | 第50-71页 |
| 4.1 管道缺陷模式识别 | 第50-51页 |
| 4.2 基于BP神经网络的管道缺陷识别方法 | 第51-57页 |
| 4.2.1 BP神经网络理论基础 | 第51-53页 |
| 4.2.2 隐含层单元数对网络性能的影响 | 第53-56页 |
| 4.2.3 基于BP神经网络的管道缺陷识别 | 第56-57页 |
| 4.3 基于支持向量机的管道缺陷识别方法 | 第57-64页 |
| 4.3.1 SVM的理论基础 | 第57-61页 |
| 4.3.2 核函数和对应参数的确定 | 第61-63页 |
| 4.3.3 基于SVM的管道缺陷识别 | 第63-64页 |
| 4.4 基于PCA和BP神经网络的管道缺陷识别 | 第64-68页 |
| 4.4.1 基于PCA和BP神经网络的管道缺陷识别方法 | 第64页 |
| 4.4.2 主成分因子数对识别正确率的影响 | 第64-65页 |
| 4.4.3 缺陷识别实验及结果分析 | 第65-68页 |
| 4.5 基于PCA和SVM的管道缺陷识别 | 第68-70页 |
| 4.5.1 基于PCA和SVM的管道缺陷识别方法 | 第68页 |
| 4.5.2 主成分因子数对识别正确率的影响 | 第68-69页 |
| 4.5.3 缺陷识别实验及结构分析 | 第69-70页 |
| 4.6 本章小节 | 第70-71页 |
| 第五章 基于超声导波的管道缺陷检测与识别实验研究 | 第71-80页 |
| 5.1 管道导波诊断仪硬件系统及缺陷样本库 | 第71-73页 |
| 5.2 管道缺陷识别软件系统设计 | 第73-78页 |
| 5.2.1 管道导波诊断仪主程序设计 | 第74-75页 |
| 5.2.2 基于PCA与SVM的缺陷识别子程序设计 | 第75-76页 |
| 5.2.3 前面板设计 | 第76-78页 |
| 5.3 管道缺陷检测与识别实验及结果分析 | 第78-79页 |
| 5.4 本章小节 | 第79-80页 |
| 第六章 总结和展望 | 第80-82页 |
| 6.1 本文已完成的工作 | 第80-81页 |
| 6.2 对未来工作的展望 | 第81-82页 |
| 参考文献 | 第82-86页 |
| 致谢 | 第86-87页 |
| 攻读硕士学位期间的科研成果与参与项目 | 第87页 |
