文摘
英文文摘
声明
第1章绪论
1.1抽油杆缺陷识别的工程背景及其意义
1.2抽油杆的主要缺陷形式
1.3无损检测技术
1.4常用的抽油杆缺陷无损检测方法
1.4.1涡流检测
1.4.2漏磁检测
1.5 MATLAB软件平台的介绍
1.6本文研究的主要内容、特色及创新之处
1.6.1本文研究的主要内容
1.6.2特色及创新之处
第2章抽油杆缺陷检测实验研究
2.1涡流检测原理
2.2漏磁检测原理
2.3实验设计
2.3.1实验目的
2.3.2预制实验样杆
2.3.3实验流程
2.4涡流探伤仪主要特性
2.5漏磁检测实验系统所实现的功能和技术参数
2.6漏磁检测实验系统的各部分组成
2.6.1机械部分
2.6.2检测部分
2.6.3液压部分
2.6.4电控部分
2.6.5检测软件
2.7实验结果分析
2.7.1涡流检测结果分析
2.7.2漏磁检测结果分析
2.8实验数据格式转化
2.9本章小结
第3章小波分析理论
3.1从傅立叶变换到小波变换
3.2连续小波变换
3.3离散小波变换
3.3.1离散小波变换
3.3.2二进小波变换
3.4多分辨率分析
3.5基于小波包的缺陷特征提取
3.5.1小波包的定义
3.5.2小波包的空间分解
3.5.3小波包单支重构
3.5.4缺陷特征提取
3.6本章小结
第4章小波分析在抽油杆缺陷信号去噪及缺陷特征提取中的应用
4.1检测过程中产生的噪声分析
4.2小波去噪的基本原理
4.3小波阈值去噪方法
4.3.1小波分析进行阈值处理方法
4.3.2小波阈值估计的思路
4.3.3估计小波系数的软硬阈值法
4.4改进的小波阈值去噪方法
4.5阈值去噪的仿真与实际应用
4.5.1小波分析对非平稳信号去噪
4.5.2小波分析对实验及现场信号信号去噪
4.6抽油杆的缺陷特征提取
4.7本章小结
第5章神经网络在抽油杆缺陷识别中的应用
5.1人工神经网络的基本概念
5.1.1神经元结构模型
5.1.2神经网络的互联模式
5.1.3小波分析与神经网络结合方法
5.2 BP神经网络及模式识别原理
5.3 BP算法的改进
5.3.1基于标准梯度下降的改进BP算法
5.3.2基于数值优化技术的改进BP算法
5.4抽油杆缺陷识别的BP网络设计
5.4.1输入层节点数的确定
5.4.2输出层节点数的确定
5.4.3隐层数和隐层节点数的确定
5.4.4传递函数的选择
5.4.5学习速率的选取
5.5 BP网络在抽油杆缺陷识别中的实际应用
5.5.1训练样本的提取
5.5.2不同隐层节点数目对网络训练的对比分析
5.5.3 BP算法及改进BP算法对网络训练结果的对比分析
5.5.4 BP网络的验证
5.6本章小结
第6章结论和展望
6.1结论
6.2展望
参考文献
致谢