一、Application of subband adaptive filtering techniques to ultrasonic detection in multilayers(论文文献综述)
袁新安[1](2019)在《水下结构物缺陷ACFM智能识别方法与系统研究》文中进行了进一步梳理随着国家海洋强国战略的不断推进,海洋油气资源的开发利用逐渐由浅海进入深海,促使各类高端海洋技术、海工装备及海洋产业迅速发展。海洋结构物长期在海水中服役,由于腐蚀、生物附着、复杂应力、外力破坏、风暴等原因,结构表面很容易产生裂纹、腐蚀等缺陷。在水下特殊工况及恶劣环境下,结构表面缺陷种类繁多,缺陷形貌复杂,经典交流电磁场检测(Alternating Current Field Measurement简称ACFM)理论对不规则裂纹、腐蚀缺陷检测存在不适应性,水下附着物造成提离扰动,引入各类干扰信号,为无损检测技术缺陷判定、识别与评估带来诸多挑战。本文受国家重点研发计划子课题“水下结构缺陷交流电磁场智能可视化检测系统”和国家自然科学基金面上项目“基于交流电磁场的水下结构缺陷高精度智能定量识别方法与应用研究”资助,基于ACFM技术,围绕水下结构物缺陷自动判定、智能识别与可视化评估方法及系统开发的关键问题展开研究,在水下ACFM检测理论、数值仿真分析、高灵敏度探头开发、缺陷特征信号自动判定、缺陷智能识别与可视化评估、系统开发等方面均取得较大进展,可为水下结构物缺陷智能检测、安全评估及维修决策提供技术支撑。主要研究成果总结如下:(1)海水环境ACFM理论模型建立与仿真分析在传统ACFM注入电流下裂纹缺陷检测理论模型基础上,引入海洋电磁学理论和漏磁场等效磁偶极子模型,构建海水环境结构物缺陷ACFM理论模型和有限元仿真模型,在考虑漏磁场基础上分析结构缺陷周围电磁场的分布规律,确定不同类型缺陷磁场畸变特征信号,揭示海水环境中激励磁场—缺陷形貌—扰动电流—畸变磁场的正反演化规律,进一步补充和完善ACFM理论模型,为水下结构缺陷ACFM自动判定、智能识别及可视化评估方法研究奠定理论基础。(2)水下ACFM高灵敏度检测探头设计与开发利用水下ACFM有限元仿真模型优化激励频率等关系探头检测灵敏度的关键参数,设计激励线圈、调理电路、高灵敏度隧道磁阻磁场传感器及水下封装结构,开发水下结构缺陷ACFM高灵敏度单探头、焊缝检测探头及平板阵列探头,搭建ACFM测试平台并开展探头测试,实现结构缺陷特征信号提取和C扫成像检测,为后续缺陷自动判定、智能识别及可视化评估方法提供可靠探头与测试平台。(3)提离扰动条件下缺陷自动判定方法研究以仿真和实验相结合手段揭示提离扰动条件下干扰信号畸变机理,确定Bz为提离不敏感的特征信号,提出阈值判定与智能识别结合的缺陷自动判定方法,首先利用特征信号Bz积分增强算法提高缺陷信号响应幅值并进行阈值判定,其次借助卷积神经网络(CNN)深度学习算法构建缺陷和提离扰动特征信号蝶形图智能识别算法,为避免微小缺陷漏检,最后提出基于特征信号Bz微分自适应滤波算法,实现水下结构物各类缺陷信号的实时自动判定,突破水下提离扰动下缺陷特征信号难以判定的技术瓶颈。(4)缺陷智能识别与可视化评估方法研究在不同类型缺陷与特征信号正反演化规律基础上,确定Bz是缺陷表面轮廓成像反演特征信号,提出基于特征信号Bz图像梯度场的缺陷表面轮廓成像反演算法,实现裂纹、不规则裂纹和腐蚀缺陷表面轮廓成像反演,通过仿真和实验建立以上三种类型缺陷表面轮廓图像数据库,利用CNN深度学习算法实现缺陷的智能分类识别。在此基础上,针对裂纹提出两步插值及分割插值算法,实现裂纹长度、深度及2D剖面形貌可视化评估,针对不规则裂纹,提出基于特征信号Bz图像双向梯度融合算法,实现任意走向裂纹表面轮廓可视化评估,针对腐蚀类缺陷,利用特征信号Bx提离敏感特性,基于图像分割技术提出腐蚀缺陷3D形貌重构算法,实现腐蚀缺陷3D形貌及任意剖面的可视化评估,为水下结构缺陷提供智能识别与可视化评估方法,推动视情维修理念的发展。(5)水下ACFM智能检测系统研发及测试以缺陷智能识别与可视化评估算法为核心,开发兼具在线传输和离线智能模式的智能识别软件,将激励模块、信号处理模块、采集模块、信号传输模块、电源控制模块等集成于水下舱体,构建完整的探头—水下舱体—智能识别软件为一体的500 m水深交流电磁场智能检测系统,针对不同类型结构缺陷开展水下检测系统测试,实现水下结构物缺陷自动判定、智能识别及可视化评估,为水下结构物智能检测、安全评估及维修决策提供系统支撑,提高水下结构物本质安全水平。
曾祥[2](2018)在《碳纤维复合材料超声检测若干关键技术研究》文中认为碳纤维复合材料(carbonfiberreinforcedplastic,CFRP)被广泛应用于航空航天工业。碳纤维复合材料的缺陷将降低其使用性能,因此有必要对碳纤维复合材料进行质量控制。无损检测是质量控制的重要手段,而其中尤以超声无损检测技术应用最为广泛。本文针对碳纤维复合材料的缺陷超声检测技术进行了研究,研究内容包括超声波在碳纤维复合材料层板中的传播特性、孔隙率检测方法、局部孔隙检测技术和细观缺陷检测技术。详细研究内容如下。(1)论文研究了超声波在碳纤维复合材料中的传播特性。基于声波在多层介质中的传播模型,论文应用数值方法研究了超声波的共振现象,分析了纤维体积比、名义层厚、孔隙和富树脂对反射系数的影响。在此基础上,论文提出了接收超声信号模型,分析了无缺陷、含孔隙缺陷和含富树脂缺陷的情形下,接收信号的时频分布。建立了接收超声信号的近似模型,可以为实现接收超声信号的稀疏表示提供参考,揭示了接收超声信号的多分量特性。(2)论文提出了基于非线性动力学分析方法的碳纤维复合材料孔隙率评估技术。论文研究了不同分析参数、不同尺度、不同距离准则下,孔隙率与递归图和递归定量分析、多尺度样本熵的关系,为无底波场合下的碳纤维复合材料孔隙率检测提供参考,实现同一批次CFRP的孔隙率反演。无底波情形在厚截面碳纤维复合材料和具有复杂几何形状的碳纤维复合材料的超声检测中较为常见。(3)论文提出了低孔隙率碳纤维复合材料中局部孔隙的检测技术。对于低孔隙率碳纤维复合材料,孔隙率满足要求,但局部孔隙富集现象将危害其使用性能。论文首先介绍了变分模态分解,后续讨论了包括高斯—牛顿算法、期望最大化算法和匹配追踪在内的超声回波的参数估计方法。在此基础上,论文提出了基于变分模态分解和超声回波参数估计的局部孔隙的检测方法。变分模态分解被应用于分离接收超声信号中的混合噪声、一阶共振结构噪声和含局部孔隙缺陷回波的低频成分。超声回波参数估计技术被应用于回波的分离。为缓解超声波在碳纤维复合材料中传播时的遮蔽效应,论文提出了能量函数和瞬时增益的概念,对局部孔隙的严重程度进行评估。(4)论文提出了复杂形状碳纤维复合材料中细观缺陷的检测技术。对于复杂形状碳纤维复合材料,在制造过程中较容易形成尺寸高于孔隙的缺陷,如接近毫米级别的孔洞、分层、细长裂纹等。细观缺陷不仅影响孔隙率评估,更严重的是将极大危害材料的使用性能。论文分析了超声回波在广义S变换下的时频分布,根据时频图像分析,提出基于自适应全局阈值、数学形态学、连续差分评价指标的超声回波还原方法。介绍了基于经验模态分解的消噪策略,分析了模态函数样本熵的分布,提出了基于模态函数样本熵的部分重建方法和基于窗函数的相干噪声抑制方法。介绍了支持向量机的基本理论和若干分类性能评价指标,提出了基于支持向量机的消噪方法。(5)论文提出了超声检测结果的可视化方案。论文讨论了可视化对象的选择、冗余和“遮蔽”的解决方案,提出了检测结果的多视图成像技术,实现缺陷快速识别。结合超声信号处理和检测结果可视化的需求,初步设计了超声检测系统。
