文摘
英文文摘
声明
1绪论
1.1课题研究目的与意义
1.2国内外研究现状
1.2.1超声波信号处理技术发展现状
1.2.2经验模态分解法
1.2.3神经网络与缺陷模式识别
1.3本文研究的主要内容
2超声信号的时频特点及信号处理方法比较
2.1常规分析方法的特点与不足
2.1.1时域特点分析
2.1.2频域特点分析
2.2经验模态分解(EMD)方法的特点及可行性
2.2.1 END的基本原理
2.2.2几种信号分析方法的不足
2.2.3 END方法和小波分解方法的比较研究
3基于EMD与欧氏距离的超声回波缺陷信号识别研究
3.1基于EMD的超声缺陷信号的分析
3.1.1用EMD方法分解标准缺陷信号
3.1.2对IMF分量的分析
3.2缺陷特征参数的选取
3.3基于END与欧氏距离的超声回波缺陷信号识别试验研究
3.3.1缺陷分类诊断
3.3.2诊断结果分析
4基于人工神经网络的超声缺陷信号识别模型
4.1人工神经网络在超声回波缺陷诊断中的适应性分析
4.1.1人工神经网络的基本特性
4.1.2人工神经网络的能力
4.1.3人工神经网络对超声回波信号缺陷的分类诊断能力
4.2 BP神经网络的基本理论
4.2.1神经元的基本模型
4.2.2激活转移函数介绍及其选取
4.2.3误差反转算法(BP)介绍及选用
4.2.4 BP算法改进的探讨
4.2.5 BP算法的选用
4.3超声回波信号缺陷特征提取分析
4.4神经网络的输入样本分析与输出样本表示
4.4.1输入样本的提取和表示
4.4.2输入样本数据的预处理
4.4.3输出样本的表示
4.5网络的训练与测试
4.6神经网络结构的确定
4.6.1神经网络层数的确定
4.6.2各层节点数的确定
4.6.3初始权值的选取
4.6.4期望误差和学习速率的选取
5基于EMD与BP神经网络的超声缺陷信号识别试验研究
5.1试验系统介绍
5.1.1采集超声缺陷回波信号的试验装置
5.1.2工件缺陷模拟
5.1.3数据及波形的采集与传输
5.2缺陷分类诊断
5.2.1 BP神经网络训练样本选取及其规范化
5.2.2训练网络
5.2.3 BP神经网络缺陷诊断
6结论与展望
6.1本课题的研究结论
6.2展望
参考文献
攻读硕士学位期间发表的论文
致谢