基于时频空特征的钢轨探伤识别研究
| 摘要 | 第5-6页 |
| ABSTRACT | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 研究背景与意义 | 第10-11页 |
| 1.2 相关技术的国内外现状 | 第11-13页 |
| 1.2.1 钢轨超声检测技术国内外现状 | 第11-12页 |
| 1.2.2 机器学习技术在钢轨探伤上的应用 | 第12-13页 |
| 1.3 论文的内容以及结构 | 第13-15页 |
| 第二章 超声波缺陷识别原理 | 第15-36页 |
| 2.1 超声波检测 | 第15-18页 |
| 2.1.1 超声波检测原理 | 第15-16页 |
| 2.1.2 超声检测方法 | 第16-18页 |
| 2.2 小波变换 | 第18-25页 |
| 2.2.1 小波变换原理 | 第18-21页 |
| 2.2.2 多尺度分析 | 第21-23页 |
| 2.2.3 小波变换去噪 | 第23-25页 |
| 2.3 支持向量机 | 第25-35页 |
| 2.3.1 线性支持向量机 | 第26-29页 |
| 2.3.2 非线性支持向量机 | 第29-33页 |
| 2.3.3 参数选择 | 第33-35页 |
| 2.4 本章小结 | 第35-36页 |
| 第三章 超声波缺陷检测实验系统设计 | 第36-49页 |
| 3.1 实验系统设计 | 第36-45页 |
| 3.1.1 系统工作原理 | 第36-38页 |
| 3.1.2 系统组成模块 | 第38-45页 |
| 3.2 实验数据采集 | 第45-48页 |
| 3.3 本章小结 | 第48-49页 |
| 第四章 基于时频空特征的缺陷识别 | 第49-69页 |
| 4.1 超声波信号去噪 | 第50-53页 |
| 4.2 时频空特征提取 | 第53-64页 |
| 4.2.1 时空特征提取 | 第54-56页 |
| 4.2.2 频空特征提取 | 第56-64页 |
| 4.3 基于时频空特征的支持向量机缺陷识别 | 第64-68页 |
| 4.3.1 粒子群算法对支持向量机参数寻优 | 第64-67页 |
| 4.3.2 测试支持向量机 | 第67-68页 |
| 4.4 本章小结 | 第68-69页 |
| 总结与展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士学位期间取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |
| 附件 | 第76页 |