范迪[3](2010)在《沉渣厚度超声检测信号处理技术研究及应用》文中研究说明钻孔底部过厚的沉渣是影响钻孔灌注桩质量的主要因素,而目前尚缺乏先进准确的沉渣厚度检测仪器,针对这一现状,本文提出钻孔沉渣厚度的超声测量方法,并围绕其超声信号处理中的滤波、增强和声走时获取等问题展开了一系列的研究工作,主要包括:1、分析了超声检测系统的四种工作模式及超声换能器参数与检测指标间的关系,确定了钻孔沉渣厚度超声检测所用超声换能器的特性,并在模拟环境中进行实验,获得了比较清晰的沉渣界面回波。2、研究了时域和变换域Gabor滤波。分析了Gabor变换系数的特点,提出了基于首个大类间距概率的阈值选取方法,并给出了详细的处理步骤。基于首个大类间距概率阈值的Gabor变换滤波在仿真信号和实际超声检测信号的处理中都获得了很好的效果。3、把迭代被动时间反转镜(PTRM)技术用于超声检测信号的增强,分析了二次迭代PTRM的时变增强原理和增强倍数。实验表明,该增强方法在介质声波传播特性未知的情况下能够实现信号的盲时变增强,同时还具有一定的噪声抑制能力。4、把谱减和子带的概念引入到奇异谱熵中,并给出了奇异谱子带的划分方式。提出了谱减子带奇异谱熵并把它用于超声信号的首波检测和定位。试验表明,基于谱减子带奇异谱熵的首波定位精确度高、抗干扰能力强、鲁棒性好。5、提出虚拟阵MUSIC时延估计算法,并给出虚拟阵元信号的构造方法和最少虚拟真元个数。在超声信号的时延估计中,虚拟阵MUSIC时延估计算法获得了高精度、高分辨率的时延估计结果。6、把以上提出的方法应用到实验获得中的沉渣超声测量信号的处理中,得到获得了比较理想的结果,证实了沉渣厚度超声检测的可行性和所提出处理方法的有效性。
张曼[4](2020)在《基于空耦超声的锂电池检测技术研究》文中研究说明因能源短缺以及环境污染等问题日益严重,而锂电池作为一种新型绿色能源因能量大、寿命长等优点被广泛应用在电子产品、能源交通等各个领域。由于在锂电池生产与服役中,存在的安全隐患会导致各种燃烧、爆炸事故发生,所以对其安全性能进行检测显得至关重要。目前,锂电池的检测方法存在的问题有:(1)成本高、效率低并且对锂电池单体造成破坏;(2)不能实现动态的在线监测等问题。针对上述问题,本文提出采用非接触、无损、无污染的空气耦合超声波技术对锂电池进行检测。通过搭建空耦超声锂电池检测系统,利用垂直透射法结合超声C扫描实现了对锂电池内部气泡、电解质不均匀等缺陷的在线检测。并通过实验分析了探头检测频率、扫描速度等因素对检测结果的影响,从而得到最优实验参数。为提高检测精度,本文采用小波阈值降噪技术和自适应降噪算法对锂电池声波透射信号进行降噪处理,提高信号信噪比,并通过利用空间域滤波、频域滤波、直接灰度变化和直方图均衡化等方法对锂电池空耦超声C扫描成像图进行图像处理,解决了其对比度不高、缺陷辨识度低问题。结果表明,采用400kHz探头且扫描速度为250mm/s,能够识别出锂电池中Φ1mm的自制气泡缺陷;针对自然气泡缺陷能准确检测出气泡的分布位置及外部未能分辨出的深浅不一的气泡缺陷,检测的缺陷大小相对误差低于5.5%。当采用sym11小波基分解层数为9对锂电池空耦超声透射信号处理时,信噪比为13.593dB,而利用自适应降噪算法处理后信噪比达到13.758dB。通过图像处理方法对比分析,得出高斯低通滤波处理效果更好,图像信噪比可达44.9393dB,提高成像结果的对比度,在锂电池的安全性能检测领域具有广泛的应用价值。
邢启栋[5](2020)在《基于LabVIEW的超声检测系统在粘接缺陷上的应用》文中研究说明航天飞行器机体外层陶瓷基复合材料隔热构件在与机体粘接过程中由于粘接质量不高会产生缺陷,该缺陷极易造成飞行过程中热防护结构的破坏,导致隔热材料在高速飞行过程中与机体脱落,带来重大的损失,严重影响了航天飞行器的安全。因此,实现对陶瓷基复合材料构件的胶结层缺陷的检测,对提高飞行器的飞行安全性能有着十分重要的意义,无损检测和评估技术被广泛应用于这类材料与飞行器基体的粘接缺陷。针对这种粘接缺陷,本文开展了基于超声C扫描的无损检测技术研究,主要内容包括超声C扫描检测平台的搭建、超声C扫描检测原理及成像方法和粘接缺陷的定量分析几个方面。首先为了实现对陶瓷基复合材料构建的胶结层缺陷的检测,自主搭建了基于LabVIEW的超声C扫描检测系统,该系统将二维机械扫描、仪器控制和数据处理整合在一起,能够实现扫描过程的精确控制和样件扫描数据的实时处理,将原始波形信号图、纵向剖面图和C扫描图像显示在LabVIEW上位机界面上。并将扫描得到的数据保存下来,供后期进一步图像处理使用。其次,基于上述保存的数据,采用最大值投影算法进行数据处理,得出超声C扫描检测的二维重建图像,并进行自适应中值滤波处理。C扫描图像反应的是其厚度方向上的横截面图像,为了得到检测样件在其深度上的缺陷分布,对扫描数据在不同深度采样点进行二维切片图像重建并叠加得到检测样件的三维重建图像,三维重构后的图像能够更加直观的看出整个样件内部结构的粘接情况。最后,通过图像分割技术实现粘接缺陷的定量分析,针对重建后的C扫描图像使用三种不同的算法进行图像分割并进行缺陷拟合处理,对比三种不同的算法,得出采用脉冲耦合神经网络算法进行图像分割的误差最小,缺陷检测结果非常接近检测样件实际缺陷的大小,表明该系统能够准确测量检测粘接缺陷的大小。
朱春利[6](2019)在《基于多特征融合的语音端点检测方法研究》文中指出随着信息技术的发展,语音智能化逐渐走上成熟,端点检测作为语音信号处理中一个核心技术而显得十分重要。语音端点检测的目的是从带噪语音信号中有效判别出语音的端点,从而减少语音信号处理的运算量和提高系统的性能。现有的端点检测方法在信噪比(Signal Noise Ratio,SNR)较高的环境下往往具有较好的检测效果,但随着信噪比的降低,端点检测效果很不理想,甚至失效。针对此问题,本文通过改进前端语音降噪算法,并结合改进后的多特征融合策略进行语音的双门限端点检测,并通过与其它方法进行实验仿真对比,验证了本文方法的优越性。本文的研究工作及创新点主要表现在以下几个方面:(1)结合语音增强技术,提出了基于最小均方(the Least Mean Square,LMS)自适应滤波减噪与多特征改进的语音单字端点检测方法,在处理噪声的过程中引入多次中值滤波平滑处理,有效减少了语音信号所含的野点噪声,并将改进后的对数能量和短时平均过门限率相融合进行双门限端点检测。(2)针对谱减法中短时傅里叶变换(Short-Time Fast Fourier Transform,SFFT)不能对非平稳信号进行有效分析,提出基于S谱减与多特征改进融合的连续语音端点检测方法,将S变换引入到谱减法中,使得语音具有更强的抗噪声性能,并利用改进的Mel频率倒谱系数(Mel Frequency Cepstrum Coefficient,MFCC)倒谱距离与均匀子带方差特征相融合的方法实现双门限双参数法检测。(3)为了提高语音端点检测阈值设定的自适应性,采用了基于语音前导无话段噪声估计的动态阈值设定策略,使得该阈值会随着每段语音的前导无话段计算噪声的情况而动态变化。(4)针对传统的评测方法存在操作性不足、误差性较大的问题,提出了置信度评测机制,通过端点检出率、漏检率、算法复杂度等指标来计算端点检测正确率,增强了实验的可信度和可靠性。
