第一个书签之前
MASTER THESIS
UDC注1
摘 要
ABSTRACT
目 录
第一章 绪论
1.1 课题研究背景及意义
1.2 国内外研究现状
1.2.1 脉冲涡流技术缺陷检测研究现状
1.2.2 磁性材料缺陷检测研究现状
1.2.3 脉冲涡流缺陷识别反演算法研究现状
1.3 本文主要研究内容
1.4 本文内容结构安排
第二章 脉冲涡流技术的磁性材料缝状缺陷识别理论及仿真研究
2.1 铁磁性材料磁化机理研究
2.1.1 磁化磁场产生机理
2.1.2 磁滞回线
2.2 磁性材料缝状缺陷检测原理
2.2.1 基于脉冲方波激励的磁性材料缺陷检测原理
2.2.2 趋肤深度计算
2.3 基于脉冲涡流检测技术的铁磁性材料缺陷检测的数值仿真研究
2.3.1 建立有限元仿真模型
2.3.2 检测信号的影响因素
2.3.3 缺陷尺寸与电磁信号关系仿真分析
2.4 本章小结
第三章 脉冲涡流技术的磁性材料缝状缺陷识别实验研究
3.1 实验硬件平台
3.1.1 选取信号源
3.1.2 设计探头
3.1.3 设计放大滤波电路
3.1.4 设计被测试件
3.2 实验软件平台
3.2.1 数据采集
3.2.2 周期波形自动化提取技术研究
3.2.3 信号处理程序集成及封装
3.3 实验软硬件平台集成
3.4 缺陷尺寸与电磁信号关系实验研究
3.4.1 缺陷深度与检测电压的关系
3.4.2 缺陷宽度与检测电压的关系
3.5 实验结果与仿真结果对比
3.6 本章小结
第四章 基于神经网络的磁性材料缺陷定量识别算法研究
4.1 神经网络算法
4.1.1 人工神经元
4.1.2 神经网络结构模型
4.2 神经网络训练样本和验证值的选取
4.2.1 训练样本的选择
4.2.2 验证值的选择
4.3 基于不同神经网络算法的铁磁性材料缺陷识别算法研究
4.3.1 BP神经网络缺陷识别算法
4.3.2 RBF径向基函数神经网络缺陷识别算法
4.3.3 GRNN广义回归神经网络缺陷识别算法
4.3.4 PNN概率神经网络缺陷识别算法
4.3.5神经网络反演结果比较
4.4 BP神经网络算法优化
4.4.1 BP神经网络训练样本优化
4.4.2 基于遗传算法优化的BP神经网络算法
4.5 智能算法与传统算法对比
4.5.1 基于传统算法的缺陷验证和预测
4.5.2 算法对比
4.6 基于优化的BP神经网络缺陷反演精度研究
4.7 本章小结
第五章 总结与展望
5.1 总结
5.2 展望
致 谢
参考文献
攻读硕士学位期间取得的研究成果
电子科技大学;