一、超声检测中人工神经网络对缺陷定量评价（论文文献综述）
王韵[1]（2021）在《基于激光超声技术的油气管道缺陷识别研究》文中研究指明油气管道安全与石油、天然气等化石能源的运输息息相关,随着国内外化石能源的高速发展,在役油气管道的运输安全变得越来越不可忽视,激光超声检测技术作为近几年无损探伤领域的新型检测技术,其针对在役油气管道可以实现快捷、高效地损伤检测。本文通过对国内外激光超声检测技术理论、激光超声检测系统及激光超声缺陷识别技术的研究与分析,利用激光超声检测系统采集油气管道缺陷时域信号和油气管道损伤图像,对在役油气管道实现缺陷识别。论文的具体研究内容和创新点如下:（1）通过对油气管道缺陷时域信号小波参数选取的讨论,分析小波去噪与多分辨率分析去噪在油气管道超声模拟信号中的去噪效果,结果证明多分辨率分析下的coif4小波、3层分解、软阈值去噪针对激光超声模拟信号去噪为最优去噪方法,其在保持超声信号平滑度与连续性的基础上,信噪比平均提高了13.75d B,相比于小波去噪信噪比平均提升了1.393d B,在最优激光超声模拟信号去噪的基础上,采取最优去噪方法对激光超声实测信号进行去噪处理。（2）以去噪处理后的油气管道缺陷时域信号为研究目标,采用小波包能量分解的方法进行油气管道超声缺陷信号特征能量与特征熵提取,提取的特征能量与熵作为BP神经网络输入与油气管道损伤尺寸输出实现激光超声油气管道缺陷的初步定量分析,结果证明油气管道缺陷定量分析的BP神经网络模型稳定、性能良好,预测准确性平均达到0.997645,预测误差接近2%。（3）针对激光超声检测系统采集的油气管道损伤图像进行灰度化预处理,对灰度化激光超声管道损伤图像进行Mask-SAD图像分割与匹配算法,对Mask缺陷图像采取图像增强并滤除杂波的Retinex算法和改进Retinex算法处理;对油气管道损伤灰度化图像存在的杂波与干扰前进波滤除问题,采用经典滤波算法进行滤除;对处理后缺陷Mask图像与滤除杂波和干扰前进波的油气管道损伤图像进行SAD匹配算法与Canny算法处理,实现油气管道损伤的定性识别。（4）为了实现激光超声油气管道损伤识别的快速与高效化,采用MATLAB制作软件,通过软件可以直观地显示油气管道的不同损伤类型与不同损伤大小,软件设计的实现为激光超声实地检测时所面临的快速探伤与快速定损问题提供了可行性。最后,通过对激光超声油气管道缺陷识别的检测与研究,为在役油气管道激光超声检测提供了理论与研究依据,并对今后在役油气管道损伤检测提供了参考价值。
李兴龙[2]（2021）在《基于BP神经网络的超声定量评估技术研究》文中研究表明随着科学技术的发展,各行各业对材料以及结构的安全性要求日益提高。由于材质自身缺陷以及长期受到各种载荷的影响,材料和结构在生产及服役的过程中会产生各种类型的缺陷,比如裂纹、孔洞以及夹杂等,进而导致重大安全事故,造成人员伤亡和巨额财产损失。因此发展有效的无损检测技术至关重要。超声检测技术由于其具有灵敏度高、穿透能力强、缺陷定位准确、操作简单、对人体无害等优点被广泛应用。但是该方法针对复杂形状缺陷的定位及定量仍具有一定的难度,并且超声成像所需数据量比较大,效率比较低等。本文基于超声A扫描技术,针对不同形状的缺陷开展数值模拟和实验测试,获得了超声信号的变化特征,结合信号处理技术获得了对缺陷敏感的损伤特征参数,最后利用BP神经网络、图像处理技术及数据融合技术,对单缺陷及多缺陷的反演成像开展了研究。本文具体的研究内容及创新点如下:（1）利用COMSOL软件建立了超声传播的有限元模型,分析了在2024铝中,超声传播与三角形缺陷、圆形缺陷之间的作用关系;然后搭建了超声检测系统,对含有不同形状通孔缺陷的铝块试样进行检测;仿真结果及实验结果都表明了不同缺陷之间的超声信号存在差异,例如信号的幅值、宽度及对称性等,其差异性为缺陷特征的进一步提取奠定基础;同时,仿真结果与实验结果趋势的一致性,进一步验证了有限元仿真结果的正确性。（2）利用信号处理技术从时域、频域及形态三方面提取了19个特征,进一步分析特征与缺陷之间的规律,得到11个对缺陷敏感的特征值:包含4个时域特征,即峰值、幅值减少的时间、0.1Im直线的持续时间、0.5Im直线的持续时间;3个频域特征,即频谱峰值、低频分量、-1d B带宽;和4个形态特征,即形状系数、标准差、归一化能量、幅度均值。为缺陷反演奠定了基础。（3）利用BP神经网络及D-S证据理论融合技术,实现了对三角形单缺陷、圆形单缺陷以及多缺陷的反演,为复杂形状缺陷的反演提供了新方法;同时对同一缺陷不同位置处采集的信号的反演结果进行融合,与单一位置处信号的反演结果相比,其充分利用了缺陷的不同方向所反射的信号,进一步提高了缺陷反演的准确性与可靠性。
刘文芳[3]（2021）在《基于机器学习的金属构件超声缺陷检测方法的研究》文中研究表明金属构件被广泛应用在航天航空、铁路、军工等领域,对金属构件内部缺陷进行无损检测与评估可以有效地判断其使用性能和使用寿命。超声无损检测技术被广泛应用于金属构件的缺陷检测。但是在超声缺陷检测中,往往存在表面回波震荡、缺陷边缘模糊等因素,导致难以确定缺陷实际的位置和尺寸。针对以上问题,本文开展了对金属构件内部缺陷定量检测的研究。在超声垂直入射脉冲回波法的检测过程中,由于表面回波的存在,往往会在回波附近造成一定的“死区”,影响对近表面缺陷实际位置的判断。本文利用缺陷回波信号在波形特征上的不同,提出一种通过支持向量机识别缺陷一次回波和缺陷二次回波,实现对近表面缺陷位置准确计算的方法。首先进行仿真实验验证了支持向量机对缺陷一次回波和缺陷二次回波的识别能力,然后对440C不锈钢轴承内圈的近表面缺陷进行了验证实验。实验结果表明,本文所提方法能有效地对缺陷一次回波和二次回波进行识别并对缺陷的实际位置进行检测,分类的平均准确率可达到95%,近表面缺陷位置的预测误差在0.2mm以内。在进行金属构件缺陷尺寸的超声无损评估时,由于探头横向分辨率的限制,在超声C扫图像中往往难以确定缺陷的实际尺寸。本文将GBDT与支持向量机相结合,提出一种利用缺陷分类准确率确定缺陷实际尺寸的新方法。首先,通过极值理论获得304不锈钢构件内部缺陷回波信号的最大幅值,并设置不同的幅值系数k对缺陷尺寸范围进行表征。其次,使用GBDT对不同系数下的缺陷信号和非缺陷信号进行特征提取,利用支持向量机对特征提取后的数据进行分类。最后,通过分析不同幅值系数k的分类准确率实现对缺陷实际尺寸的定量检测。实验结果表明,相比传统检测方法,所提方法能较为准确地估计缺陷实际尺寸大小,检测误差在10%以内。
