| 摘要 | 第1-13页 |
| Abstract | 第13-15页 |
| 第一章 绪论 | 第15-29页 |
| ·课题来源及意义 | 第15-19页 |
| ·课题来源 | 第15页 |
| ·飞机经常发生裂纹的机件和部位 | 第15-16页 |
| ·无损检测在航空维修中的应用 | 第16-18页 |
| ·课题研究意义 | 第18-19页 |
| ·超声无损检测的研究现状和热点 | 第19-25页 |
| ·超声无损检测的国内外研究现状 | 第19-22页 |
| ·超声无损检测的研究热点 | 第22-25页 |
| ·论文的主要工作与创新 | 第25-26页 |
| ·论文组织结构 | 第26-29页 |
| 第二章 超声无损检测系统建模及实现 | 第29-55页 |
| ·引言 | 第29页 |
| ·几种典型建模方法 | 第29-35页 |
| ·PSpice模型 | 第29-32页 |
| ·超声无损检测系统的数学模型 | 第32-35页 |
| ·基于改进EAM模型的超声检测系统建模 | 第35-44页 |
| ·激励模块 | 第36-37页 |
| ·超声波发射阶段 | 第37-39页 |
| ·超声波接收阶段 | 第39-41页 |
| ·模型中输入阻抗和灵敏度的测量 | 第41-42页 |
| ·耦合剂厚度对系统的影响 | 第42-44页 |
| ·换能器及传输导线参数测量 | 第44-48页 |
| ·脉冲超声检测系统的设计与实现 | 第48-54页 |
| ·系统的性能要求 | 第48页 |
| ·系统设计框图 | 第48-49页 |
| ·系统实现 | 第49-54页 |
| ·本章小结 | 第54-55页 |
| 第三章 超声信号参数估计方法研究 | 第55-75页 |
| ·引言 | 第55页 |
| ·超声回波信号模型 | 第55-56页 |
| ·超声信号的传统参数估计方法及分析 | 第56-61页 |
| ·GN算法 | 第57-58页 |
| ·模拟退火算法 | 第58-59页 |
| ·SAGE算法 | 第59-60页 |
| ·MCWT算法 | 第60页 |
| ·几种参数估计方法的比较 | 第60-61页 |
| ·基于微粒群优化和匹配追踪的超声信号参数估计方法 | 第61-69页 |
| ·匹配追踪算法 | 第62-63页 |
| ·微粒群优化算法 | 第63-64页 |
| ·PSO参数选择 | 第64-65页 |
| ·改进的微粒群优化算法 | 第65-66页 |
| ·超声信号参数估计的算法流程 | 第66-67页 |
| ·PSO-MP算法与传统参数估计方法的仿真对比 | 第67-69页 |
| ·超声无损检测信号参数估计结果与分析 | 第69-74页 |
| ·标准试块的超声检测信号参数估计 | 第69-71页 |
| ·自制试块的超声检测信号参数估计 | 第71-72页 |
| ·飞机螺栓部件超声检测信号参数估计 | 第72-74页 |
| ·本章小结 | 第74-75页 |
| 第四章 基于瞬时频率熵的超声缺陷检测 | 第75-97页 |
| ·引言 | 第75页 |
| ·超声信号的非线性非平稳特性 | 第75-79页 |
| ·超声信号的平稳性检验 | 第76-77页 |
| ·替代数据法 | 第77-78页 |
| ·超声信号的非线性分析 | 第78-79页 |
| ·基于时序多相关的经验模式分解 | 第79-86页 |
| ·经验模式分解 | 第79-81页 |
| ·基于时序多相关的经验模式分解 | 第81-86页 |
| ·瞬时频率熵 | 第86-90页 |
| ·信息熵 | 第86-87页 |
| ·瞬时频率熵的算法流程 | 第87-88页 |
| ·瞬时频率熵方法中矩形窗的宽度选择 | 第88-90页 |
| ·基于瞬时频率熵的飞机铆钉无损检测 | 第90-96页 |
| ·仿真信号的瞬时频率熵 | 第90-91页 |
| ·人工缺陷超声检测信号的瞬时频率熵 | 第91-92页 |
| ·瞬时频率的计算方法对最终结果的影响 | 第92-93页 |
| ·瞬时频率熵方法与PSO-MP方法的比较 | 第93页 |
| ·飞机铆钉超声检测信号的瞬时频率熵 | 第93-96页 |
| ·本章小结 | 第96-97页 |
| 第五章 超声无损检测中的缺陷分类识别技术研究 | 第97-119页 |
| ·引言 | 第97页 |
| ·最小二乘支持向量机 | 第97-104页 |
| ·基本概念 | 第97-99页 |
| ·超声信号特征提取 | 第99-103页 |
| ·LSSVM多类分类器设计 | 第103页 |
| ·LSSVM核函数及参数选择 | 第103-104页 |
| ·基于ARPSO的最小二乘支持向量机 | 第104-105页 |
| ·ARPSO算法 | 第104-105页 |
| ·ARPSO-LSSVM算法流程 | 第105页 |
| ·基于ARPSO-LSSVM的试块典型缺陷分类识别 | 第105-108页 |
| ·最佳特征的确定 | 第106-107页 |
| ·分类结果分析 | 第107-108页 |
| ·ARPSO-LSSVM方法在飞机起落架缺陷分类识别中的应用 | 第108-117页 |
| ·数据采集及预处理 | 第110-111页 |
| ·特征提取及约简 | 第111-113页 |
| ·核函数确定及ARPSO-LSSVM参数选择 | 第113-115页 |
| ·分类结果分析 | 第115-116页 |
| ·与其它LSSVM方法的对比 | 第116-117页 |
| ·本章小结 | 第117-119页 |
| 第六章 结论与展望 | 第119-122页 |
| ·主要研究成果和结论 | 第119-120页 |
| ·工作展望 | 第120-122页 |
| 致谢 | 第122-123页 |
| 参考文献 | 第123-137页 |
| 作者在学期间取得的学术成果 | 第137页 |