| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-15页 |
| 1.1 课题研究背景及意义 | 第10页 |
| 1.2 无损检测技术简介 | 第10-12页 |
| 1.3 超声无损检测技术的发展概况和研究现状 | 第12-13页 |
| 1.3.1 超声波无损探伤的发展历程 | 第12-13页 |
| 1.3.2 我国超声无损检测发展历程和研究现状 | 第13页 |
| 1.4 本文主要研究内容 | 第13-15页 |
| 第二章 钛钢复合板焊缝超声波信号采集 | 第15-32页 |
| 2.1 烟筒钛钢复合板焊缝缺陷类型及成因 | 第15-16页 |
| 2.2 超声波无损检测基本理论 | 第16-21页 |
| 2.2.1 超声场的特征参量 | 第16-17页 |
| 2.2.2 超声探伤的设备和器材 | 第17-19页 |
| 2.2.3 超声波检测方法 | 第19-20页 |
| 2.2.4 焊缝缺陷的定位、定量与定性 | 第20-21页 |
| 2.3 钛钢复合板焊缝超声波信号采集 | 第21-31页 |
| 2.3.1 某电厂 210 M/7 M钛钢复合板烟筒焊缝检验 | 第21-28页 |
| 2.3.2 焊缝超声信号采集结果 | 第28-31页 |
| 2.4 本章小结 | 第31-32页 |
| 第三章 基于概率神经网络的多特征焊缝探伤识别 | 第32-62页 |
| 3.1 实验系统概述 | 第32-33页 |
| 3.2 噪声的估计与抑制 | 第33-38页 |
| 3.2.1 多普勒频移(CFO)与脉冲噪声的联合消除 | 第33-36页 |
| 3.2.2 时频混合域判决反馈均衡(H-DFE) | 第36-38页 |
| 3.3 基于压缩感知的超声信号处理 | 第38-40页 |
| 3.4 基于级联原子库的分解超声信号 | 第40-42页 |
| 3.5 实验方案验证 | 第42-51页 |
| 3.6 基于概率神经网络的焊缝缺陷识别 | 第51-61页 |
| 3.6.1 Bayes决策分类 | 第51-52页 |
| 3.6.2 Parzen窗方法 | 第52-54页 |
| 3.6.3 PNN网络模型 | 第54-56页 |
| 3.6.4 基于概率神经网络的焊缝缺陷的识别 | 第56-61页 |
| 3.7 本章小结 | 第61-62页 |
| 第四章 基于随机共振的钛钢复合板焊缝缺陷类型识别 | 第62-72页 |
| 4.1 理论分析 | 第62-66页 |
| 4.1.1 双稳态系统及性能分析 | 第62-63页 |
| 4.1.2 工业背景噪声模型与分析 | 第63-64页 |
| 4.1.3 系统计算 | 第64页 |
| 4.1.4 扫频式随机共振 | 第64-66页 |
| 4.2 仿真分析 | 第66-71页 |
| 4.2.1 单频微弱信号检测 | 第66-67页 |
| 4.2.2 多频微弱信号检测 | 第67-68页 |
| 4.2.3 扫频式随机共振检测 | 第68-71页 |
| 4.3 本章小结 | 第71-72页 |
| 第五章 总结与展望 | 第72-74页 |
| 5.1 总结 | 第72-73页 |
| 5.2 未来工作展望 | 第73-74页 |
| 参考文献 | 第74-76页 |
| 致谢 | 第76-77页 |
| 个人简历、在学期间的研究成果及发表的学术论文 | 第77页 |