声明
致谢
摘要
1 引言
1.1 研究背景和意义
1.2 常规无损探伤方法
1.2.1 射线探伤
1.2.2 磁粉探伤
1.2.3 渗透探伤
1.2.4 超声波探伤
1.2.5 涡流探伤
1.2.6 在线电磁钢轨探伤
1.3 钢轨损伤分类
1.3.1 制造缺陷
1.3.2 疲劳缺陷
1.4 钢轨探伤设备在国内外的发展
1.4.1 钢轨探伤设备在国内的发展
1.4.2 钢轨探伤设备在国外的发展
1.5 国内外钢轨损伤信息管理的现状
1.5.1 国内钢轨损伤信息管理技术的现状
1.5.2 国外钢轨损伤信息管理技术的现状
1.6 论文结构内容及工作安排
2 在线电磁钢轨探伤数据处理理论
2.1 数据预处理
2.1.1 数据清理
2.1.2 数据集成
2.1.3 数据转换
2.1.4 数据归约
2.2 钢轨探伤数据聚类算法
2.2.1 划分聚类方法
2.2.2 层次聚类方法
2.2.3 密度聚类方法
2.2.4 模型聚类方法
2.3 钢轨探伤数据分类算法
2.3.1 BP神经网络分类方法
2.3.2 支持向量机分类方法
2.4 钢轨探伤数据降维算法
2.5 本章小结
3 在线电磁钢轨探伤数据采集与管理系统设计
3.1 在线电磁钢轨探伤系统
3.2 数据采集系统与数据管理系统设计
3.2.1 系统架构
3.2.2 数据表设计
3.3 本章小结
4 在线电磁钢轨探伤数据采集与管理系统实现
4.1 开发平台
4.1.1 数据采集软件开发环境
4.1.2 数据管理软件开发环境
4.2 三层架构对比
4.3 钢轨探伤数据采集系统实现
4.3.1 SOCKET通信
4.3.2 钢轨损伤数据传输协议
4.3.3 数据库操作
4.3.4 数据绑定
4.3.5 数据曲线显示
4.4 在线电磁钢轨探伤数据管理系统实现
4.4.1 UI设计
4.4.2 登录权限控制
4.4.3 后台添加用户
4.4.4 分页查询
4.4.5 数据图形化显示
5 在线电磁钢轨探伤数据处理算法实现
5.1 数据预处理
5.1.1 匀速导轨数据采集平台
5.1.2 归一化
5.1.3 滤波降噪
5.1.4 抽取与插值
5.2 聚类算法
5.3 分类算法
5.3.1 基于BP神经网络的分类算法
5.3.2 SVM分类算法
5.4 降维算法
5.5 本章小结
6 结论
6.1 论文总结
6.2 工作展望
参考文献
作者简历及攻读硕士学位期间取得的研究成果
学位论文数据集