包俊[4]（2020）在《钛合金板材电涡流无损检测与定量化评估研究》文中指出钛合金是一种新兴的结构材料,因其优越的综合性能而被广泛应用于各行各业。在各类钛合金加工材中,板材的应用最为广泛,产量也最高,近年来占到总产量的50%以上。钛合金板材在轧制过程中难免会产生一些质量问题,例如厚度不均匀、同板差超差,以及表面质量不佳,出现裂纹、麻坑等缺陷。电涡流检测是一种基于电磁感应的无损检测技术,被广泛应用于金属材料的无损检测与评估中,相比其他无损检测技术,具备高效、低成本、无污染等优势。而使用电涡流检测技术对钛合金板材进行无损检测时,仍面临着检测信号易受噪声干扰、厚度测量反演繁琐,以及缺陷的分类识别、定量化评估精度不足等问题。本文在讨论了钛合金板材轧制过程中可能出现的质量问题后,结合国内外研究现状,开展了钛合金板材电涡流无损检测与定量化评估研究,主要的研究工作如下:（1）针对钛合金板材缺陷电涡流检测图像的降噪预处理问题,研究了一种主元分析（Principal Component Analysis,PCA）联合局部线性嵌入（Locally Linear Embedding,LLE）的降噪方法。利用PCA方法对电涡流检测图像进行初步的处理,去除较大噪声。然后,使用LLE算法在像素点的可变邻域内自动搜索最近邻数据,并采用近邻数据的局部最优线性组合替代像素,在进一步精细降噪的同时,可保持图像局部几何结构。实验表明,在输入信噪比为15d B～30d B的条件下,输出信噪比可达26.80～39.89d B,电涡流检测图像信噪比平均提高11.16d B,证实了该方法对钛合金板材缺陷电涡流检测图像降噪预处理的有效性。（2）针对传统电涡流测厚方法难以直接通过检测信号反演板材厚度的问题,提出了一种钛合金板材电涡流解析模型与改进的厚度测量方法。结合钛合金板材低电导率、非铁磁的电磁特性,在特定测量条件下建立了一种新的解析模型,用于描述电涡流探头差分电压实部与钛合金板材厚度的关系。最后基于改进的解析模型提出一种快速、准确的钛合金板材电涡流测厚方法。该方法可直接根据标定信号计算钛合金板材的测量厚度,不需要通过预先获得的实验记录进行对比,也不需要预先求解复杂的正演模型。实验结果表明,6mm厚度范围内冷轧薄钛板的厚度测量误差不超过±0.14mm,远小于现行钛工业标准规定的±0.35mm。（3）针对传统机器学习方法难以在不同工况下对质量各异、高维非线性的钛合金板缺陷电涡流检测图像信息进行准确、有效分类的问题,提出了一种栈式稀疏降噪自编码（Stacked Sparse Denoising Autoencoder,SSDAE）深度神经网络的钛合金板材缺陷电涡流检测图像分类方法。该方法将稀疏性限制引入降噪自编码器（Denoising Auto Encoder,DAE）,并在此基础上将多个DAE进行栈式组合构建深度神经网络。训练后的网络模型在不同工况下均能有效地对钛合金板缺陷进行分类识别,有较好的鲁棒性。实验结果表明,在输入信噪比大于26d B时,该方法的分类准确率高于97%;当输入信噪比逐渐下降时,分类准确率也能保持较高水平,在环境复杂的钛合金板生产线上,具有抗干扰、性能稳定等优势。（4）针对钛合金板材缺陷定量化评估中,电涡流检测图像难以人工设计特征,使用常规的回归方法需要设计复杂目标函数等问题,研究了一种基于深度置信网络（Deep Belief Network,DBN）和最小二乘支持向量机（Least Squares Support Vector Machine,LSSVM）的钛合金板缺陷缺陷定量化评估方法。在正确缺陷分类的基础之上,利用DBN从钛合金板材缺陷的电涡流检测图像中提取有效特征,并采用LSSVM算法建立钛合金板缺陷参数的多目标回归模型,实现对钛合金板材缺陷的定量化评估。实验结果表明,缺陷评估的相对误差和重复性标准差分别小于4.1%和0.12mm,与其他常规方法相比,该方法具有更高的准确性和可重复性。（5）完成了钛合金板材电涡流无损检测系统的设计和开发。对系统需求进行了综合的分析,设计了检测系统的总体架构,并模块化实现了检测系统的软硬件功能。最后将前述研究的厚度测量模型、分类识别和定量化评估智能算法在系统中进行了集成。钛合金板材缺陷电涡流检测、分类识别和定量化评估应用实例证实了所开发系统的有效性和实用性。
吴瑞[5]（2020）在《基于激光超声的表面微裂纹检测技术研究》文中指出工件在制造和使用过程中,极易在表面上产生各种裂纹损伤,裂纹的出现和扩展,会使工件的机械性能明显变差,若不能及时对缺陷进行检测,可能会造成工件的断裂,最终引发重大事故。因此对于表面缺陷的检测,是现代无损检测领域不可避免的问题。本文以激光超声技术为手段,以金属工件为对象,对表面缺陷的定位分析、超声信号的特征提取以及缺陷的识别进行了研究。主要研究内容如下:（1）首先介绍了采用热弹机制进行激发超声波的原理;通过comsol有限元仿真,建立了金属表面缺陷激光超声模型,模拟了激光激发超声波的过程并对波场传播特性进行分析,为从实验角度分析超声波信号奠定了基础。（2）利用激光超声检测实验平台,实现对不同走向、不同深度和不同角度的金属表面缺陷的扫查,通过分析不同走向缺陷的B扫图,确定出表面缺陷的范围,并计算出缺陷的长度和夹角;通过分析缺陷反射信号和透射信号的时域和频域特征,研究了时域波峰波谷时差、频域能量以及小波包能量等特征量与缺陷信息的关系,确定了表征缺陷深度和角度的识别参量。（3）以时域波峰波谷时差、频域能量以及小波包能量为输入参量,建立了基于BP神经网络的缺陷识别模型,通过训练,实现了金属表面缺陷的定量识别。本文的研究成果为进一步研究表面缺陷的激光超声检测的提供了理论依据和实验方法,同时也将推动表面缺陷的激光超声检测从实验室走向工业应用中。
王宁[6]（2020）在《融合超声和机器视觉的非完备陶瓷膜可视化检测研究》文中指出陶瓷膜凭借优良的化学稳定性、抗微生物等特性,广泛应用于反渗透海水淡化预处理工艺过程中。然而在其制备和使用过程中,常常伴随着表面缺陷和内部缺陷的产生——非完备陶瓷膜,严重影响其自身的机械强度和材料力学性能,从而降低海水淡化效率和陶瓷膜的使用寿命。因此,如何实现陶瓷膜产品质量的自动化检测已成为当前迫切需要解决的问题。本文研究以非完备陶瓷膜无损检测为目标,在对融合超声和机器视觉检测技术的研究现状进行分析的基础上,实现非完备陶瓷膜无损检测的系统设计。以满足非完备陶瓷膜无损检测为出发点,在研究现阶段陶瓷膜表面及内部缺陷检测技术基础上,结合机器视觉和超声检测技术的特点,本文设计了一种融合超声和机器视觉的非完备陶瓷膜检测硬件系统。系统选用EinScan-SE扫描仪和Phascan相控阵平台来分别获取非完备陶瓷膜的表面图像和内部数据,表面图像可用于基于机器视觉的非完备陶瓷膜表面缺陷的分类表征,内部数据可用于基于超声检测的非完备陶瓷膜内部缺陷的三维重建及可视化分析。针对非完备陶瓷膜表面缺陷的分类表征,本文设计了一种基于混合特征的陶瓷膜表面缺陷分类方法:获取的陶瓷膜表面图像经过图像的预处理,基于面积、长宽比、周长、圆形度、对角线长度、角二阶矩这6个特征,计算陶瓷膜样本缺陷的特征值,通过建立缺陷特征区间的方式归纳、定义4种缺陷分别为:划痕、裂纹、落渣、凹坑。最后通过BP神经网络分类器建立陶瓷膜缺陷分类模型,以80组样本数据为基准,求得分类器对于陶瓷膜表面缺陷分类的平均正确率为90.08%。为实现非完备陶瓷膜内部缺陷的三维可视化显示及评估,本文提出了一种融合三角矩阵-合成孔径聚焦的陶瓷膜内部缺陷三维重建方法,获取基于融合三角矩阵-合成孔径聚焦算法的陶瓷膜超声成像,将获取的B扫图像经过预处理和基于缺陷轮廓的三维重建,可完成陶瓷膜内部缺陷的三维可视化。该成像算法减少了近一半数据采集量和计算量可有效提高检测效率,同时保留了合成孔径聚焦算法成像分辨率高的特点。实验结果表明,内孔洞类型缺陷的直径测量误差范围在2.0%～3.0%之间,裂纹缺陷的直径、长度测量误差都在2.0%～4.0%之间。
