CRH动车轮对相控阵探伤缺陷识别算法研究
| 摘要 | 第6-7页 |
| Abstract | 第7-8页 |
| 第1章 绪论 | 第11-19页 |
| 1.1 课题研究的背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-16页 |
| 1.2.1 国外研究现状 | 第13-15页 |
| 1.2.2 国内研究现状 | 第15-16页 |
| 1.3 课题研究内容和基本思路 | 第16-17页 |
| 1.3.1 课题研究的主要内容 | 第16页 |
| 1.3.2 本课题的关键问题 | 第16-17页 |
| 1.3.3 课题研究基本思路 | 第17页 |
| 1.4 章节安排 | 第17-19页 |
| 第2章 轮对超声相控阵探伤技术 | 第19-25页 |
| 2.1 车轮无损探伤 | 第19页 |
| 2.2 超声相控阵探伤 | 第19-23页 |
| 2.2.1 超声相控阵检测的特点与原理 | 第19-21页 |
| 2.2.2 典型图像显示 | 第21-23页 |
| 2.3 轮对超声相控阵检测图像特点 | 第23-25页 |
| 第3章 图像预处理基本原理和算法 | 第25-39页 |
| 3.1 图像空间变换 | 第25-26页 |
| 3.2 超声图像去噪 | 第26-34页 |
| 3.2.1 超声图像噪声的形成 | 第26页 |
| 3.2.2 噪声分类 | 第26-32页 |
| 3.2.3 超声图像去噪 | 第32-34页 |
| 3.3 数字图像阈值处理 | 第34-36页 |
| 3.4 轮对超声检测图像预处理算法 | 第36-38页 |
| 3.5 本章小结 | 第38-39页 |
| 第4章 基于图像互相关的车轮缺陷识别算法 | 第39-46页 |
| 4.1 图像互相关理论 | 第39-40页 |
| 4.2 周期性干扰去除分析 | 第40-42页 |
| 4.3 算法基本流程 | 第42-44页 |
| 4.4 实验精度及结果分析 | 第44-45页 |
| 4.5 本章小结 | 第45-46页 |
| 第5章 基于支持向量机的车轮缺陷识别算法 | 第46-65页 |
| 5.1 支持向量机概述 | 第46-53页 |
| 5.1.1 支持向量机基本原理 | 第46-51页 |
| 5.1.2 支持向量机多类分类算法 | 第51-53页 |
| 5.2 车轮超声检测图像特征提取 | 第53-60页 |
| 5.2.1 特征提取基本方法 | 第53-57页 |
| 5.2.2 特征数据的标准化处理 | 第57页 |
| 5.2.3 车轮缺陷特征提取实例 | 第57-60页 |
| 5.3 特征优化分析 | 第60-62页 |
| 5.4 算法基本流程 | 第62-63页 |
| 5.5 实验与结果分析 | 第63页 |
| 5.6 本章小结 | 第63-65页 |
| 结论 | 第65-66页 |
| 致谢 | 第66-67页 |
| 附录 | 第67-74页 |
| 参考文献 | 第74-78页 |
| 攻读硕士期间发表论文及成果 | 第78页 |
