| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 1 绪论 | 第10-16页 |
| 1.1 研究背景及意义 | 第10-11页 |
| 1.2 国内外发展现状 | 第11-14页 |
| 1.3 本文主要研究内容 | 第14-16页 |
| 2 超声兰姆波的激发与模态识别 | 第16-26页 |
| 2.1 斜探头激发超声兰姆波 | 第16-20页 |
| 2.1.1 频散特性 | 第16-20页 |
| 2.2 直探头激发超声兰姆波 | 第20页 |
| 2.3 超声兰姆波模态识别 | 第20-25页 |
| 2.3.1 模态识别方法 | 第20-22页 |
| 2.3.2 模态识别结果 | 第22-25页 |
| 2.4 本章小结 | 第25-26页 |
| 3 超声兰姆波无损检测系统 | 第26-34页 |
| 3.1 超声波换能器的选用 | 第26-29页 |
| 3.2 搭建实验平台 | 第29-31页 |
| 3.3 本章小结 | 第31-34页 |
| 4 超声Lamb波信号处理 | 第34-50页 |
| 4.1 小波分析 | 第34-37页 |
| 4.1.1 小波阈值去噪方法 | 第35-37页 |
| 4.2 EMD经验模态分解 | 第37-40页 |
| 4.2.1 经验模态分解去噪方法 | 第40页 |
| 4.3 仿真实验与结果分析 | 第40-45页 |
| 4.4 信号特征提取 | 第45-49页 |
| 4.4.1 IMF的时域分析 | 第47-48页 |
| 4.4.2 IMF的频域分析 | 第48-49页 |
| 4.5 本章小结 | 第49-50页 |
| 5 钢板中模拟缺陷的识别与分类 | 第50-68页 |
| 5.1 基于EMD及BP神经网络方法的缺陷信号分析 | 第50-58页 |
| 5.1.1 训练样本的选取 | 第50-53页 |
| 5.1.2 神经网络结构 | 第53-54页 |
| 5.1.3 超声缺陷信号分类分析 | 第54-58页 |
| 5.2 基于EMD及GA-SVM模型方法的缺陷信号分析 | 第58-65页 |
| 5.2.1 SVM模型相关参数的选取 | 第59-60页 |
| 5.2.2 GA相关参数的选取 | 第60-61页 |
| 5.2.3 基本步骤 | 第61-62页 |
| 5.2.4 超声缺陷信号分类分析 | 第62-65页 |
| 5.3 本章小结 | 第65-68页 |
| 6 总结与展望 | 第68-70页 |
| 6.1 总结 | 第68-69页 |
| 6.2 展望 | 第69-70页 |
| 参考文献 | 第70-74页 |
| 攻读硕士期间发表的论文及所取得的研究成果 | 第74-75页 |
| 致谢 | 第75-76页 |