任慧霞[7]（2020）在《基于超声的变工况超超临界螺旋管圈水冷壁鳍片焊缝缺陷检测及模式识别》文中研究指明超超临界锅炉具有显着的节能效果,热效率也比较高,符合我们国家绿色低碳高效发展理念,但锅炉螺旋管圈水冷壁焊缝缺陷造成爆管事故不容忽视,每次停机将会带来巨大的人力物力财力损失,因此,对水冷壁鳍片焊缝中的缺陷进行有效判别,进而采取相应的措施,对节约资源,保证锅炉正常运行,减少事故发生具有重大意义。超声波具有传递能量和传递信息的功能,因此超声检测技术应用广泛,目前通过超声检测技术可以成功定位到缺陷的位置和计算缺陷的大小,但是对于缺陷的识别还存在一定的难度。本论文研究以超超临界锅炉水冷壁鳍片焊缝中的裂纹、孔、未焊透、未熔合四种人工缺陷为研究对象,通过超声波检测采集缺陷信号,首先对缺陷信号进行截短和去噪处理,再使用傅里叶变换和时频分析方法（包括短时傅里叶变换和小波变换）对缺陷信号进行分析,提取不同缺陷信号的特征值。通过对比分析,发现不同缺陷信号的功率谱密度和能量谱存在差异,因此可以选择这两种特征值作为模式识别的依据,进而达到对缺陷的定量识别。
张志强[8]（2020）在《可燃药筒粘接质量的超声无损检测研究》文中认为薄壁圆筒粘接结构以其优越的性能而广泛应用于航空、军工领域,在使用过程中由于粘接界面脱粘而造成的灾难性事故时有发生,因此亟需对界面粘接质量进行准确的定量检测。超声相控阵技术能实现对非平面表面及复杂结构物体的缺陷检测,是无损探伤领域的研究热点。本文以可燃药筒粘接结构为研究对象,采用超声相控阵技术对其进行检测,重点研究了超声相控阵声场特性、脱粘缺陷回波信号处理和定性及定量分析等问题。研究了一维阵列超声相控阵换能器的声场特性,采用数值分析方法对辐射声场进行仿真。重点探讨了阵元数量、阵元间距、阵元长宽比、阵元发射频率等参数对相控阵声束聚焦性能的影响,总结出换能器优化设计的原则。结合CIVA软件仿真结果,给出了对于可燃药筒粘接质量检测的最优换能器参数。改良了传统的小波阈值函数降噪算法。采用改良后的小波阈值函数降噪后的信号,信噪比提高,均方根误差减小,降噪效果优于传统的阈值算法。在对信号进行降噪的基础上,采用经验模态分解技术提取脱粘缺陷特征,实现脱粘缺陷的定性检测。进一步对脱粘图像进行二值化、边缘提取等处理,结合Freeman链码方法,实现了脱粘面积的定量检测。在上述研究基础上,设计了适用于可燃药筒粘接检测的超声相控阵探伤系统,包括以MAX4940和AD9273为核心的超声相控阵收发模块,以MMBD4148SE为核心的限幅保护电路模块,以及以EP4CE6F17C8N FPGA为核心的采集处理模块。基于C#编程语言开发了上位机软件,实现了回波信号数据处理,扫描图像实时显示和生成可视化分析报告等功能。
吕高龙[9]（2020）在《基于激光超声技术和GA-BP神经网络的近表面缺陷定量评估》文中研究说明随着工业技术的飞速发展,金属材料广泛地应用在各行各业。金属材料在制造和服役过程中因高温、高压等恶劣环境的影响,容易在材料内部产生微小缺陷,如果不能及时识别并采取有效措施加以防范,隐蔽损伤将逐渐扩展引发材料的断裂或失效,导致严重的安全事故,因此对金属材料实施快速有效的检测是至关重要的。激光超声技术是无损检测领域常用的检测方法,具有非接触,高精度,可在高温、高压、高辐射等恶劣环境下工作的优势。本文主要采用有限元仿真和实验研究的方法,探究激光激励超声波与材料近表面缺陷的相互作用,通过结合信号处理方法和机器学习算法实现近表面缺陷的定量评估。本文具体研究内容及创新点如下:（1）介绍了激光激励超声波的理论基础和有限元方法,建立了基于热弹效应的激光超声有限元仿真模型,模拟激光在航空铝合金材料2024铝板中激发产生表面波以及表面波与不同尺寸近表面缺陷的相互作用。仿真结果表明,表面波信号中包含近表面缺陷信息,波形的幅值、相位与近表面缺陷的宽度有关。（2）详细分析了激光超声实验系统的基本构成和工作原理,搭建了非接触式激光超声缺陷检测系统,以2024铝板作为实验对象,开展近表面缺陷检测的实验研究。制备了一系列不同尺寸近表面缺陷的2024铝板试块,得到激光在不同试块中产生的超声波时域信号。实验结果验证了激光激励超声波检测近表面缺陷有限元仿真模型的正确性,从实验方面证实了表面波信号中包含近表面缺陷信息,其幅值、相位与近表面缺陷的宽度有关。（3）结合信号处理方法和机器学习算法实现近表面缺陷的定量评估。采用BP神经网络和遗传算法相结合的方法,建立了基于GA-BP神经网络的近表面缺陷定量评估模型。利用信号处理方法对检测到的超声波信号进行时域分析和频域分析,提取超声波信号的时域特征参数和频域特征参数,构造用于GA-BP神经网络训练与测试的特征参数数据集。GA-BP神经网络输出的预测值与实际值之间的相对误差均在6%以内,平均误差为2.15%,这些结果表明利用GA-BP神经网络定量评估材料近表面缺陷的方法是可行的、可靠的。
徐凤[10]（2019）在《橡胶材料太赫兹时域光谱特性及成像技术研究》文中提出橡胶复合材料作为一种高弹性、高延展性和高密封性等特点的材料被广泛应用在工业领域。但在生产和使用过程中,橡胶复合材料难免出现各种缺陷,造成安全隐患。2003年,美国哥伦比亚号航天飞机的失事,由于橡胶密封不到位,致使燃料箱隔热泡沫出现缺陷;2018年,重庆飞往拉萨的3U8633航班,由于橡胶密封圈老化,致使驾驶舱右侧破裂。因此越来越多的橡胶缺陷等问题受到航空及工业领域的重视。太赫兹时域光谱技术（THz-TDS）是基于飞秒超快激光技术的THz波段光谱测量新技术,与其他无损检测技术相比,其低能量、强穿透的特性展现出明显的优势,成为二十一世纪最有前景的科学发展技术之一。对于橡胶复合材料的太赫兹时域光谱技术的研究,国内外均有开展,主要有对橡胶材料类别分析、添加剂分析和老化研究,极少有对橡胶及其多层复合材料的内部缺陷进行研究,本文就是利用太赫兹时域光谱技术针对橡胶多层复合材料的内部脱粘、夹杂、空洞缺陷开展研究,本课题来源于国家863计划“复合材料太赫兹无损检测技术研究”,为橡胶复合材料的成像及质量评定提供了大量的支撑数据。本文通过太赫兹时域光谱特性分析三种不同类型的橡胶材料,获得样本橡胶的折射率;预置丁晴橡胶-铝单层粘接材料、丁晴橡胶-泡沫-丁晴橡胶-铝三层粘接材料（下简称橡胶-泡沫芯材三层粘接材料）的脱粘、夹杂、空洞等缺陷,实现对橡胶复合材料内部缺陷的太赫兹时域光谱特性及成像技术研究,并在经典BP神经网络基础上比较分析了调整学习效率、引入动量因子和引入陡度因子对橡胶-铝单层粘接材料的缺陷种类定性识别、用特征加权支持向量机对橡胶-泡沫芯材三层粘接材料的脱粘缺陷定量识别,最后利用卷积神经网络对橡胶材料太赫兹图像增强研究,取得如下结果:（1）采用太赫兹时域光谱提取丁晴橡胶、三元乙丙橡胶、氯丁橡胶的光学参数,在0.21.6THz波段,得到三种橡胶的折射率和吸收系数图谱变化规律:三元乙丙橡胶和氯丁橡胶的折射率随着频率的增加而减小,丁晴橡胶随着频率的增加而趋于平稳;在吸收系数方面,丁晴橡胶在吸收图谱中存在一个吸收峰,氯丁橡胶、三元乙丙橡胶没有吸收峰。说明,橡胶材料的物理性质、化学性质均存在着差异性,可以区别这三种常见的橡胶。