王艺涵[7](2018)在《扩散光学理论支持的小动物定量光声层析成像》文中研究表明光声层析成像(PAT)技术有效地结合了光学成像和超声成像的优势,是一种以超声作为媒介的非侵入、非电离式的生物医学光学成像方法。PAT技术因其能够高分辨地对深层软组织进行成像而在临床前期与临床研究中展现出了巨大潜力。然而,由传统PAT技术获得的仅为光能吸收密度(初始声压)空间分布,其原理上为组织体的光学吸收系数分布与光子密度分布乘积的形式。在面向深层组织(如小动物、乳腺组织)成像时,由于光子密度沿深度方向的衰减以及器官光学参数的差异,从而会导致组织体内光子密度分布的严重不均,此时光能吸收密度图像已不能客观准确地反映组织体的本征光学特性分布。因此,为增强PAT技术在生物组织体功能成像中的应用,本文致力于建立一套由组织体光能吸收密度定量重建深层组织光学吸收系数分布的技术体系,也被称为定量PAT(q-PAT)技术。在对复杂生物组织体进行PAT成像时,为保证光声信号的高信噪比,通常使用宽场光任意多方位照明。这样在q-PAT直接重建中建立光子输运模型时,会大幅增加光源项建模的难度,进而导致无法准确估计区域光子密度分布。因此,本文首先搭建了一套光声层析与扩散光学层析(PAT/DOT)联合成像系统,并发展了基于硬、软正则化的PAT导引DOT重建策略。由于DOT测量常采用点光源多角度准直入射的方式,且DOT技术可直接重建出组织体内部光学参数分布。因此,所述策略可规避q-PAT中复杂光源建模问题,同时相比于其他单纯解剖学影像模态,PAT能够为DOT重建提供更为合适的、具有高空间分辨且反映生物组织体功能信息的光学吸收结构先验信息,以减少DOT逆问题所呈现的高度不适定性。同时,利用PAT导引DOT重建得到的组织体光学参数分布,也可进一步为q-PAT直接重建方法提供更为准确的组织体光学吸收、散射系数初值估计。通过仿体实验验证,表明该方法可获得有效的定量准确性与空间分辨率。在由PAT单模态直接进行q-PAT重建的理论实现中,为降低求逆过程光源建模的复杂度,通常使用的激励方式为单/多点光源同时照射或一个固定模式的全角度宽场照明。然而,由于激光安全的限制,以及获取的光声信号数据量不完备或信息组成较为单一的制约,在面向大尺寸生物组织或者复杂生物体进行光学参数定量成像时,上述设置通常无法保证获得较高的信噪比或准确的量化结果。因此,本文提出一种多角度光片照明实现小动物全身q-PAT策略。借助分时多角度激励模式,可获得更完备、丰富的携带有目标体本征光学特征的测量数据集;利用具有确定尺寸的宽场光片照明与柱聚焦测量模式,既可以降低光源建模难度、提高建模准确性,又可在激光使用安全要求下获得目标体特定成像面具有更高信噪比的测量信号;结合所发展的多角度联合q-PAT迭代反演方法,可对小动物全身各“感兴趣”横断面的“光学吸收切片图像”实现重建。通过仿体、离体与在体实验验证,表明该方法在实际应用中可高保真、高定量地获取目标区域光学吸收系数分布。利用分时多角度激励模式实现q-PAT时,需在每个光片照射角度下均进行PAT测量,因此会极大增加q-PAT的整体实现代价。为了充分发挥q-PAT技术在临床应用中的潜力,可采用稀疏角度的测量方式减少数据采集位置数,以达到快速的测量。但是,由于此时获得的有限数据量用于初始声压重建具有一定挑战,因此在稀疏角度PAT实现中需同时考虑合适的测量策略与高效的重建算法。本文提出了一种结合虚拟平行束投影概念与空间自适应滤波的稀疏角度PAT迭代重建算法。首先,依据“虚拟平行束投影”概念优化了测量设置,进而可利用中心切片定理,将所测数据集直接映射至稀疏变换域中(傅里叶域),同时利用逆变换,可获得图像域的初值;在图像域中,利用各图像块之间的内在相似性可进行块匹配分组,并对其采用空间自适应滤波算法完成对图像的估计;将图像返回至变换域,仅保持测得的傅里叶频谱不变(替换为实测的频谱成分),继续重复上述过程进行迭代重建,可逐步估计稀疏变换域中的未知量,进而可获得最终重建图像。通过模拟和离体组织实验验证,表明即使在较少测量位置情况下,相较于传统重建方法(UBP),所述方法也具有理想的重建保真度。
冯志红[8](2016)在《大型锻件超声检测方法及信号处理算法研究》文中进行了进一步梳理大型锻件是重大装备的关键部件,已广泛应用于电力、航空航天、船舶、重型机械等领域,其质量直接影响到装备的整体水平和运行可靠性,需要对其可能存在的裂纹、气孔和夹杂等缺陷进行检测。超声检测具有穿透能力强、缺陷检测准确率高、灵敏度高、检测成本低、对人及环境无害等优点,适合大型锻件的缺陷检测。目前,国内大型锻件的超声检测大多是手动扫描、人工判读,易出现漏检和误判,检测效率低、可靠性差,需要研制一种大型锻件自动超声检测系统,其中,检测方法和信号处理是系统涉及的关键技术,但是,目前使用的技术都有一定的局限性,本文针对这些技术进行理论和实验研究,主要研究内容如下:1.提出了大型圆筒型锻件及大型中厚钢板的多通道自动超声检测方法。对于大型中厚钢板,主探头组(兼作横边探头组)放置在钢板横向中间部位,纵边探头组放置在钢板两个纵边,检测横边时,钢板不动,主探头左右摆动,检测其它部位时,钢板沿压延方向匀速直线运动,主探头左右摆动,纵边探头不动,形成板边为矩形而板内为正弦或余弦的扫描轨迹;对于大型圆筒型锻件,直探头组和斜探头组分别纵向放置在直径方向上筒壁的两个外侧,检测时,圆筒型锻件绕其轴线原地旋转,两组探头同时沿轴线平移,形成空间螺旋线的扫描轨迹。将超声探头分组放置在不同位置,同时对检测工件按指定路径进行自动全方位扫描,提高了检测效率和可靠性。2.对超声反射回波信号降噪的理论和算法进行了研究,提出了基于小波变换和独立分量分析的超声反射回波信号降噪算法(WICAW)。利用小波变换将原始信号分解,对分解的系数进行独立分量分析,并对分离出的独立分量进行阈值评估,滤除噪声,再通过小波重构得到降噪后的超声信号。仿真和实验结果表明,该算法既不丢失有用信息又提高了信噪比,性能优于小波软阈值降噪算法。3.对缺陷超声信号的特征提取与识别技术进行了研究,提出了基于小波系数聚类和SVM的缺陷超声信号特征提取与识别算法。利用小波变换对降噪的超声回波信号进行分解,然后以概率统计聚类的方法将分解得到的小波系数聚类,计算每个聚类的小波系数能量值并作为SVM分类器的输入特征向量,实现缺陷识别。通过对典型缺陷试块进行检测,实验结果表明,该算法减少了分类器的计算量,提高了小样本缺陷识别的准确率。4.设计了基于以太网的大型锻件自动超声检测系统,搭建了实验平台,进行了实验研究,验证了本文提出的检测方法和信号处理算法的有效性。
