学位论文 > 优秀研究生学位论文题录展示

脉冲涡流缺陷分类识别技术研究

作　者: 朱佳震
导　师: 陈铁群；刘桂雄
学　校: 华南理工大学
专　业: 测试计量技术及仪器
关键词: 脉冲涡流 无损检测 小波分析 蚁群算法 遗传算法
分类号: TH878
类　型: 硕士论文
年　份: 2010年
下　载: 145次
引　用: 0次
阅　读: 论文下载
 

内容摘要


脉冲涡流是近几年迅速发展起来的一种无损检测新技术,其宽频谱激励方式在大面积复杂结构的检测中可获得较多的缺陷信息。本文在分析了国内外脉冲涡流无损检测技术研究现状的基础上,对脉冲涡流无损检测系统的研制、检测信号去噪及特征提取以及缺陷的分类识别等若干关键技术进行了研究,这对脉冲涡流检测技术的发展具有重要的学术价值和实际意义。论文研究内容得到广东省科技攻关计划项目(2006B12401001)资助,论文主要研究成果包括:(1)系统设计。设计了整个脉冲涡流缺陷检测系统,主要包括数据采集与存储系统,并对检测系统中的关键模块:脉冲涡流信号产生模块、信号调理模块及检测探头进行研制。本系统采用DDS技术,在FPGA芯片上设计脉冲涡流激励信号,降低了系统设计成本的同时提高了设计灵活性。(2)针对脉冲涡流检测信号噪声污染较严重的情况,分析比较了不同小波系的优缺点,采用Morlet小波对检测信号进行去噪,并采用信噪比、均方根误差及平滑度指标对去噪效果进行评价。针对传统时域波形特征提取容易受到噪声干扰的问题,采用Daubech -ies小波对去噪后的信号进行3层小波分解,并计算各层小波信号的能量值作为脉冲涡流信号的特征值,相对于传统的信号处理方法,可大大减少运算量。(3)分析蚁群算法和遗传算法的优缺点,结合其在模式识别中的应用,创新性地把蚁群算法和遗传算法应用于脉冲涡流表面缺陷和亚表面缺陷的识别。对比了单独采用蚁群算法和遗传算法进行缺陷分类识别的优点及不足,提出两种算法相结合的蚁群-遗传算法,实验证明,这种算法的分类识别能力优于采用单一的算法。

全文目录


摘要  6-7
Abstract  7-11
第一章 绪论  11-20
  1.1 课题的提出及研究意义  11-12
  1.2 脉冲涡流无损检测技术的国内外研究进展  12-19
    1.2.1 涡流检测技术的发展  12-14
    1.2.2 脉冲涡流检测信号特征提取的研究进展  14-16
    1.2.3 脉冲涡流检测缺陷识别的研究进展  16-19
  1.3 本论文的主要研究内容  19-20
第二章 脉冲涡流检测系统的设计  20-37
  2.1 引言  20
  2.2 检测系统的总体方案设计  20-21
  2.3 检测系统关键模块设计  21-32
    2.3.1 基于DDS的脉冲涡流信号源模块  21-29
    2.3.2 信号调理模块  29-30
    2.3.3 检测探头的研制  30-32
  2.4 基于LabView的检测软件设计  32-36
    2.4.1 数据采集程序  33-35
    2.4.2 数据存储程序  35-36
  2.5 本章小结  36-37
第三章 基于小波分析的检测信号去噪及特征提取  37-56
  3.1 引言  37-38
  3.2 基于Morlet小波的检测信号去噪  38-47
    3.2.1 基于Morlet小波的去噪流程  38-40
    3.2.2 检测信号去噪结果  40-47
  3.3 基于Daubechies小波的检测信号特征提取  47-55
    3.3.1 基于Daubechies小波的特征提取流程  48-50
    3.3.2 检测信号特征提取结果  50-54
    3.3.3 特征提取结果分析  54-55
  3.4 本章小结  55-56
第四章 基于蚁群-遗传算法的脉冲涡流缺陷分类  56-72
  4.1 引言  56-57
  4.2 基于智能算法的脉冲涡流缺陷分类识别  57-62
    4.2.1 基于蚁群算法的脉冲涡流缺陷分类识别  57-59
    4.2.2 基于遗传算法的缺陷分类识别  59-62
  4.3 基于蚁群-遗传算法的缺陷分类识别  62-71
    4.3.1 基于遗传算法优化初始信息素矩阵  62-68
    4.3.2 基于蚁群算法确认最佳聚类中心并分类识别  68-71
  4.4 本章小结  71-72
第五章 实验结果与分析  72-81
  5.1 引言  72
  5.2 实验系统  72-74
    5.2.1 实验对象介绍  72-74
    5.2.2 实验系统结构  74
  5.3 实验步骤  74-76
  5.4 脉冲涡流检测缺陷分类识别结果  76-80
    5.4.1 目标函数值及分类结果  76-78
    5.4.2 最优聚类中心  78
    5.4.3 识别结果分析  78-80
  5.5 本章小结  80-81
总结与展望  81-83
参考文献  83-87
攻读硕士学位期间取得的研究成果  87-88
致谢  88

相似论文

  1. 天然气脱酸性气体过程中物性研究及数据处理,TE644
  2. 压气机优化平台建立与跨音速压气机气动优化设计,TH45
  3. 多导弹协同作战突防效能评估及组合优化算法研究,TJ760.1
  4. 基于蚁群算法的电梯群优化控制研究,TU857
  5. 航天继电器时间参数测试分析技术的研究,TM58
  6. 动态环境下移动对象导航系统相关技术的研究,TP301.6
  7. 基于改进蚁群算法的机器人路径规划研究,TP242
  8. 基于汉语听觉认知的事件相关电位的研究,R318.0
  9. 基于遗传算法的模糊层次综合评判在高职教学评价中的应用,G712
  10. 部队人员网上训练与考核系统的开发,TP311.52
  11. 基于并行算法的模糊综合评价模型的设计与应用,TP18
  12. 基于神经网络的牡蛎呈味肽制备及呈味特性研究,TS254.4
  13. 基于遗传算法的中短波磁天线的设计及实现,TN820
  14. 改进的蚁群算法及其在TSP上的应用研究,TP301.6
  15. 基于遗传算法的柑橘图像分割,TP391.41
  16. 基于混合自适应遗传算法的动态网格调度问题研究,TP393.09
  17. 基于遗传—牛顿算法的公交优化调度,TP18
  18. 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
  19. 基于云理论和蜜蜂进化型遗传算法的纹理合成研究,TP391.41
  20. 基于遗传算法和粗糙集的聚类算法研究,TP18
  21. 基于免疫机制蚁群算法的电力系统无功优化研究,TP18

中图分类: > 工业技术 > 机械、仪表工业 > 仪器、仪表 > 材料试验机与试验仪器 > 无损探伤仪器
© 2012 www.xueweilunwen.com