（2）通过对相同厚度不同橡胶的光学参数提取,得到9mm厚的丁晴橡胶、三元乙丙橡胶、氯丁橡胶的折射率分别为:1.3123、2.4637、3.0521;得到3mmA2的泡沫夹层的折射率为1.0412。（3）构建了丁晴橡胶-铝橡胶单层粘接材料,预置了脱粘、空洞、夹杂缺陷,在反射模式下研究各缺陷的时域、频域光谱特性,断脱粘、空洞、夹杂缺陷。得到各缺陷的频域功率特征谱成像由于时域最大值成像,且功率谱最佳成像频率分别为:0.215THz、0.2508THz、0.262THz。（4）在经典BP神经网络基础上改进算法,分析比较了调节学习效率、引入动量因子和引入了陡度因子三种算法的橡胶单层粘接材料的缺陷回波信号的均方误差,分析表明,在相同的迭代次数下,引入陡度因子的方法较其他两种改进方法收敛速度更快,学习速率更高,通过引入陡度因子对样本缺陷进行分类识别,系统缺陷识别率可达90%。（5）预置了橡胶-泡沫芯材三层粘接材料的脱粘、空洞、夹杂缺陷,通过反射、透射两种成像模式研究了各缺陷的成像方法,提出了扩展时延窗口的特征谱信息来研究橡胶-泡沫芯材三层粘接材料的底层缺陷。结果表明,太赫兹反射模式可以对脱粘和夹杂清晰成像,对空洞成像效果不明显;透射模式能检测空洞和脱粘,但对夹杂成像效果不理想。（6）研究了特征加权支持向量机对10个等级的脱粘橡胶-泡沫芯材三层粘接材料的定量识别,在支持向量机的基础上,选择了Relief-F算法对特征进行加权,识别率由78%提高到了84%。加权后支持向量机对脱粘等级的识别性能明显改善。（7）建立了深度学习的卷积神经网络模型,对本文橡胶-铝单层粘接材料、橡胶-泡沫芯材三层粘接材料的缺陷图像进行增强,增加了像素的灰度值动态区间,提升了对比度的灰度色调变化,使图像更清晰,提高了图像识别率,并通过Canny算子对图像局部缺陷进行切割定量分析,为太赫兹时域光谱成像研究提供了新的解决思路。本文的创新点:（1）针对橡胶-泡沫芯材三层粘接材料提出扩展时延窗口的方法检测底层缺陷,克服了主反射波无法对底层缺陷检测的问题。（2）针对橡胶单层粘接材料的缺陷的回波信号,在BP神经网络的基础上,分析比较了调节学习效率、引入动量因子和引入了陡度因子三种改进算法,得到在相同的迭代次数下,引入陡度因子的方法收敛速度更快,并利用引入陡度因子对样本脱粘、夹杂、空洞缺陷进行分类识别,系统缺陷识别率为90%。为复合材料缺陷定性识别提供了新的途径。（3）针对橡胶-泡沫芯材三层粘接材料的十个脱粘等级的定量识别,在支持向量机的基础上,引入了Relief-F算法对其特征进行加权,识别率由78%提高到了84%,为太赫兹时域系统对橡胶-泡沫芯材三层粘接材料的脱粘定量识别提供了可靠依据。（4）建立了深度学习的卷积神经网络模型,对本文橡胶-铝单层粘接材料、橡胶-泡沫芯材三层粘接材料的缺陷图像进行增强,增加了像素的灰度值动态区间,提升了对比度的灰度色调变化,使图像更清晰,提高了图像识别率,并通过Canny算子对图像局部缺陷进行切割定量分析,为太赫兹时域光谱成像研究提供了新的解决思路。
二、超声检测中人工神经网络对缺陷定量评价（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、超声检测中人工神经网络对缺陷定量评价（论文提纲范文）
（1）基于激光超声技术的油气管道缺陷识别研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 激光超声技术 |
| 1.2.2 激光超声油气管道缺陷识别技术 |
| 1.3 论文主要工作和内容 |
| 第二章 激光超声检测理论及系统 |
| 2.1 激光超声技术理论 |
| 2.1.1 激光超声激励机制 |
| 2.1.2 激光热弹理论 |
| 2.2 超声波衰减理论 |
| 2.3 激光超声检测系统介绍 |
| 2.3.1 激光超声发射系统 |
| 2.3.2 激光超声接收系统 |
| 2.3.3 激光超声可视化系统 |
| 2.4 本章小结 |
| 第三章 油气管道激光超声信号去噪处理 |
| 3.1 小波变换的基本理论 |
| 3.1.1 连续小波变换 |
| 3.1.2 离散小波变换 |
| 3.2 激光超声油气管道信号去噪方法 |
| 3.2.1 激光超声仿真信号 |
| 3.2.2 基于小波变换激光超声仿真信号去噪方法 |
| 3.2.3 多分辨率分析激光超声仿真信号去噪方法 |
| 3.3 激光超声信号最优去噪方法 |
| 3.4 激光超声油气管道实测信号去噪 |
| 3.4.1 激光超声实测信号多分辨率分析 |
| 3.4.2 激光超声实测信号阈值去噪 |
| 3.5 油气管道激光超声信号分析 |
| 3.6 本章小结 |
| 第四章 基于BP神经网络的管道损伤定量分析 |
| 4.1 BP神经网络 |
| 4.1.1 BP神经网络结构 |
| 4.1.2 BP神经网络学习算法 |
| 4.2 BP网络管道损伤定量分析方法 |
| 4.3 基于小波包分解的BP网络特征提取 |
| 4.3.1 小波包分解 |
| 4.3.2 小波包分解特征提取 |
| 4.4 BP神经网络管道损伤定量分析 |
| 4.4.1 训练结果分析 |
| 4.4.2 训练误差分析 |
| 4.5 本章小结 |
| 第五章 管道损伤图像处理定性分析 |
| 5.1 激光超声可视化图像采集 |
| 5.2 激光超声图像预处理 |
| 5.2.1 图像灰度化 |
| 5.2.2 Mask图像 |
| 5.3 激光超声图像滤波 |
| 5.3.1 滤波算法 |
| 5.3.2 激光超声图像滤波分析 |
| 5.4 基于Retinex算法缺陷图像处理 |
| 5.4.1 Retinex算法缺陷图像处理 |
| 5.4.2 改进Retinex算法缺陷图像处理 |
| 5.5 缺陷图像SAD匹配算法 |
| 5.6 缺陷图像边缘提取 |
| 5.7 激光超声油气管道损伤图像识别 |
| 5.8 本章小结 |
| 第六章 激光超声油气管道缺陷识别软件设计 |
| 6.1 软件设计框架 |
| 6.2 软件设计流程 |
| 6.3 可视化图像处理模块 |
| 6.4 超声信号处理模块 |
| 6.5 本章小结 |
| 第七章 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间参加科研情况及获得的学术成果 |
（2）基于BP神经网络的超声定量评估技术研究（论文提纲范文）
| 致谢 |
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题的背景及意义 |
| 1.2 无损检测技术概况 |
| 1.3 超声检测技术概况 |
| 1.3.1 超声无损检测技术的发展趋势 |
| 1.3.2 超声检测的不足 |
| 1.4 相关技术在超声检测领域应用研究 |
| 1.4.1 数值模拟技术在超声检测中的应用 |
| 1.4.2 信号处理技术在超声检测中的应用 |
| 1.4.3 图像处理技术在超声检测中的应用 |
| 1.4.4 神经网络技术在超声检测中的应用 |
| 1.4.5 数据融合技术在超声检测中的应用 |
| 1.5 本文的主要内容及章节安排 |
| 2 超声检测及相关技术的基础理论 |
