基于小波分析和神经网络的管道漏磁信号处理
| 摘要 | 第1-6页 |
| Abstract | 第6-14页 |
| 第一章 绪论 | 第14-17页 |
| ·课题的意义 | 第14页 |
| ·漏磁检测技术的发展和现状 | 第14-15页 |
| ·本论文的总体框架和主要工作 | 第15-17页 |
| ·本论文的总体框架 | 第15-16页 |
| ·本文完成的主要工作 | 第16-17页 |
| 第二章 管道漏磁检测原理、特点和检测设备 | 第17-20页 |
| ·漏磁检测原理 | 第17页 |
| ·管道漏磁检测系统设备 | 第17-19页 |
| ·二维漏磁主检设备的磁化系统 | 第17-18页 |
| ·钢管缺陷信号的采集系统 | 第18页 |
| ·周、轴向缺陷检测系统 | 第18-19页 |
| ·缺陷信号检测与识别系统 | 第19页 |
| ·本章小结 | 第19-20页 |
| 第三章 小波分析应用于管道漏磁信号奇异性检测 | 第20-31页 |
| ·引言 | 第20页 |
| ·小波变换理论 | 第20-22页 |
| ·小波变换概述 | 第20-21页 |
| ·连续小波变换 | 第21-22页 |
| ·小波奇异性检测理论 | 第22-25页 |
| ·奇异性指数的概念 | 第22-23页 |
| ·小波变换模极大值同信号突变点之间的关系 | 第23-25页 |
| ·小波变换模极值来表征信号突变点的性质 | 第25页 |
| ·小波分析在管道漏磁检测信号奇异性检测中的应用 | 第25-30页 |
| ·第一类间断点的检测 | 第26-28页 |
| ·第二类间断点的检测 | 第28-30页 |
| ·本章小结 | 第30-31页 |
| 第四章 小波包在漏磁检测信号中的应用研究 | 第31-46页 |
| ·小波包分析 | 第31页 |
| ·小波包的子空间分解 | 第31-34页 |
| ·小波包的子空间分解过程 | 第32-33页 |
| ·小波包的分解与重建算法 | 第33-34页 |
| ·最优小波包基的选择 | 第34-36页 |
| ·信号小波包分解的时频分析 | 第36-45页 |
| ·模拟信号的小波包时频分析 | 第36-40页 |
| ·漏磁信号的小波包时频分析 | 第40-45页 |
| ·本章小结 | 第45-46页 |
| 第五章 基于人工神经网络的漏磁缺陷信号识别 | 第46-57页 |
| ·神经网络概述 | 第46-47页 |
| ·神经网络的定义及发展历程 | 第46页 |
| ·神经网络的特性 | 第46-47页 |
| ·BP学习算法 | 第47-49页 |
| ·BP学习算法 | 第47页 |
| ·BP学习算法步骤 | 第47-49页 |
| ·RBF网络学习算法 | 第49-53页 |
| ·RBF神经网络模型 | 第49-51页 |
| ·RBF网络的学习算法 | 第51-53页 |
| ·神经网络在漏磁缺陷信号识别中的应用 | 第53-56页 |
| ·应用小波变换提取特征值 | 第53页 |
| ·RBF神经网络进行缺陷类型的识别 | 第53-56页 |
| ·缺陷识别结果分析 | 第56页 |
| ·本章小结: | 第56-57页 |
| 第六章 总结和展望 | 第57-58页 |
| ·总结 | 第57页 |
| ·展望 | 第57-58页 |
| 参考文献 | 第58-61页 |
| 研究生期间发表论文 | 第61页 |
