摘要 | 第1-6页 |
ABSTRACT | 第6-11页 |
第一章 绪论 | 第11-26页 |
1.1 引言 | 第11页 |
1.2 高温构件寿命评价方法研究进展 | 第11-13页 |
1.2.1 有损检测寿命评价技术 | 第11-12页 |
1.2.2 无损检测寿命评价技术 | 第12-13页 |
1.3 基于蠕变孔洞的高温构件寿命评价机理及方法 | 第13-18页 |
1.3.1 蠕变损伤模型与孔洞的形成 | 第13-14页 |
1.3.2 孔洞检验技术 | 第14-15页 |
1.3.3 蠕变孔洞与构件剩余寿命的关联 | 第15-18页 |
1.4 数字图像处理技术及其应用 | 第18-20页 |
1.4.1 数字图像处理技术发展 | 第18-19页 |
1.4.2 图像的模式识别 | 第19页 |
1.4.3 数字图像处理技术在金属显微组织图像中的应用 | 第19-20页 |
1.5 本文研究的目的和主要内容 | 第20-21页 |
1.5.1 本课题的来源和研究目标 | 第20页 |
1.5.2 本文研究思路和主要内容 | 第20-21页 |
参考文献 | 第21-26页 |
第二章 金相图像预处理 | 第26-39页 |
2.1 引言 | 第26页 |
2.2 金相图像的数字化 | 第26-27页 |
2.2.1 系统的硬件组成 | 第26页 |
2.2.1 数字化金相图像 | 第26-27页 |
2.3 数字金相图像预处理 | 第27-38页 |
2.3.1 图像预处理流程 | 第27页 |
2.3.2 图像阴影校正 | 第27-29页 |
2.3.3 图像增强 | 第29-30页 |
2.3.4 图像分割 | 第30-32页 |
2.3.5 兴趣区域提取 | 第32-33页 |
2.3.6 晶界线的重建 | 第33-35页 |
2.3.7 晶界线的细化 | 第35-37页 |
2.3.8 金相图像的融合 | 第37-38页 |
2.4 小结 | 第38页 |
参考文献 | 第38-39页 |
第三章 蠕变孔洞模式识别与A参数自动确定 | 第39-60页 |
3.1 引言 | 第39页 |
3.2 基于人工神经网络的模式识别技术概述 | 第39-45页 |
3.2.1 模式识别技术及其在图像处理中应用 | 第39-41页 |
3.2.2 基于人工神经网络的模式识别技术 | 第41-45页 |
3.3 孔洞特征的表征与提取 | 第45-48页 |
3.3.1 金相组织形态学描述 | 第45页 |
3.3.2 链码(Freeman)表征技术 | 第45-47页 |
3.3.3 孔洞样本(x(n),d(n))的提取 | 第47-48页 |
3.4 BP神经网络设计及其学习算法优化 | 第48-53页 |
3.4.1 BP(back Propagation)神经网络设计 | 第48-49页 |
3.4.2 BP算法 | 第49-51页 |
3.4.3 基于PSO的BP网络学习算法 | 第51-53页 |
3.5 基于人工神经网络的蠕变孔洞的模式识别 | 第53-55页 |
3.5.1 基于BP的神经网络识别 | 第53-54页 |
3.5.2 基于PSO的神经网络识别 | 第54页 |
3.5.3 分类器误差分析 | 第54-55页 |
3.6 A参数自动确定 | 第55-57页 |
3.6.1 A参数判定流程图 | 第55-56页 |
3.6.2 判定结果分析 | 第56-57页 |
3.7 小结 | 第57页 |
参考文献 | 第57-60页 |
第四章 高温构件寿命评价系统实现及应用 | 第60-77页 |
4.1 寿命评价系统开发环境 | 第60-61页 |
4.2 寿命评价系统架构及功能模块设计 | 第61-63页 |
4.2.1 系统构架 | 第61页 |
4.2.2 主要功能块设计-UML类图及其关联 | 第61-62页 |
4.2.3 系统用例UML简图 | 第62-63页 |
4.3 CDIB类库创建 | 第63-66页 |
4.3.1 BMP图像文件存储格式 | 第63页 |
4.3.2 建立CDIB类库 | 第63-66页 |
4.4 部分核心算法编码 | 第66-69页 |
4.5 应用实例分析 | 第69-75页 |
4.6 小结 | 第75页 |
参考文献 | 第75-77页 |
第五章 总结与展望 | 第77-79页 |
5.1 论文工作总结 | 第77-78页 |
5.2 展望 | 第78-79页 |
在读期间发表的论文 | 第79-80页 |
致谢 | 第80页 |