| 2.1 引言 |
| 2.2 超声检测技术 |
| 2.2.1 超声的概念 |
| 2.2.2 超声场的特征参量 |
| 2.2.3 超声波的分类 |
| 2.2.4 超声检测的原理及分类 |
| 2.3 有限元分析技术 |
| 2.3.1 有限元分析的基本理论 |
| 2.3.2 有限元分析的基本步骤 |
| 2.4 信号处理技术 |
| 2.4.1 离散傅里叶变换 |
| 2.4.2 快速傅里叶变换 |
| 2.5 神经网络技术 |
| 2.5.1 人工神经网络的理论及分类 |
| 2.5.2 BP神经网络理论及算法 |
| 2.6 图像处理技术 |
| 2.7 本章小结 |
| 3 超声检测模拟仿真与实验 |
| 3.1 引言 |
| 3.2 基于COMSOL软件的仿真模拟 |
| 3.2.1 构件及缺陷设计 |
| 3.2.2 模拟参数设置 |
| 3.2.3 探头步进的确定 |
| 3.2.4 声波的传播 |
| 3.3 基于不同形状缺陷的超声实验测试 |
| 3.3.1 试块的制备 |
| 3.3.2 超声缺陷检测系统 |
| 3.3.3 实验结果 |
| 3.4 实验与仿真模拟的对比分析 |
| 3.5 本章小结 |
| 4 超声信号多值域特征提取 |
| 4.1 引言 |
| 4.2 基于信号时域的特征提取与分析 |
| 4.3 基于信号频域的特征提取与分析 |
| 4.4 基于信号形态的特征提取与分析 |
| 4.5 训练数据库及验证数据库的建立 |
| 4.5.1 训练数据库的建立 |
| 4.5.2 验证数据库的建立 |
| 4.6 小结 |
| 5 缺陷的定量评估 |
| 5.1 引言 |
| 5.2 BP神经网络的结构设计 |
| 5.3 BP神经网络的训练 |
| 5.4 BP神经网络的性能预测 |
| 5.4.1 误差参数 |
| 5.4.2 单缺陷反演的预测分析 |
| 5.4.3 多缺陷反演的预测分析 |
| 5.5 不同位置多源数据的融合 |
| 5.5.1 D-S证据理论 |
| 5.5.2 不同信息源融合的缺陷反演 |
| 5.6 本章小结 |
| 6 结论 |
| 参考文献 |
| 作者简历及攻读硕士/博士学位期间取得的研究成果 |
| 学位论文数据集 |
（3）基于机器学习的金属构件超声缺陷检测方法的研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 超声波检测技术的研究现状 |
| 1.2.1 超声缺陷检测的研究现状 |
| 1.2.2 超声信号处理研究现状 |
| 1.2.3 模式识别在超声检测中的应用现状 |
| 1.3 全文内容安排 |
| 2 超声缺陷检测基础 |
| 2.1 超声波缺陷检测理论基础 |
| 2.1.1 超声波的传播特性 |
| 2.1.2 超声波的声场特性 |
| 2.2 超声缺陷检测的相关技术 |
| 2.2.1 超声脉冲回波检测技术 |
| 2.2.2 超声扫描成像技术 |
| 2.3 本章小结 |
| 3 水浸式超声缺陷检测系统的搭建 |
| 3.1 超声换能器的选取 |
| 3.2 检测系统硬件设计 |
| 3.3 检测系统软件设计 |
| 3.4 本章小结 |
| 4 基于SVM的金属构件近表面缺陷的超声定位检测 |
| 4.1 引言 |
| 4.2 SVM分类 |
| 4.3 金属构件近表面缺陷的超声定位方法 |
| 4.4 实验验证与分析 |
| 4.4.1 超声缺陷仿真信号的SVM识别 |
| 4.4.2 轴承内圈的近表面缺陷超声检测 |
| 4.5 本章小结 |
| 5 基于GBDT-SVM的金属构件内部缺陷的超声定量检测 |
| 5.1 引言 |
| 5.2 极值理论和GBDT-SVM分类 |
| 5.2.1 极值理论 |
| 5.2.2 GBDT-SVM理论基础 |
| 5.3 金属构件内部缺陷的超声定量方法 |
| 5.4 实验验证与分析 |
| 5.4.1 数据集的构建 |
| 5.4.2 GBDT-SVM分类实验 |
| 5.4.3 缺陷尺寸分析 |
| 5.5 本章小结 |
| 6 结论与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 读硕士学位期间发表的论文及所获得研究成果 |
| 致谢 |
（4）钛合金板材电涡流无损检测与定量化评估研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 钛合金板材的生产制造及质量标准 |
| 1.2.1 钛合金板材的发展与应用 |
| 1.2.2 钛合金板材轧制工艺 |
| 1.2.3 钛合金板材质量标准 |
| 1.2.4 钛合金板材无损检测方法 |
| 1.3 电涡流无损检测技术概述及其研究现状 |
| 1.3.1 电涡流检测技术发展概述 |
| 1.3.2 电涡流检测信号预处理研究现状 |
| 1.3.3 电涡流测厚方法研究现状 |
| 1.3.4 电涡流检测缺陷分类识别研究现状 |
| 1.3.5 电涡流缺陷定量化评估研究现状 |
| 1.4 钛合金板材电涡流无损检测研究现状及存在的问题 |
| 1.4.1 钛合金板材电涡流无损检测研究现状 |
| 1.4.2 研究热点 |
| 1.4.3 存在的问题 |
| 1.5 本文的主要研究内容及创新 |
| 1.5.1 论文的主要研究内容 |
| 1.5.2 论文的创新点 |
| 1.6 本章小结 |
| 第二章 钛合金板材电涡流检测信号预处理 |
| 2.1 引言 |
| 2.2 钛合金板材电涡流检测信号特性 |
| 2.2.1 探头线圈阻抗模型 |
| 2.2.2 探头线圈电压变化 |
| 2.2.3 钛合金板材电涡流检测信号 |
| 2.3 数字相敏检波算法与电涡流成像原理 |
| 2.3.1 数字相敏检波 |
| 2.3.2 电涡流扫描成像原理 |
| 2.4 钛合金板电涡流检测图像PCA-LLE联合降噪方法 |
| 2.4.1 主元分析(PCA)降噪 |
| 2.4.2 局部线性嵌入(LLE)图像重构 |
| 2.4.3 基于PCA-LLE的电涡流检测图像降噪 |
| 2.4.4 降噪预处理实验 |
| 2.5 本章小结 |
| 第三章 钛合金板材电涡流解析模型与厚度测量研究 |
| 3.1 引言 |
| 3.2 钛合金板材电涡流解析模型建立 |
| 3.2.1 电涡流探头与测量原理 |
| 3.2.2 Dodd-Deeds解析模型 |
| 3.2.3 钛合金板材电涡流解析模型 |
| 3.3 钛合金板材电涡流解析模型的分析与改进 |
| 3.3.1 钛合金板材解析模型相位分离 |
| 3.3.2 钛合金板材电涡流解析模型的改进 |
| 3.4 基于改进解析模型的钛合金板材电涡流测厚方法 |
| 3.5 钛合金板电涡流厚度测量实验 |
| 3.5.1 测量设备及实验设置 |
| 3.5.2 厚度测量结果与分析 |
| 3.6 本章小结 |
| 第四章 基于SSDAE深度神经网络的钛合金板材缺陷电涡流检测图像分类方法 |
| 4.1 引言 |
| 4.2 降噪自编码器原理及训练方式 |
| 4.2.1 自编码器原理 |