车红昆[9](2011)在《非成像式超声检测缺陷类型识别关键技术及其应用研究》文中研究指明缺陷类型识别是定量超声无损检测中重要的基础性问题。随着超声无损检测技术朝着高可靠性、高精度、高实时以及定量化方向发展,研究应用于在线超声检测的缺陷类型识别技术具有日益重要的学术意义和工程价值。虽然通过超声成像重构缺陷几何轮廓的方式能够实现对缺陷类型识别,但需要等待耗时的全局超声扫描和数据合成的过程,其实时性不能满足高速的在线检测需要。而非成像式超声检测缺陷类型识别方法直接从超声反射回波信号中提取特征参数,通过分析特征参数与缺陷类型之间的对应关系实现对缺陷类型识别,由于不需要等待全局超声扫描和数据合成,该方法具有较高的实时性,特别适用于在线超声检测的场合。在实际应用中,由于存在材料结构噪声对信号的干扰以及小样本条件下先验知识缺乏等困难,非成像式超声检测缺陷类型识别的准确性和可推广性受到了严重影响。针对目前存在的这些问题,本论文对非成像式超声检测缺陷类型识别中的关键技术,包括结构噪声消除、缺陷特征提取与类型识别进行了系统的研究,提出了基于小波包变换的时频邻域自适应消噪方法、基于SFFS搜索的时频优选特征提取算法以及两种基于支持向量机的融合决策识别方法法,并分别采用人工缺陷和石油套管自然缺陷对上述方法的可行性和有效性进行了验证。第一章,论述非成像式超声检测缺陷类型识别的重要意义,综合国内外关于非成像式超声检测缺陷类型识别关键问题的研究现状,分析当前研究中存在的问题,确定进一步研究的方法路线。第二章,研究超声反射回波信号的组成、分布特点和平稳特性,分析典型人工缺陷的超声反射回波信号在不同空间域上的信息特征,为后续的信噪分离、特征提取和类型识别工作提供理论基础。第三章,在分析结构噪声分布特点的基础上,提出基于小波包变换的时频邻域自适应消噪方法。通过仿真信号和实测信号的消噪实验,验证该方法在提高信号信噪比和抑制信号失真方面的有效性。第四章,确定超声反射回波信号的多特征提取框架,对四种相互独立的传统特征提取方法进行研究,并给出具体的实现算法。针对传统特征提取方法缺乏量化依据的问题,提出基于小波包分解、Fisher准则和SFFS搜索算法的时频优选特征提取算法,并采用可分性测度对上述特提取方法的有效性进行评价。第五章,针对小样本条件下超声检测缺陷类型识别的困难,提出两种基于支持向量机的融合决策识别方法,分别应用于缺陷类型框架已知和未知的场合。通过对人工缺陷进行类型识别,验证上述识别方法的有效性。第六章,将所提出的方法应用于石油套管自然缺陷的类型识别,研究信号消噪和特征提取对识别正确率的影响,验证多特征融合决策识别方法的识别能力和泛化能力,分析整个识别过程的时间耗费以及应用于石油套管在线超声检测的可行性。第七章,对论文的主要内容、研究结果和创新点进行总结,并对以后的工作进行展望。
胡晓依[10](2009)在《基于非高斯、非平稳信号处理的机械故障特征提取方法研究》文中研究说明机械故障诊断是以机械学为基础的一门综合技术。机械故障诊断的关键是如何从机械故障振动信号中提取故障特征,信号分析和处理是特征提取最常用的方法。机械故障振动信号本质上是非高斯、非平稳信号,近年来,为满足对机器故障进行早期检测、诊断的需要,非高斯、非平稳信号处理方法在机械故障诊断领域受到了广泛的关注。如何确实有效地结合振动信号自身特点,创新性的应用非高斯、非平稳信号处理理论解决机械故障诊断中的信号降噪、故障特征提取等问题是当前机械故障诊断领域迫切需要研究的重点课题之一。本论文正是基于以上要求而开展研究工作的,重点研究适合于机械故障特征提取的非高斯、非平稳信号处理方法,主要完成了以下几方面的研究工作:1)研究了基于STFT的振动信号解调及频谱细化分析方法及其应用。首次对基于STFT的振动信号解调方法的原理和影响其解调性能的各种因素进行了严格的理论分析,指出该解调方法实质是基于复解析带通滤波的Hilbert变换解调法。首次从数学上严格证明了在利用Hilbert变换进行包络解调分析时,只要带通滤波器通带范围包括调制信号的部分频率成分,就可解调出被调制信号的周期成分。基于以上理论分析,给出了实用的基于STFT的自适应振动信号解调新算法。针对复杂噪声环境下微弱周期性故障信号特征的检测问题,提出了奇异值分解降噪和STFT解调相结合的检测新方法。此外,将STFT引入到信号频谱细化分析,提出了基于STFT的无需频率成份调整的信号频谱细化分析新方法。2)研究了基于滤波器组理论的振动信号处理方法。通过分析小波与滤波器组的关系,指出机械故障诊断领域所应用的小波(包)分解实质是利用共轭镜像对称滤波器组(CQMF)对信号进行分解。针对目前小波(包)分解方法用于振动信号分析时存在的不足,首次提出了基于正交镜像对称滤波器组(QMF)的振动信号分解方法,并构造了一种具有线性相位的两通道QMF滤波器组。与同阶的小波滤波器相比,该QMF滤波器不仅滤波性能更优,而且其滤波系数的求取更加便捷。为了解决常规两通道滤波器组分解算法中存在的子带信号组频带错位问题,引入了无频带错位的QMF滤波器组分解算法,基于此分解算法,提出了用于早期故障自动检测的振动信号解调新方法和自适应频谱细化方法。鉴于信号两通道塔形分解在实际振动信号分析中存在的不足,首次提出了信号三通道塔形分解方案作为其补充,并给出了相应的分解算法。此外,推广了现有的平稳小波包分解算法,首次提出了基于QMF滤波器组的平稳滤波器组分解算法,仿真和实测振动信号分析结果表明,该算法与平稳小波包分解算法相比具有更优的滤波性能。3)研究了基于连续小波滤波器的微弱冲击信号特征提取方法。理论分析和仿真分析结果表明,信息工程领域中常用系列连续小波基及其常规的时间—尺度分析方法不适合微弱冲击信号的特征提取。基于适合微弱冲击信号特征提取的连续小波滤波器的统一形式,构造了一种易实现小波频谱中心频率和频窗宽度调整的频域紧支小波滤波器。仿真信号分析结果表明,当该小波滤波器参数选择合理时,可以有效地增强微弱冲击信号的冲击特征。关于如何快速地设计出适合微弱冲击信号特征提取的最优频域紧支小波滤波器问题,提出了以峭度系数为优化目标利用遗传算法进行寻优的自适应设计方法。研究了自适应小波预处理方法在弱冲击调制类二阶循环平稳信号解调中的应用,首次提出了基于最优频域紧支小波滤波器预处理的谱相关密度解调分析新方法。仿真和实测振动信号的分析结果均表明,该方法不仅可以有效地解调出微弱周期性故障冲击信号的故障特征频率,而且大大削减了原始常规方法的计算量,提高了二阶循环平稳信号解调方法的实用性。4)研究了振动信号的EMD处理方法。提出了基于波形相似度比较的端点极值延拓新方法用于解决EMD分解过程中存在的端点效应问题。仿真信号和实测转子失衡故障振动信号分析结果表明,对于规则信号的EMD分解,利用该方法进行端点延拓,可以有效地避免端点处包络误差对分解结果产生的不利影响,得到准确的IMF分量。针对EMD分解过程中可能存在的模态混叠现象,分析了产生模态混叠现象的原因,指出原始信号中存在的一定能量大小的各种非规则的平稳和非平稳噪声是产生模态混叠的根源,并基于此结论和对EMD分解方法本质的认识,提出了基于自适应滤波的模态混叠消除新方法。仿真信号和实测齿轮故障振动信号分析结果均表明,该方法可以比较有效地消除模态混叠现象。5)研究了振动信号的盲处理方法及其应用。通过对多通道MBD频域实现方法的剖析,提出了一种适合振动信号特征提取要求的多通道振动信号盲处理新方法—平稳滤波器组分解滤波和ICA算法相结合的振动信号盲处理方法,并将该方法应用于强噪声环境下机车柴油机增压器转频振动信号特征的提取工作,取得了令人十分满意的效果。针对目前常用单通道振动信号盲解卷算法—最小熵解卷(MED)算法在应用中存在的不足,提出了一种新的单通道振动信号盲解卷算法—基于ICA的盲解卷方法。仿真信号和实测振动信号分析的结果均表明,该方法与最小熵解卷(MED)算法相比不仅收敛速度快、鲁棒性强,而且在提取强噪声环境下微弱冲击信号特征方面,特征提取效果更明显。
二、Application of subband adaptive filtering techniques to ultrasonic detection in multilayers(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、Application of subband adaptive filtering techniques to ultrasonic detection in multilayers(论文提纲范文)
(1)水下结构物缺陷ACFM智能识别方法与系统研究(论文提纲范文)
