基于漏磁检测原理的钢轨裂纹信号分析
| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 注释表 | 第12-13页 |
| 第一章 绪论 | 第13-19页 |
| 1.1 研究背景 | 第13-15页 |
| 1.1.1 钢轨损伤的原因 | 第13-14页 |
| 1.1.2 无损检测技术的应用 | 第14-15页 |
| 1.2 国内外研究现状 | 第15-18页 |
| 1.2.1 国内外无损检测设备研制 | 第16-17页 |
| 1.2.2 国内外漏磁信号研究 | 第17-18页 |
| 1.3 论文主要内容及章节结构 | 第18-19页 |
| 第二章 漏磁检测原理及实验平台设计 | 第19-28页 |
| 2.1 漏磁检测原理 | 第19-22页 |
| 2.1.1 物质磁化过程 | 第19-20页 |
| 2.1.2 漏磁场产生原因 | 第20-22页 |
| 2.1.3 磁敏传感器工作原理 | 第22页 |
| 2.2 实验平台设计 | 第22-27页 |
| 2.2.1 实验平台介绍 | 第22-23页 |
| 2.2.2 磁场激励装置 | 第23-24页 |
| 2.2.3 传感器阵列设计 | 第24-25页 |
| 2.2.4 信号调理电路设计 | 第25-27页 |
| 2.3 本章小结 | 第27-28页 |
| 第三章 漏磁信号预处理及样本库的建立 | 第28-39页 |
| 3.1 漏磁信号滤波 | 第28-32页 |
| 3.1.1 LMS自适应滤波 | 第28-29页 |
| 3.1.2 经验模态分解 | 第29-30页 |
| 3.1.3 实验结果 | 第30-32页 |
| 3.2 漏磁信号分析 | 第32-37页 |
| 3.2.1 裂纹参数介绍 | 第32-34页 |
| 3.2.2 单通道漏磁信号特点分析 | 第34-36页 |
| 3.2.3 多通道漏磁信号特点分析 | 第36页 |
| 3.2.4 速度效应分析 | 第36-37页 |
| 3.3 样本数据集制作 | 第37-38页 |
| 3.4 本章小结 | 第38-39页 |
| 第四章 基于SVM的漏磁信号识别 | 第39-59页 |
| 4.1 支持向量机原理 | 第39-43页 |
| 4.1.1 最大化分类间隔 | 第39-42页 |
| 4.1.2 核函数 | 第42页 |
| 4.1.3 SVM多分类 | 第42-43页 |
| 4.2 裂纹漏磁信号特征提取 | 第43-46页 |
| 4.2.1 时域特征 | 第43-45页 |
| 4.2.2 频域特征 | 第45-46页 |
| 4.3 多特征融合的裂纹识别 | 第46-55页 |
| 4.3.1 裂纹深度和漏磁信号关系 | 第46-50页 |
| 4.3.2 裂纹宽度和漏磁信号关系 | 第50-52页 |
| 4.3.3 裂纹水平角和漏磁信号关系 | 第52-53页 |
| 4.3.4 裂纹垂直角和漏磁信号关系 | 第53-55页 |
| 4.4 基于SVM的多传感器特征融合识别 | 第55-58页 |
| 4.4.1 实验步骤 | 第55-56页 |
| 4.4.2 参数选择 | 第56页 |
| 4.4.3 特征选择 | 第56-57页 |
| 4.4.4 实验结果 | 第57-58页 |
| 4.5 本章小结 | 第58-59页 |
| 第五章 基于字典学习的漏磁信号识别 | 第59-67页 |
| 5.1 漏磁信号成像 | 第59-60页 |
| 5.2 漏磁信号的稀疏表示字典学习 | 第60-62页 |
| 5.2.1 算法目的 | 第60页 |
| 5.2.2 KSVD算法步骤 | 第60-61页 |
| 5.2.3 改进的KSVD算法 | 第61-62页 |
| 5.3 基于DKSVD的漏磁信号识别 | 第62-66页 |
| 5.3.1 字典大小对分类的影响 | 第62-63页 |
| 5.3.2 稀疏度对分类效果的影响 | 第63-64页 |
| 5.3.3 实验结果 | 第64-66页 |
| 5.4 DKSVD和SVM实验对比 | 第66页 |
| 5.5 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 本文主要工作 | 第67页 |
| 6.2 进一步工作展望 | 第67-69页 |
| 参考文献 | 第69-72页 |
| 致谢 | 第72-73页 |
| 在学期间的研究成果及发表的学术论文 | 第73页 |