| 4.2.2 降噪自编码器原理 |
| 4.2.3 降噪自编码器训练方式 |
| 4.3 稀疏性限制引入与深度神经网络构建 |
| 4.3.1 稀疏性限制 |
| 4.3.2 栈式稀疏降噪自编码(SSDAE)深度神经网络构建 |
| 4.4 基于SSDAE深度神经网络的钛板缺陷电涡流图像分类方法 |
| 4.5 钛合金板缺陷电涡流检测与分类实验 |
| 4.5.1 检测装置 |
| 4.5.2 检测材料与试验设置 |
| 4.5.3 实验结果及分析 |
| 4.6 本章小结 |
| 第五章 基于DBN与LSSVM的钛合金板材缺陷电涡流检测图像定量化评估方法 |
| 5.1 引言 |
| 5.2 基于DBN的钛合金板缺陷特征提取 |
| 5.2.1 限制玻尔兹曼机原理 |
| 5.2.2 深度置信网络构建与特征提取 |
| 5.3 基于LSSVM的钛合金板缺陷参数回归 |
| 5.4 基于DBN和LSSVM的钛合金板缺陷定量化评估方法 |
| 5.5 钛合金板缺陷定量化评估实验 |
| 5.5.1 参数影响分析 |
| 5.5.2 评估结果与讨论 |
| 5.6 本章小结 |
| 第六章 钛合金板材电涡流无损检测系统设计与实现 |
| 6.1 引言 |
| 6.2 钛合金板材电涡流无损检测系统总体架构 |
| 6.2.1 电涡流检测系统总体硬件架构 |
| 6.2.2 电涡流检测系统总体软件工作流程 |
| 6.2.3 电涡流检测系统功能模块划分 |
| 6.3 电涡流无损检测系统软硬件模块化实现 |
| 6.3.1 电涡流探头设计 |
| 6.3.2 电涡流检测系统硬件实现 |
| 6.3.3 电涡流检测系统软件实现 |
| 6.4 智能检测分析功能集成 |
| 6.4.1 钛合金板测厚功能 |
| 6.4.2 钛合金板缺陷分类与评估功能 |
| 6.5 钛合金板材电涡流无损检测应用实例 |
| 6.5.1 钛合金板材缺陷检测 |
| 6.5.2 钛合金板材厚度测量 |
| 6.5.3 钛合金板材缺陷分类与评估 |
| 6.6 本章小结 |
| 第七章 总结与展望 |
| 7.1 研究工作总结 |
| 7.2 下一步工作展望 |
| 致谢 |
| 参考文献 |
| 附录A 攻读博士学位期间取得的主要研究成果 |
| 附录B 攻读博士期间参与的科研项目 |
（5）基于激光超声的表面微裂纹检测技术研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 激光超声检测技术的研究现状 |
| 1.2.2 激光超声在表面微裂纹检测的应用 |
| 1.3 本文的主要研究内容 |
| 2 激光超声理论分析及实验设计 |
| 2.1 激光超声的激发机制 |
| 2.2 表面裂纹的激光超声有限元模型 |
| 2.2.1 热弹耦合有限元理论 |
| 2.2.2 有限元仿真模型的建立 |
| 2.2.3 激光超声仿真结果分析 |
| 2.3 金属表面微裂纹检测的研究方案 |
| 2.3.1 整体方案 |
| 2.3.2 实验平台及样品 |
| 2.4 本章小结 |
| 3 表面缺陷信号的分析与特征提取 |
| 3.1 基于二维扫查的缺陷定位分析 |
| 3.1.1 实验步骤 |
| 3.1.2 B扫信号分析 |
| 3.2 表面缺陷的特征回波分析 |
| 3.2.1 缺陷反射回波分析 |
| 3.2.2 缺陷透射回波分析 |
| 3.3 基于小波包能量的特征提取 |
| 3.3.1 小波包分析理论 |
| 3.3.2 小波包能量分析 |
| 3.4 本章小结 |
| 4 金属表面缺陷的定量识别 |
| 4.1 神经网络识别原理 |
| 4.1.1 人工神经网络 |
| 4.1.2 BP神经网络结构 |
| 4.1.3 BP神经网络学习算法 |
| 4.2 基于BP神经网络的表面缺陷定量识别 |
| 4.2.1 激光超声特征向量的组成 |
| 4.2.2 BP神经网络的建立 |
| 4.2.3 缺陷识别结果分析 |
| 4.3 本章小结 |
| 5 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 攻读硕士学位期间发表的论文和研究成果 |
| 致谢 |
（6）融合超声和机器视觉的非完备陶瓷膜可视化检测研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题的来源与意义 |
| 1.1.1 课题的来源 |
| 1.1.2 课题的意义 |
| 1.2 机器视觉检测技术国内外研究现状 |
| 1.3 超声检测技术国内外研究现状 |
| 1.4 缺陷三维重建技术国内外研究现状 |
| 1.5 论文主要工作 |
| 第2章 非完备陶瓷膜检测系统硬件设计 |
| 2.1 硬件系统结构示意图 |
| 2.2 开发工具简介 |
| 2.3 硬件系统搭建 |
| 2.3.1 陶瓷膜表面缺陷检测系统搭建 |
| 2.3.2 陶瓷膜内部缺陷检测系统的硬件选型 |
| 2.3.2.1 超声探伤仪 |
| 2.3.2.2 探头 |
| 2.3.2.3 耦合剂 |
| 2.3.2.4 直线模组 |
| 2.3.3 陶瓷膜内部缺陷检测系统搭建 |
| 2.4 本章小结 |
| 第3章 基于混合特征的陶瓷膜表面缺陷分类方法研究 |
| 3.1 图像预处理 |
| 3.2 基于混合特征的陶瓷膜表面缺陷分类方法 |
| 3.2.1 缺陷特征值提取 |
| 3.2.2 基于混合特征的陶瓷膜表面缺陷分类 |
| 3.3 陶瓷膜表面缺陷分类实验及结果分析 |
| 3.4 本章小结 |
| 第4章 融合三角矩阵和合成孔径聚焦的缺陷三维重建方法研究 |
| 4.1 超声合成孔径技术 |
| 4.2 全矩阵-全聚焦成像算法 |
| 4.2.1 声束收发 |
| 4.2.2 全聚焦算法 |
| 4.2.3 三角矩阵算法 |
| 4.2.4 融合三角矩阵-合成孔径聚焦算法 |
| 4.3 三维重建方法的实验验证及结果分析 |
| 4.3.1 实验试块的制作 |
| 4.3.2 超声B扫切片图像预处理 |
| 4.3.2.1 切片图像前端圆滑 |
| 4.3.2.2 切片图像后端消噪 |
| 4.3.3 三维重建的结果分析 |
| 4.4 本章小结 |
| 第5章 融合超声和机器视觉的非完备陶瓷膜可视化检测系统 |
| 5.1 系统组件结构图及功能 |
| 5.2 基于机器视觉的陶瓷膜表面缺陷检测模块 |
| 5.2.1 陶瓷膜表面缺陷检测模块组件结构图 |
| 5.2.2 陶瓷膜表面缺陷检测模块实验案例 |
| 5.3 基于超声技术的陶瓷膜内部缺陷检测模块 |
| 5.3.1 陶瓷膜内部缺陷检测模块组件结构图 |
| 5.3.2 陶瓷膜内部缺陷检测模块设计 |
| 5.4 非完备陶瓷膜可视化检测系统参数 |
| 5.5 本章小结 |
| 第6章 总结与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 6.2.1 可推广价值 |
| 6.2.2 可改进之处 |
| 参考文献 |