摘要 |
Abstract |
创新点摘要 |
第1章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 常规水下无损检测技术 |
1.2.2 交流电磁场检测技术 |
1.3 主要研究内容 |
第2章 水下ACFM理论模型建立及仿真分析 |
2.1 海水环境ACFM理论模型 |
2.1.1 海洋电磁学基本理论 |
2.1.2 海水环境ACFM理论模型建立 |
2.1.3 漏磁场等效磁偶极子模型 |
2.2 缺陷周围电磁场分布规律 |
2.3 海水环境ACFM有限元仿真模型建立 |
2.3.1 单裂纹ACFM仿真模型 |
2.3.2 不规则裂纹ACFM仿真模型 |
2.3.3 腐蚀缺陷ACFM仿真模型 |
2.4 本章小结 |
第3章 水下结构物缺陷高灵敏度ACFM探头设计与开发 |
3.1 探头关键参数优化 |
3.1.1 激励频率 |
3.1.2 其他影响因素 |
3.2 水下ACFM探头设计与开发 |
3.2.1 水下单探头开发 |
3.2.2 水下焊缝检测探头开发 |
3.2.3 水下平板阵列探头开发 |
3.3 ACFM探头测试 |
3.3.1 单探头测试 |
3.3.2 焊缝探头测试 |
3.3.3 平板阵列探头测试 |
3.4 本章小结 |
第4章 水下结构物缺陷ACFM自动判定方法 |
4.1 提离扰动干扰信号畸变机理 |
4.1.1 探头提离仿真分析 |
4.1.2 提离扰动干扰信号畸变机理 |
4.1.3 提离扰动实验分析 |
4.2 水下结构缺陷ACFM自动判定方法 |
4.2.1 特征信号Bz积分增强算法 |
4.2.2 CNN智能识别方法 |
4.3 微分自适应滤波判定方法 |
4.4 小结 |
第5章 水下结构物缺陷ACFM智能识别与可视化评估方法 |
5.1 缺陷表面轮廓成像反演 |
5.1.1 单一裂纹表面轮廓成像反演 |
5.1.2 不规则裂纹表面轮廓成像反演 |
5.1.3 腐蚀坑表面轮廓成像反演 |
5.2 缺陷智能分类识别 |
5.3 缺陷可视化评估 |
5.3.1 裂纹尺寸评估 |
5.3.2 裂纹2D剖面可视化评估 |
5.3.3 腐蚀缺陷3D形貌可视化评估 |
5.4 小结 |
第6章 水下结构物缺陷ACFM智能检测系统开发 |
6.1 水下检测系统硬件开发 |
6.1.1 硬件系统组成 |
6.1.2 关键模块设计与选型 |
6.1.3 水下舱体设计 |
6.2 智能识别软件开发 |
6.2.1 软件离线智能模式 |
6.2.2 软件在线传输模式 |
6.3 水下ACFM系统实验测试 |
6.3.1 在线传输模式测试 |
6.3.2 离线智能模式测试 |
6.4 小结 |
第7章 结论与展望 |
7.1 主要研究结论 |
7.2 建议今后开展的研究 |
参考文献 |
个人简介及攻读博士学位期间取得的研究成果 |
个人简介 |
发表论文情况 |
申请发明专利情况 |
参加科研项目情况 |
参加学术会议情况 |
荣誉及奖励 |
(2)碳纤维复合材料超声检测若干关键技术研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
第1章 绪论 |
1.1 引言 |
1.2 碳纤维复合材料的发展现状 |
1.2.1 碳纤维复合材料的应用 |
1.2.2 碳纤维复合材料的典型缺陷 |
1.3 碳纤维复合材料无损检测技术 |
1.3.1 碳纤维复合材料缺陷检测技术总体介绍 |
1.3.1.1 红外热成像技术 |
1.3.1.2 电子剪切散斑技术 |
1.3.1.3 X射线检测技术 |
1.3.1.4 超声检测技术 |
1.3.2 基于超声的碳纤维复合材料孔隙缺陷检测技术 |
1.3.2.1 探头布置方式 |
1.3.2.2 检测原理 |
1.3.2.3 其他相关工作 |
1.4 超声检测信号处理方法 |
1.4.1 分离谱技术 |
1.4.2 时频分析技术 |
1.4.2.1 基于加窗傅里叶变换和小波变换的分析方法 |
1.4.2.2 基于解析信号的方法 |
1.4.2.3 基于时频分布的方法 |
1.4.2.4 基于分数阶傅里叶变换的方法 |
1.4.3 超声回波还原方法 |
1.4.3.1 时域还原方法 |
1.4.3.2 时频域还原方法 |
1.4.4 模式识别和人工智能技术 |
1.4.5 其他方法 |
1.5 课题来源和意义 |
1.5.1 课题来源 |
1.5.2 选题意义 |
1.6 论文主要研究内容与组织结构 |
第2章 层状CFRP脉冲反射法建模 |
2.1 引言 |
2.2 声波在多层介质中的传播模型 |
2.2.1 阻尼介质中的平面声波 |
2.2.2 单层介质中的声传播模型 |
2.2.3 多层介质中的声传播模型 |
2.2.3.1 单次反射模型 |
2.2.3.2 反射系数传递模型 |
2.2.3.3 参数层模型 |
2.2.3.4 模型的比较分析和选择 |
2.3 CFRP层板反射系数计算 |
2.3.1 反射系数的共振现象 |
2.3.2 含孔隙CFRP的反射系数 |
2.3.2.1 含均匀孔隙CFRP的反射系数 |
2.3.2.2 含局部孔隙CFRP的反射系数 |
2.3.3 含富树脂CFRP的反射系数 |
2.3.3.1 含局部厚树脂CFRP的反射系数 |
2.3.3.2 含局部替代树脂CFRP的反射系数 |
2.4 CFRP层板接收信号的时频特征 |
2.4.1 接收信号模型 |
2.4.2 广义S变换 |
2.4.3 各接收信号成分的时频特征 |
2.4.3.1 反射系数传递模型的计算结果 |
2.4.3.2 单次反射模型和参数层模型的计算结果 |
2.4.4 接收信号的近似模型 |
2.5 本章小结 |
第3章 基于非线性动力学方法的层状CFRP孔隙率检测 |
3.1 引言 |
3.2 序列的距离 |
3.2.1 各种距离的定义 |
3.2.2 距离的幅值无关性和幅值依赖性 |
3.3 递归图与递归定量分析 |
3.3.1 距离图和递归图 |
3.3.1.1 距离图和递归图的定义 |
3.3.1.2 递归图的参数选择 |
3.3.1.3 递归图中的特殊结构 |
3.3.2 递归定量分析 |
3.4 一维信号的熵分析 |
3.4.1 样本熵的定义 |
3.4.2 多尺度样本熵 |
3.5 基于递归定量分析的CFRP孔隙率检测 |
3.5.1 孔隙率对背散射信号复杂度的影响分析 |
3.5.2 实验材料和待分析信号 |
3.5.3 背散射信号的递归分析 |
3.5.4 不同分析参数下的结果 |
3.5.4.1 递归图与递归定量分析结果 |
3.5.4.2 单调指示矩阵 |
3.5.4.3 阈值选择的鲁棒性分析 |
3.5.5 不同分析尺度下的结果 |
3.5.6 不同距离准则下的结果 |
3.5.6.1 闵可夫斯基距离下的结果 |
3.5.6.2 角度距离下的结果 |
3.6 基于熵分析的CFRP孔隙率检测 |
3.6.1 不同分析参数下的结果 |
3.6.1.1 样本熵的分布 |
3.6.1.2 单调指示矩阵 |
3.6.2 不同分析尺度下的结果 |
3.7 本章小结 |
第4章 低孔隙率CFRP的局部孔隙检测 |
4.1 引言 |
4.2 模态分解 |
4.2.1 经验模态分解 |
4.2.2 变分模态分解 |
4.2.3 计算实例 |
4.3 超声回波参数估计 |
4.3.1 超声回波参数模型 |
4.3.1.1 混合指数模型 |
4.3.1.2 双指数模型 |
4.3.1.3 高斯型模型 |
