国产91在线午夜激情经典,手机看片av无码免费的

內(nèi)容簡介

　　本書介紹了現(xiàn)代超聲檢測信號處理技術(shù)的基本原理及工程實(shí)用技術(shù)，闡述了超聲檢測技術(shù)的前沿，總結(jié)了超聲聲場仿真理論和超聲信號處理理論的發(fā)展現(xiàn)狀。介紹了基于空間脈沖響應(yīng)的超聲聲場和回波模型，超聲信號去噪方法，超聲信號特征提取方法和超聲缺陷智能分類方法等。列舉了所介紹方法和技術(shù)在典型關(guān)鍵零部件無損檢測中的應(yīng)用實(shí)例。

作者簡介

　　馬宏偉，工學(xué)博士，二級教授，博士生導(dǎo)師，現(xiàn)任西安科技大學(xué)副校長，兼任陜西省研究生教育學(xué)會副會長、中國工程機(jī)械學(xué)會礦山機(jī)械分會副理事長、中國煤炭工業(yè)機(jī)電專家委員會委員等。主要研究方向?yàn)橹悄軝z測與控制、機(jī)器人技術(shù)、無損檢測與評價(jià)、煤礦機(jī)電設(shè)備及其智能化等。近年來，先后主持以“煤礦救援機(jī)器人自主導(dǎo)航與智能控制基礎(chǔ)研究”、“機(jī)械關(guān)鍵零部件缺陷超聲信號提取與智能識別研究”、“礦用強(qiáng)力輸送帶缺陷弱磁特性與智能識別研究”等國家自然科學(xué)基金為代表的*、省部級科研項(xiàng)目10余項(xiàng)，主持和參加的企業(yè)委托項(xiàng)目多項(xiàng)。獲省部級科技進(jìn)步獎6項(xiàng)，獲陜西省優(yōu)秀教學(xué)成果獎、精品課程以及優(yōu)秀教材獎5項(xiàng)，獲國家專利40余項(xiàng)，在國內(nèi)外學(xué)術(shù)期刊上發(fā)表學(xué)術(shù)論文150余篇，其中被SCI、EI、ISTP等收錄70余篇，培養(yǎng)博碩士研究生120余名。

圖書目錄

1超聲檢測技術(shù)研究1
1.1超聲檢測技術(shù)的研究進(jìn)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(jìn)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(yīng)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(yīng)函數(shù)計(jì)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(yīng)的快速計(jì)算25
2.5實(shí)驗(yàn)驗(yàn)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(yīng)36
3.5探頭振動特性的測量38
3.6缺陷回波實(shí)驗(yàn)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(shí)驗(yàn)分析47
4.1.3基于改進(jìn)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(yīng)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(jìn)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(shí)驗(yàn)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(jī)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(jī)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(shí)驗(yàn)研究123
5.2.6小結(jié)129
5.3基于多分類支持向量機(jī)的鑄鋼缺陷智能分類研究130
5.3.1引言130
5.3.2機(jī)器學(xué)習(xí)與統(tǒng)計(jì)學(xué)習(xí)理論130
5.3.3支持向量機(jī)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(jī)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(shí)驗(yàn)150
5.4.4基于距離的類別可分性判據(jù)對特征提取進(jìn)行評價(jià)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(yīng)用154
5.5.3基于支持向量機(jī)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(xiàn)183