| 附录 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（7）基于超声的变工况超超临界螺旋管圈水冷壁鳍片焊缝缺陷检测及模式识别（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 锅炉管道的无损检测方法 |
| 1.3 超声检测技术的发展 |
| 1.3.1 超声检测技术的国内外研究现状 |
| 1.3.2 超声检测焊缝缺陷的技术要求及其局限性 |
| 1.3.3 焊缝缺陷超声波检测及模式识别的研究现状 |
| 1.4 论文框架及主要研究工作 |
| 第2章 超声检测及模式识别基本原理 |
| 2.1 超声波的基本特性 |
| 2.1.1 超声波的分类 |
| 2.1.2 超声波的常用物理量 |
| 2.1.3 超声波的传播特性 |
| 2.2 超声检测及模式识别的基本原理和特点 |
| 2.2.1 超声检测的基本原理和方法 |
| 2.2.2 超声检测的信号处理与模式识别 |
| 2.3 超声检测试验系统 |
| 2.3.1 超声探头及其选择 |
| 2.3.2 超声波发射电路 |
| 2.3.3 超声波接收电路 |
| 2.3.4 高频数据采集模块 |
| 2.4 本章小结 |
| 第3章 水冷壁鳍片焊缝缺陷超声检测试验及检测参数分析 |
| 3.1 水冷壁鳍片焊缝超声检测实验总体说明 |
| 3.1.1 课题试件选材与实验设备简介 |
| 3.1.2 制作人工缺陷 |
| 3.2 不同超声检测方式及数据采集 |
| 3.2.1 水冷壁鳍片焊缝缺陷检测方法 |
| 3.2.2 水冷壁鳍片焊缝缺陷检测数据采集 |
| 3.3 信号的预处理 |
| 3.3.1 信号截短处理 |
| 3.3.2 信号的延拓处理 |
| 3.3.3 信号的去噪 |
| 3.4 本章小结 |
| 第4章 水冷壁鳍片焊缝信号分析与模式识别 |
| 4.1 非平稳信号 |
| 4.2 主要时频分析方法 |
| 4.2.1 快速傅里叶变换 |
| 4.2.2 短时傅里叶变换 |
| 4.2.3 小波分析 |
| 4.3 模式识别 |
| 4.3.1 特征提取 |
| 4.3.2 特征选择 |
| 4.4 本章小结 |
| 第5章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间所开展的科研项目和发表的学术论文 |
（8）可燃药筒粘接质量的超声无损检测研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 脱粘无损检测的国内外研究现状 |
| 1.2.2 粘接信号处理的国内外研究现状 |
| 1.3 课题主要研究内容 |
| 第二章 圆筒粘接结构超声探伤原理 |
| 2.1 可燃药筒粘接结构 |
| 2.2 超声检测基础理论 |
| 2.2.1 超声波及其波型 |
| 2.2.2 声压分布 |
| 2.2.3 声波指向性 |
| 2.3 圆筒结构超声波的传播特性 |
| 2.3.1 反射率与透射率 |
| 2.3.2 圆筒结构曲面界面及耦合情况 |
| 2.4 超声相控阵技术原理 |
| 2.4.1 超声相控阵信号发射与接收 |
| 2.4.2 声束控制 |
| 2.4.3 超声相控阵缺陷检测成像技术 |
| 2.5 本章小结 |
| 第三章 可燃药筒粘接检测换能器优化设计 |
| 3.1 超声相控阵换能器阵列 |
| 3.2 声场辐射理论 |
| 3.2.1 换能器辐射声场 |
| 3.2.2 阵列换能器空间分布特性 |
| 3.3 换能器参数对聚焦声场的影响 |
| 3.3.1 阵元数量N |
| 3.3.2 阵元间距d |
| 3.3.3 阵元长宽比h/a |
| 3.3.4 发射频率f |
| 3.3.5 结论分析 |
| 3.4 换能器检测仿真验证分析 |
| 3.5 本章小结 |
| 第四章 可燃药筒粘接检测信号分析处理 |
| 4.1 回波数据采集 |
| 4.1.1 可燃药筒粘接样件制作 |
| 4.1.2 信号采集 |
| 4.2 小波阈值降噪 |
| 4.2.1 降噪原理 |
| 4.2.2 算法改进 |
| 4.2.3 结果验证分析 |
| 4.3 可燃药筒脱粘缺陷特征提取 |
| 4.4 可燃药筒脱粘面积定量检测 |
| 4.4.1 图像预处理 |
| 4.4.2 面积计算 |
| 4.5 本章小结 |
| 第五章 超声相控阵可燃药筒粘接缺陷检测系统研制 |
| 5.1 超声相控阵系统总体方案 |
| 5.2 相控阵检测系统硬件部分 |
| 5.2.1 超声激励发射电路 |
| 5.2.2 限幅保护电路 |
| 5.2.3 超声回波接收电路 |
| 5.2.4 数据采集与处理模块 |
| 5.3 相控阵检测系统软件部分 |
| 5.3.1 软件系统的整体规划 |
| 5.3.2 软件关键模块介绍 |
| 5.4 可燃药筒检测实例 |
| 5.4.1 换能器与耦合剂选取 |
| 5.4.2 检测实验 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 全文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
（9）基于激光超声技术和GA-BP神经网络的近表面缺陷定量评估（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 激光超声无损检测技术研究现状及发展趋势 |
| 1.2.1 激光超声无损检测技术研究现状 |
| 1.2.2 激光超声无损检测技术发展趋势 |
| 1.3 人工神经网络原理及其在无损检测中的应用 |
| 1.3.1 人工神经网络原理 |
| 1.3.2 人工神经网络在无损检测中的应用 |
| 1.4 本文主要研究内容及总体框架 |
| 2 激光超声理论基础及有限元方法 |
| 2.1 引言 |
| 2.2 激光超声检测技术基础 |
| 2.2.1 激光超声激励机制 |
| 2.2.2 激光激励超声热弹性理论 |
| 2.3 激光激发超声波的有限元方法 |
| 2.3.1 有限元方法的理论基础 |
| 2.3.2 热弹耦合有限元理论 |
| 2.4 超声波的检测方法 |
| 2.5 本章小结 |
| 3 激光激励超声波检测近表面缺陷的仿真分析 |
| 3.1 引言 |
| 3.2 激光超声仿真模型的建立 |
| 3.2.1 仿真模型的设计 |
| 3.2.2 仿真过程分析 |
| 3.3 激光激励表面波检测近表面缺陷的仿真分析 |
| 3.4 本章小结 |
| 4 基于材料近表面缺陷的激光超声实验 |
| 4.1 引言 |
| 4.2 激光超声缺陷检测系统 |
| 4.2.1 激光超声缺陷检测系统的硬件部分 |
| 4.2.2 激光超声缺陷检测系统的软件部分 |
| 4.3 试块的制备 |
| 4.4 实验验证有限元模型 |
| 4.5 本章小结 |
| 5 GA-BP神经网络模型的设计 |
| 5.1 引言 |
| 5.2 BP神经网络 |
| 5.2.1 BP神经网络的结构 |
| 5.2.2 BP神经网络的算法流程 |
| 5.2.3 BP神经网络的特点 |
| 5.3 遗传算法 |