4.3.1.4 模型实例 |
4.3.2 基于GN-SAGE算法的超声回波参数估计 |
4.3.2.1 单回波参数估计方法 |
4.3.2.2 多回波参数估计方法 |
4.3.2.3 计算实例 |
4.3.3 基于匹配追踪的超声回波参数估计 |
4.3.3.1 匹配追踪的基本流程 |
4.3.3.2 匹配追踪的原子选择 |
4.3.3.3 计算实例 |
4.4 局部反射能力评估 |
4.4.1 维纳滤波 |
4.4.2 能量函数和瞬时增益 |
4.4.2.1 能量函数 |
4.4.2.2 瞬时增益 |
4.5 局部孔隙检测方法 |
4.5.1 接收信号的成分分离 |
4.5.2 低频成分的回波分离 |
4.5.3 缺陷评估和定位 |
4.5.4 实验研究 |
4.5.4.1 成分分离 |
4.5.4.2 回波分离 |
4.5.4.3 缺陷反射能力评估和缺陷定位 |
4.5.4.4 金相观察 |
4.5.4.5 与维纳滤波的比较 |
4.5.5 主要偏差来源分析 |
4.6 本章小结 |
第5章 复杂形状CFRP细观缺陷检测 |
5.1 引言 |
5.2 基于GST—时频图像消噪的超声缺陷回波检测方法 |
5.2.1 广义S变换的可逆性 |
5.2.2 超声回波的时频分布 |
5.2.3 迭代式回波还原 |
5.2.3.1 最大类间方差法和最大熵法 |
5.2.3.2 面积检测与数学形态学 |
5.2.3.3 差分评价指标 |
5.2.4 方法应用 |
5.2.4.1 仿真信号处理 |
5.2.4.2 实验信号处理 |
5.3 基于EMD消噪的超声缺陷回波检测方法 |
5.3.1 模态混叠的处理方法 |
5.3.2 基于EMD的消噪方法 |
5.3.2.1 主要消噪策略 |
5.3.2.2 超声信号模态分析 |
5.3.2.3 结合PR和IT的消噪方法 |
5.3.3 方法应用 |
5.3.3.1 仿真信号处理 |
5.3.3.2 实验信号处理 |
5.4 基于支持向量机消噪的超声缺陷回波检测方法 |
5.4.1 支持向量机 |
5.4.2 分类效果评价 |
5.4.3 结合SVM和其他方法的超声信号消噪 |
5.4.3.1 基本处理流程 |
5.4.3.2 实际中的可选处理方案 |
5.4.3.3 基于SVM的消噪策略 |
5.4.4 方法应用 |
5.4.4.1 金属材料裂纹检测 |
5.4.4.2 复杂形状CFRP钻孔检测 |
5.5 本章小结 |
第6章 CFRP超声检测结果的可视化 |
6.1 引言 |
6.2 超声检测数据采集系统 |
6.3 超声检测信号分析软件 |
6.3.1 超声检测信号分析软件的总体设计 |
6.3.2 超声检测信号处理模块设计 |
6.3.3 超声检测结果可视化模块设计 |
6.3.3.1 可视化中的主要问题和解决方案 |
6.3.3.2 可视化的视图选择 |
6.3.4 超声波在CFRP中的传播特性模块设计 |
6.3.5 超声检测信号分析软件测试结果 |
6.3.5.1 信号处理模块测试 |
6.3.5.2 可视化模块测试 |
6.3.5.3 CFRP中超声波的传播特性模块测试 |
6.4 本章小结 |
第7章 总结与展望 |
7.1 全文总结 |
7.2 工作展望 |
参考文献 |
攻读博士学位期间的论文和课题 |
(3)沉渣厚度超声检测信号处理技术研究及应用(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 钻孔灌注桩及其孔底沉渣 |
1.2 钻孔沉渣厚度检测现状 |
1.3 课题的提出和意义 |
1.4 超声信号处理技术研究现状 |
1.5 论文的主要工作及内容安排 |
2 沉渣厚度超声检测硬件系统及实验 |
2.1 沉渣厚度超声检测硬件系统 |
2.2 沉渣厚度超声检测实验 |
2.3 本章小结 |
3 超声检测信号的Gabor滤波 |
3.1 引言 |
3.2 时域Gabor滤波 |
3.3 Gabor变换滤波及首个大类间距概率阈值的提出 |
3.4 Gabor滤波仿真实验 |
3.5 本章小结 |
4 基于迭代被动时间反转镜的超声信号增强 |
4.1 时间反转镜技术 |
4.2 迭代被动时间反转镜及超声信号时变增强 |
4.3 迭代PTRM超声信号增强的仿真实验 |
4.4 本章小结 |
5 基于谱减子带奇异谱熵的超声回波首波定位 |
5.1 首波定位技术概述 |
5.2 谱减子带奇异谱熵的提出 |
5.3 基于SS-B-SVSE的超声回波首波定位及仿真实验 |
5.4 本章小结 |
6 基于虚拟阵列MUSIC算法的时延估计 |
6.1 时延估计技术概述 |
6.2 基于MUSIC算法的时延估计 |
6.3 虚拟阵列及其MUSIC时延估计算法的提出 |
6.4 虚拟阵列MUSIC时延估计仿真实验 |
6.5 本章小结 |
7 在钻孔沉渣厚度超声检测中的具体应用 |
7.1 钻孔沉渣超声检测信号的滤波 |
7.2 钻孔沉渣超声检测信号的增强 |
7.3 基于首波定位的钻孔沉渣厚度测量 |
7.4 基于时延估计的钻孔沉渣厚度测量 |
7.5 误差分析 |
7.6 本章小结 |
8 总结与展望 |
8.1 工作总结 |
8.2 本文的创新点 |
8.3 工作展望 |
致谢 |
攻读博士期间主要成果 |
参考文献 |
(4)基于空耦超声的锂电池检测技术研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景与意义 |
1.2 课题相关领域的国内外研究现状及发展 |
1.2.1 锂电池检测技术国内外研究现状 |
1.2.2 空耦超声检测技术国内外研究现状 |
1.3 本文主要章节安排 |
2 空耦超声检测特性分析 |
2.1 超声波的特征量与传播特性 |
2.1.1 空气耦合超声检测原理 |
2.1.2 空气耦合超声波在锂电池中的透射特性分析 |
2.2 空气耦合超声检测方法 |
2.3 超声波扫描成像技术 |
2.4 本章小结 |
3 空耦超声检测锂电池实验研究 |
3.1 空耦超声检测实验系统构成 |
3.1.1 空耦超声检测硬件系统 |
3.1.2 检测及分析软件 |
3.2 空耦超声检测锂电池实验样本与实验设计 |
3.2.1 实验样本 |
3.2.2 实验设计 |
3.3 空耦超声检测锂电池实验结果与分析 |
3.3.1 气泡缺陷大小对锂电池超声波A型信号的影响研究 |
3.3.2 探头频率对检测结果的影响研究 |
3.3.3 探头扫描速度对检测结果的影响研究 |
3.3.4 含自然气泡缺陷的锂电池检测结果研究 |
3.3.5 不同规格电池检测结果分析 |
3.4 本章小结 |
4 锂电池空耦超声信号数字降噪处理 |
4.1 锂电池透射信号降噪处理 |
4.1.1 数据降噪性能指标 |
4.2 锂电池透射信号的小波阈值降噪 |
4.2.1 不同母小波及分解层数的降噪效果分析 |
4.2.2 不同阈值选取对降噪性能的影响分析 |
4.3 锂电池透射信号的自适应滤波降噪 |
4.4 本章小节 |
5 锂电池空耦超声C扫描图像处理 |
5.1 超声C扫描图像质量评价 |
5.2 锂电池空耦超声C扫描图像滤波分析 |
5.2.1 空间域滤波 |
5.2.2 频域滤波 |
5.3 锂电池空耦超声C扫描图像增强分析 |
5.3.1 直接灰度变化 |
5.3.2 直方图均衡化 |
5.4 本章小节 |
6 总结与展望 |
6.1 总结 |
6.2 不足和展望 |
参考文献 |
攻读硕士学位期间发表的论文及取得的研究成果 |
