首页--工业技术论文--自动化技术、计算机技术论文--自动化技术及设备论文--自动化系统论文--数据处理、数据处理系统论文

基于数字图像处理的高温构件寿命评价研究

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

论文共80页,点击 下载论文
上一篇:固体超强酸催化合成均苯四甲酸四异辛酯的研究
下一篇:基于PC机群的化工动态模拟的并行应用研究