| 摘要 | 第1-6页 |
| Abstract | 第6-8页 |
| 目录 | 第8-11页 |
| 1 绪论 | 第11-16页 |
| ·课题的提出及社会意义 | 第11页 |
| ·课题实现方案及国内外背景 | 第11-13页 |
| ·神经网络技术的发展 | 第13-15页 |
| ·神经网络的历史 | 第13-14页 |
| ·神经网络的应用 | 第14-15页 |
| ·本人完成的工作及论文安排 | 第15-16页 |
| 2 管道漏磁检测原理及有限元分析软件ANSYS的介绍 | 第16-22页 |
| ·漏磁检测原理 | 第16-17页 |
| ·漏磁检测的优点及管道漏磁检测装置的基本结构 | 第17-18页 |
| ·管道漏磁检测装置的工作依据 | 第18页 |
| ·有限元分析软件ANSYS的介绍 | 第18-22页 |
| ·有限元法在电磁场的运用 | 第18-19页 |
| ·ANSYS有限元分析软件的应用 | 第19-20页 |
| ·有限元模型仿真 | 第20-22页 |
| 3 人工神经网络 | 第22-28页 |
| ·人工神经网络和生物神经网络 | 第22页 |
| ·人工神经网络的神经元模型 | 第22-27页 |
| ·单输入神经元 | 第22-23页 |
| ·多输入神经元 | 第23-24页 |
| ·神经网络的传输函数 | 第24-25页 |
| ·神经网络的网络结构 | 第25-27页 |
| ·神经网络的类型和应用 | 第27-28页 |
| 4 BP神经网络及其在本课题应用中算法的修正 | 第28-48页 |
| ·神经网络的学习类型和学习规则 | 第28-30页 |
| ·无监督学习和有监督学习 | 第28-29页 |
| ·HEBB规则和LMS学习算法 | 第29-30页 |
| ·BP算法及其应用中的主要问题 | 第30-37页 |
| ·LMS算法的推导 | 第30-32页 |
| ·基本BP算法的推导 | 第32-36页 |
| ·基本BP算法在本课题应用中的主要问题 | 第36-37页 |
| ·BP算法在本课题应用中的的学习和修正 | 第37-43页 |
| ·启发式加速收敛的BP算法 | 第37-38页 |
| ·数值最优化算法 | 第38-41页 |
| ·BP算法对管道漏磁信号的学习和修正过程 | 第41-43页 |
| ·修正的BP算法的软件编程 | 第43-45页 |
| ·本章小结 | 第45-48页 |
| 5 BP网络在管道漏磁数字信号中的学习和训练 | 第48-63页 |
| ·BP网络的函数拟合 | 第48-49页 |
| ·管道漏磁信号的特征 | 第49-55页 |
| ·ANSYS软件仿真数据的学习 | 第55-58页 |
| ·实测数据的学习 | 第58-63页 |
| ·小波变换降噪预处理 | 第58-60页 |
| ·BP网络对实际缺陷模型的函数逼近 | 第60页 |
| ·实验模型的实测数据的学习 | 第60-63页 |
| 6 BP神经网络硬件实现方案的研究 | 第63-70页 |
| ·神经网络硬件实现的理论基础 | 第63-64页 |
| ·硬件描述语言VHDL | 第64-66页 |
| ·基于VHDL的BP神经网络的硬件实现方法 | 第66-69页 |
| ·BP神经网络的模块库的建立 | 第66-67页 |
| ·基于VHDL的BP神经网络的层次化硬件描述 | 第67-68页 |
| ·功能强大的EDA工具 | 第68-69页 |
| ·本章小结 | 第69-70页 |
| 结论与展望 | 第70-71页 |
| 参考文献 | 第71-74页 |
| 在学研究成果 | 第74-75页 |
| 致谢 | 第75页 |