致谢 |
(5)基于LabVIEW的超声检测系统在粘接缺陷上的应用(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 课题研究的目的及意义 |
1.2 无损检测技术概述 |
1.3 国内外CMC材料研究现状 |
1.4 复合材料超声检测技术研究现状 |
1.5 本文主要研究内容及安排 |
第2章 超声C扫描检测系统的搭建 |
2.1 引言 |
2.2 超声C扫描检测系统总体设计 |
2.3 超声C扫描检测系统硬件的设计 |
2.4 LABVIEW上位机界面的设计 |
2.5 超声C扫描检测原理 |
2.6 扫描的步距与成像精度分析 |
2.7 本章小结 |
第3章 超声C扫描系统在缺陷检测中的应用 |
3.1 引言 |
3.2 超声波传播基本原理 |
3.2.1 超声波传播的波动方程 |
3.2.2 超声波的反射与透射系数 |
3.2.3 声速及其影响因素 |
3.3 超声C扫描二维图像重建方法 |
3.4 改进的自适应中值滤波算法 |
3.5 三维图像重建方法 |
3.6 粘接缺陷检测实验 |
3.7 本章小结 |
第4章 粘接缺陷超声检测图像的量化分析 |
4.1 引言 |
4.2 超声C扫描图像分割技术 |
4.2.1 全局阈值分割算法 |
4.2.2 最大类间方差算法 |
4.2.3 脉冲耦合神经网络算法 |
4.3 基于图像分割的缺陷量化计算 |
4.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间承担的科研任务与主要研究成果 |
致谢 |
(6)基于多特征融合的语音端点检测方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题的研究背景及意义 |
1.2 国内外研究现状及发展趋势 |
1.2.1 研究概况 |
1.2.2 国内外语音端点检测方法的发展 |
1.3 论文的主要研究内容与章节安排 |
第二章 语音信号处理基础 |
2.1 语音信号的特点与模型 |
2.1.1 语音信号的产生机制及特性 |
2.1.2 语音信号的数学模型 |
2.2 语音信号数字化与预处理 |
2.2.1 语音信号的数字化 |
2.2.2 语音信号的预处理 |
2.3 语音去噪方法介绍 |
2.3.1 语音去噪对于端点检测的意义 |
2.3.2 噪声的分类与特性 |
2.3.3 传统的语音去噪方法 |
2.4 典型语音端点检测模块 |
2.4.1 特征提取 |
2.4.2 噪声估计 |
2.4.3 判决机制 |
2.5 本章小结 |
第三章 基于特征的语音端点检测典型算法 |
3.1 基于特征参数的端点检测方法 |
3.1.1 基于特征参数的端点检测方法的一般步骤 |
3.1.2 双门限端点检测法 |
3.2 基于时域特征参数的端点检测 |
3.2.1 语音能量特征 |
3.2.2 语音过零率特征 |
3.2.3 自相关特征 |
3.3 基于频域特征参数的端点检测 |
3.3.1 倒谱距离特征 |
3.3.2 频带方差特征 |
3.3.3 谱熵特征 |
3.4 传统特征参数端点检测的缺陷 |
3.5 基于多特征参数融合的端点检测 |
3.5.1 能零比的端点检测 |
3.5.2 能熵比的端点检测 |
3.6 本章小结 |
第四章 基于LMS减噪与多特征改进的语音单字端点检测方法 |
4.1 自适应滤波减噪 |
4.1.1 LMS算法基本原理 |
4.1.2 LMS自适应算法 |
4.2 LMS减噪与改进双门限端点检测 |
4.2.1 改进的短时对数能量 |
4.2.2 改进的短时平均过门限率 |
4.2.3 中值滤波平滑处理 |
4.3 实现结果与分析 |
4.3.1 实验环境 |
4.3.2 实验置信度性能评测 |
4.3.3 实验准确性结果与分析 |
4.3.4 实验稳健性结果与分析 |
4.4 本章小结 |
第五章 基于S谱减与多特征改进融合的连续语音端点检测方法 |
5.1 基于MFCC倒谱距离特征提取 |
5.1.1 MFCC特征提取 |
5.1.2 MFCC倒谱距离 |
5.2 基于S谱减法的MFCC倒谱距离特征提取 |
5.2.1 S谱减法降噪 |
5.2.2 S谱减MFCC倒谱距离特征提取 |
5.3 基于均匀子带分离频带方差特征提取 |
5.4 动态阈值更新与端点检测 |
5.5 实验结果与分析 |
5.5.1 实验环境 |
5.5.2 实验置信度性能评测 |
5.5.3 实验结果与分析 |
5.6 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
作者在攻读硕士学位期间公开发表的论文 |
作者在攻读硕士学位期间所参与的项目 |
致谢 |
(7)扩散光学理论支持的小动物定量光声层析成像(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 光声成像 |
1.2.1 光声成像的分类及研究现状 |
1.2.2 光声层析成像的典型应用 |
1.2.3 定量光声层析成像 |
1.3 论文主要研究内容与结构安排 |
第2章 定量光声层析成像的光学与声学数理模型 |
2.1 组织体对光的吸收效应 |
2.2 组织体对光的散射效应 |
2.3 组织体的光声效应 |
2.4 描述光在组织体中输运的主要数学模型(光学正向问题) |
2.4.1 辐射传输方程 |
2.4.2 蒙特卡洛模拟 |
2.5 描述光声波在组织体中传播的波动方程(声学正向问题) |
2.5.1 一般光声波动方程 |
2.5.2 光声波动方程的求解 |
2.6 光声层析成像技术(声学逆向问题) |
2.6.1 光声层析成像的探测模式 |
2.6.2 光声层析成像重建算法 |
2.7 本章小结 |
第3章 光声层析与扩散光学层析联合成像系统与定量重建方法 |
3.1 仿CT扫描模式PAT/DOT联合测量系统 |
3.1.1 DOT测量部分 |
3.1.2 PAT测量部分 |
3.1.3 联合测量系统工作方式 |
3.2 PAT导引DOT重建光学吸收系数策略 |
3.2.1 PAT导引DOT重建的实施流程 |
3.2.2 基于结构先验的DOT重建方法 |
3.3 实验验证 |
3.3.1 实验仿体 |
3.3.2 PAT提供先验信息的准确性评估 |
3.3.3 基于小鼠胸腔模型复杂光学吸收分布的导引重建评估 |
3.4 本章小结 |
第4章 基于多角度光片照射模式的小动物全身定量光声层析成像 |
4.1 q-PAT实验系统优化及测量过程 |
4.1.1 光片照射模式设计 |
4.1.2 超声换能器的选择 |
4.1.3 多角度分时照射的PAT测量过程 |
4.2 q-PAT多角度联合迭代反演方法 |
4.2.1 声学逆问题求解 |
4.2.2 初始声压的“声学重建—光学模型”校准 |
4.2.3 光学逆问题求解 |
4.3 实验验证 |
4.3.1 仿体实验 |
4.3.2 生物组织样本离体实验 |
4.3.3 活体小鼠在体实验 |
4.4 本章小结 |
第5章 结合虚拟平行束投影概念与空间自适应滤波的稀疏角度PAT迭代重建算法 |
5.1 “虚拟平行束投影”概念 |
5.2 空间自适应滤波支持的的稀疏角度PAT迭代重建算法 |
5.2.1 BM3D算法 |
5.2.2 迭代重建过程 |
5.2.3 实验系统设置 |
5.3 实验验证 |
5.3.1 模拟实验 |
5.3.2 离体生物组织实验 |
