現(xiàn)代超聲檢測信號處理技術(shù)

1超聲檢測技術(shù)研究1
1.1超聲檢測技術(shù)的研究進展1
1.1.1超聲檢測技術(shù)的發(fā)展1
1.1.2中國制造2025與超聲智能檢測的發(fā)展2
1.2超聲聲場仿真理論和發(fā)展現(xiàn)狀3
1.2.1超聲聲場仿真的理論和現(xiàn)狀3
1.2.2超聲場與缺陷耦合仿真技術(shù)研究進展4
1.3超聲信號處理理論和發(fā)展現(xiàn)狀5
1.3.1信號處理技術(shù)的理論和發(fā)展5
1.3.2信號特征提取技術(shù)8
1.3.3信號分類技術(shù)8

2基于空間脈沖響應的超聲聲場仿真研究10
2.1引言10
2.2脈沖波聲場模型10
2.3脈沖響應函數(shù)計算模型12
2.3.1圓形換能器的聲場13
2.3.2矩形換能器的聲場15
2.3.3斜楔塊下的聲場22
2.4空間脈沖響應的快速計算25
2.5實驗驗證28
2.6本章小結(jié)33

3超聲波與典型缺陷耦合的回波特性研究34
3.1引言34
3.2缺陷回波模型34
3.3探頭振動特性35
3.4缺陷和超聲波的耦合效應36
3.5探頭振動特性的測量38
3.6缺陷回波實驗40
3.7本章小結(jié)45

4超聲信號去噪技術(shù)研究47
4.1基于小波分析的焊接缺陷超聲檢測信號去噪研究47
4.1.1引言47
4.1.2小波閾值去噪法的原理和實驗分析47
4.1.3基于改進閾值函數(shù)的提升小波變換去噪算法56
4.1.4小結(jié)61
4.2軸類零件缺陷超聲信號去噪算法研究62
4.2.1引言62
4.2.2基于EMD的超聲信號去噪62
4.2.3基于EEMD的超聲信號去噪67
4.3自適應稀疏分解鑄鋼缺陷超聲信號提取研究72
4.3.1引言72
4.3.2信號的稀疏逼近73
4.3.3缺陷超聲信號的稀疏分解74
4.3.4人工魚群算法78
4.3.5基于改進人工魚群優(yōu)化的弱缺陷超聲信號提取研究81
4.3.6數(shù)據(jù)采集系統(tǒng)的建立84
4.3.7實驗研究與算法評估85
4.3.8小結(jié)91

5超聲信號提取與識別技術(shù)93
5.1鑄鋼缺陷超聲信號特征提取研究93
5.1.1引言93
5.1.2采煤機鑄鋼件缺陷樣本庫的建立93
5.1.3缺陷超聲信號的WPT能量特征提取98
5.1.4基于WPTKPCA的缺陷超聲信號特征選擇105
5.1.5小結(jié)112
5.2基于SV的RBF網(wǎng)絡(luò)鑄鋼缺陷智能分類研究113
5.2.1引言113
5.2.2RBF神經(jīng)網(wǎng)絡(luò)114
5.2.3支持向量機116
5.2.4基于SV的RBF網(wǎng)絡(luò)缺陷分類算法研究120
5.2.5SVRBF算法分類實驗研究123
5.2.6小結(jié)129
5.3基于多分類支持向量機的鑄鋼缺陷智能分類研究130
5.3.1引言130
5.3.2機器學習與統(tǒng)計學習理論130
5.3.3支持向量機用于超聲缺陷識別的可行性分析134
5.3.4基于多類支持向量機的分類算法135
5.3.5基于多分類器的缺陷分類算法研究139
5.3.6基于并行優(yōu)化層次SVM缺陷分類研究145
5.3.7小結(jié)148
5.4焊接缺陷超聲信號特征提取研究148
5.4.1引言148
5.4.2超聲信號的小波包能量特征提取149
5.4.3焊接缺陷超聲回波信號的能量特征提取實驗150
5.4.4基于距離的類別可分性判據(jù)對特征提取進行評價151
5.4.5小結(jié)154
5.5焊接缺陷超聲檢測智能識別研究154
5.5.1引言154
5.5.2人工神經(jīng)網(wǎng)絡(luò)在焊接缺陷智能識別中的應用154
5.5.3基于支持向量機的焊接缺陷智能識別研究159
5.5.4基于νSVMLMC的RBF神經(jīng)網(wǎng)絡(luò)焊接缺陷識別方法研究167
5.5.5小結(jié)170
5.6基于群體智能優(yōu)化SVM的焊接缺陷識別方法研究171
5.6.1基于粒子群優(yōu)化SVM的焊接缺陷分類研究171
5.6.2基于蜜蜂算法優(yōu)化SVM的焊接缺陷分類研究174
5.6.3人工蜂群優(yōu)化SVMRBF神經(jīng)網(wǎng)絡(luò)的焊接缺陷識別180

參考文獻183