| 5.3.1 遗传算法原理 |
| 5.3.2 遗传算法实现流程 |
| 5.4 GA-BP神经网络的建立 |
| 5.5 本章小结 |
| 6 基于GA-BP神经网络的近表面缺陷定量评估 |
| 6.1 引言 |
| 6.2 缺陷信号特征提取构造数据集 |
| 6.2.1 时域特征参数提取 |
| 6.2.2 频域特征参数提取 |
| 6.2.3 特征参数数据集的构造 |
| 6.3 基于GA-BP神经网络缺陷宽度预测模型 |
| 6.3.1 GA-BP神经网络性能评估指标 |
| 6.3.2 GA-BP神经网络结构的确定 |
| 6.3.3 GA-BP神经网络的训练 |
| 6.3.4 GA-BP神经网络的预测 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 总结 |
| 7.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间的研究成果 |
（10）橡胶材料太赫兹时域光谱特性及成像技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 橡胶材料概述 |
| 1.1.1 常用橡胶材料介绍 |
| 1.2 传统无损检测的主要方法 |
| 1.3 太赫兹技术的优势 |
| 1.4 太赫兹技术研究现状 |
| 1.4.1 国内研究现状 |
| 1.4.2 国外研究现状 |
| 1.5 本文主要研究内容 |
| 第2章 太赫兹时域光谱技术理论分析基础 |
| 2.1 引言 |
| 2.2 太赫兹时域光谱技术工作原理 |
| 2.3 太赫兹时域光谱系统参数理论分析 |
| 2.3.1 THz-TDS频谱分辨率 |
| 2.3.2 THz-TDS频谱信噪比计算 |
| 2.4 太赫兹波段材料光学参数提取原理 |
| 2.4.1 透射模式下太赫兹时域系统参数提取原理 |
| 2.4.2 反射模式下太赫兹时域系统参数提取原理 |
| 2.5 太赫兹时域光谱成像技术 |
| 2.5.1 透射式成像重构方法 |
| 2.5.2 反射式成像重构方法 |
| 2.6 成像技术相关参数 |
| 2.6.1 成像分辨率及景深 |
| 2.6.2 成像的信噪比 |
| 2.6.3 成像的均方差 |
| 2.7 本章小结 |
| 第3章 橡胶材料的THz光谱特性研究及光学参数提取 |
| 3.1橡胶材料太赫兹光谱特性实验 |
| 3.1.1 系统介绍 |
| 3.1.2 样本准备 |
| 3.1.3 橡胶材料太赫兹光谱特性透射实验 |
| 3.1.4 橡胶材料太赫兹光谱特性反射实验 |
| 3.2 橡胶材料太赫兹光谱特性分析 |
| 3.2.1 相同厚度不同橡胶材料的太赫兹光谱特性分析 |
| 3.2.2 不同厚度的丁晴橡胶的太赫兹光谱特性分析 |
| 3.3 橡胶材料的光学参数提取及分析 |
| 3.3.1 相同厚度不同橡胶材料的太赫兹波段光学参数提取及分析 |
| 3.3.2 不同厚度丁腈橡胶太赫兹波段光学参数提取及分析 |
| 3.4 本章小结 |
| 第4章 橡胶-铝单层粘接材料THz-TDS反射成像分析及缺陷种类定性识别研究 |
| 4.1橡胶-铝单层粘接材料THz-TDS反射成像实验 |
| 4.1.1 实验系统 |
| 4.1.2 样本准备 |
| 4.1.3 橡胶-铝单层粘接材料THz-TDS反射成像实验 |
| 4.2 样件缺陷特征谱及反射成像分析 |
| 4.2.1 预置缺陷功率谱成像分析 |
| 4.2.2 脱粘缺陷时域特征谱及反射成像分析 |
| 4.2.3 空洞缺陷时域特征谱及反射成像分析 |
| 4.2.4 夹杂缺陷时域特征谱及反射成像分析 |
| 4.3 BP神经网络在橡胶缺陷种类定性识别研究 |
| 4.3.1 BP神经网络基本原理 |
| 4.3.2 BP神经网络学习过程 |
| 4.3.3 BP神经网络改进设计 |
| 4.3.4 橡胶单层粘接材料缺陷种类定性识别分析 |
| 4.4 本章小结 |
| 第5章 橡胶-泡沫-橡胶-铝三层粘接材料太赫兹成像及脱粘缺陷定量研究 |
| 5.1 橡胶-泡沫芯材三层粘接材料太赫兹成像实验 |
| 5.1.1 实验系统 |
| 5.1.2 样本准备 |
| 5.1.3 橡胶-泡沫芯材三层粘接材料的反射与透射实验 |
| 5.2 扩展时延窗口对橡胶-泡沫芯材三层粘接材料反射与透射成像比较研究 |
| 5.2.1 扩展时延窗口对脱粘缺陷反射与透射成像比较研究 |
| 5.2.2 扩展时延窗口对夹杂缺陷反射与透射成像比较研究 |
| 5.2.3 扩展时延窗口对空洞缺陷反射与透射成像比较研究 |
| 5.3 基于SVM的橡胶-泡沫芯材三层粘接材料脱粘缺陷定量识别研究 |
| 5.3.1 支持向量机分等级定量识别模型 |
| 5.3.2 Relief-F算法对脱粘缺陷特征向量的加权 |
| 5.3.3 构造特征加权支持向量 |
| 5.3.4 基于SVM的橡胶-泡沫芯材三层粘接材料脱粘缺陷定量识别 |
| 5.4 本章小结 |
| 第6章 卷积神经网络的橡胶材料太赫兹图像增强及应用 |
| 6.1 超分辨率图像退化及重建 |
| 6.1.1 图像的退化 |
| 6.1.2 图像的重建 |
| 6.2 基于卷积神经网络的深度学习网络模型 |
| 6.3 深度学习网络层次结构生长方法 |
| 6.4 深度学习网络的训练方法 |
| 6.5 卷积神经网络的图像增强模型及应用 |
| 6.5.1 缺陷图像的卷积神经网络深度学习训练模型 |
| 6.5.2 缺陷图像的卷积神经网络图像增强应用 |
| 6.6 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 本文的创新点 |
| 7.3 展望 |
| 参考文献 |
| 攻读博士学位期间发表的论文和专利 |
| 致谢 |
四、超声检测中人工神经网络对缺陷定量评价（论文参考文献）
- [1]基于激光超声技术的油气管道缺陷识别研究[D]. 王韵. 西安石油大学, 2021(09)
- [2]基于BP神经网络的超声定量评估技术研究[D]. 李兴龙. 北京交通大学, 2021
- [3]基于机器学习的金属构件超声缺陷检测方法的研究[D]. 刘文芳. 中北大学, 2021(09)
- [4]钛合金板材电涡流无损检测与定量化评估研究[D]. 包俊. 昆明理工大学, 2020
- [5]基于激光超声的表面微裂纹检测技术研究[D]. 吴瑞. 中北大学, 2020(10)
- [6]融合超声和机器视觉的非完备陶瓷膜可视化检测研究[D]. 王宁. 扬州大学, 2020(04)
- [7]基于超声的变工况超超临界螺旋管圈水冷壁鳍片焊缝缺陷检测及模式识别[D]. 任慧霞. 上海应用技术大学, 2020(02)
- [8]可燃药筒粘接质量的超声无损检测研究[D]. 张志强. 南京航空航天大学, 2020(07)
- [9]基于激光超声技术和GA-BP神经网络的近表面缺陷定量评估[D]. 吕高龙. 山东农业大学, 2020(12)
- [10]橡胶材料太赫兹时域光谱特性及成像技术研究[D]. 徐凤. 长春理工大学, 2019(02)