5.4 IRT-BM3D重建与传统基于TV正则化的Model-based重建对比 |
5.5 本章小结 |
第6章 总结与展望 |
6.1 本文主要研究内容 |
6.2 本文主要创新点 |
6.3 今后工作展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(8)大型锻件超声检测方法及信号处理算法研究(论文提纲范文)
学位论文的主要创新点 |
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究的背景 |
1.2 大型锻件检测技术研究现状 |
1.3 超声检测相关技术研究现状 |
1.3.1 超声检测方法及技术研究现状 |
1.3.2 超声检测信号处理技术研究现状 |
1.3.3 超声检测仪器研究现状 |
1.4 课题研究的目的和意义 |
1.5 课题拟解决的关键问题 |
1.6 课题的研究内容及结构安排 |
第二章 大型锻件超声检测基础理论研究 |
2.1 大型锻件超声检测方法的选择 |
2.2 脉冲反射法超声检测信号建模 |
2.2.1 回波信号的数学模型 |
2.2.2 结构噪声信号的数学模型 |
2.3 超声反射回波信号平稳性分析 |
2.4 典型反射面缺陷超声回波信号特征分析 |
2.4.1 典型人工缺陷试件的制作 |
2.4.2 典型人工缺陷回波信号的采集 |
2.4.3 典型人工缺陷回波信号特征分析 |
2.5 超声检测中缺陷的定位、定量与定性 |
2.5.1 缺陷的定位 |
2.5.2 缺陷的定量 |
2.5.3 缺陷的定性 |
2.6 本章小结 |
第三章 大型圆筒型锻件及大型中厚钢板超声检测方法的研究 |
3.1 大型圆筒型锻件及大型中厚钢板常见缺陷、成因及位置 |
3.1.1 大型圆筒型锻件常见缺陷、成因及位置 |
3.1.2 大型中厚钢板常见缺陷、成因及位置 |
3.2 大型圆筒型锻件及大型中厚钢板通用检测方案分析 |
3.3 探测条件的选择 |
3.3.1 探伤仪的选择 |
3.3.2 探头的选择 |
3.3.3 耦合方式的选择 |
3.4 大型中厚钢板的多通道自动超声检测方法 |
3.4.1 大型中厚钢板检测方法设计原则 |
3.4.2 探头及耦合方式的选择 |
3.4.3 扫描方式的确定 |
3.4.4 探头的布置与检测方法 |
3.4.5 探伤过程 |
3.5 大型圆筒型锻件的多通道自动超声检测方法 |
3.5.1 大型圆筒型锻件检测方法设计原则 |
3.5.2 探头及耦合方式的选择 |
3.5.3 扫描方式的确定 |
3.5.4 探头的布置与检测方法 |
3.5.5 探伤过程 |
3.6 本章小结 |
第四章 大型锻件的超声反射回波信号降噪算法研究 |
4.1 以往降噪算法的局限性 |
4.2 降噪的相关理论 |
4.2.1 离散小波变换的分解 |
4.2.2 离散小波变换的降噪 |
4.2.3 独立分量分析方法 |
4.3 基于小波变换和独立分量分析的超声反射回波信号降噪算法 |
4.3.1 算法的提出 |
4.3.2 算法的实现过程 |
4.4 超声反射回波信号降噪实验研究 |
4.4.1 降噪算法的性能评价 |
4.4.2 仿真超声反射回波信号的降噪 |
4.4.3 典型人工缺陷超声反射回波信号的降噪 |
4.5 本章小结 |
第五章 大型锻件的缺陷超声信号特征提取与识别技术研究 |
5.1 两种基于离散小波变换的特征提取方法 |
5.1.1 基于子集的离散小波变换特征提取 |
5.1.2 基于压缩的离散小波变换特征提取 |
5.2 基于小波系数聚类的特征提取方法 |
5.2.1 方法的提出 |
5.2.2 小波系数的获取 |
5.2.3 小波系数的聚类过程 |
5.2.4 小波系数的特征提取 |
5.2.5 特征提取方法性能评价 |
5.3 支持向量机分类器 |
5.3.1 线性分类问题 |
5.3.2 非线性分类问题 |
5.3.3 多类分类问题 |
5.4 基于小波系数聚类和SVM的缺陷超声信号特征提取与识别算法 |
5.4.1 算法的提出与实现过程 |
5.4.2 SVM分类器参数的确定 |
5.4.3 典型人工缺陷的分类识别实验 |
5.5 本章小结 |
第六章 大型锻件自动超声检测系统实验平台的搭建及实验研究 |
6.1 系统要求和性能指标 |
6.2 系统总体设计方案 |
6.3 硬件系统设计 |
6.3.1 硬件系统总体框架构成 |
6.3.2 数据采集模块的设计 |
6.3.3 处理传输模块的设计 |
6.3.4 运动控制模块的设计 |
6.4 软件系统设计 |
6.4.1 软件系统总体框架构成 |
6.4.2 多通道自动检测终端软件设计 |
6.4.3 上位机与多通道自动检测终端的通信软件设计 |
6.4.4 上位机软件设计 |
6.5 钢板自然缺陷检测综合实验研究 |
6.5.1 钢板中缺陷类型及特征 |
6.5.2 钢板缺陷超声反射回波信号的采集 |
6.5.3 钢板缺陷超声反射回波信号的降噪 |
6.5.4 钢板缺陷超声反射回波信号的特征提取 |
6.5.5 钢板缺陷类型识别 |
6.6 本章小结 |
第七章 总结与研究展望 |
7.1 总结 |
7.2 研究展望 |
参考文献 |
发表论文和参加科研情况 |
致谢 |
(9)非成像式超声检测缺陷类型识别关键技术及其应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究的意义 |
1.2 非成像式超声检测缺陷类型识别关键技术的研究现状 |
1.2.1 超声反射回波信号消噪方法的研究现状 |
1.2.2 超声反射回波信号特征提取方法的研究现状 |
1.2.3 应用于超声检测的模式识别方法的研究现状 |
1.3 课题的来源和背景 |
1.4 论文的研究内容与结构 |
1.4.1 论文的研究内容 |
1.4.2 论文的结构 |
第二章 非成像式超声检测缺陷类型识别基础研究 |
2.1 脉冲反射式超声检测原理及其建模 |
2.1.1 脉冲反射式超声反射回波信号数学模型 |
2.1.2 结构噪声数学模型 |
2.2 超声反射回波信号平稳性分析 |
2.3 超声反射回波信号中的缺陷信息捕捉 |
2.3.1 基于短时傅立叶变换的缺陷信息捕捉 |
2.3.2 基于小波变换的缺陷信息捕捉 |
2.4 典型反射面缺陷超声反射回波信号的特征分析 |
2.4.1 典型反射面人工缺陷及其超声反射回波信号采集 |
2.4.2 典型人工缺陷超声反射回波信号的时域特征分析 |
2.4.3 典型人工缺陷超声反射回波信号的频域特征分析 |
2.4.4 典型人工缺陷超声反射回波信号的时频域特征分析 |
2.5 本章小结 |
第三章 超声反射回波信号时频邻域自适应消噪方法研究 |
3.1 引言 |
3.2 小波软阈值消噪法及其局限性 |
3.3 基于小波包变换的时频邻域自适应消噪方法研究 |
3.3.1 小波变换多分辨分析理论与Mallat快速算法 |
3.3.2 小波包变换 |
3.3.3 基于小波包变换的时频邻域自适应消噪方法的实现 |
3.4 超声反射回波信号消噪实验研究 |
3.4.1 信号消噪方法的性能评价 |
3.4.2 仿真信号信噪分离实验 |
3.4.3 典型人工缺陷超声反射回波信号消噪实验研究 |
3.5 本章小结 |
第四章 超声反射回波信号多特征提取与评价技术研究 |
4.1 引言 |
4.2 超声反射回波信号时域包络谱统计特征提取 |
4.3 超声反射回波信号频域幅值谱统计特征提取 |
4.4 超声反射回波信号小波分解能量分布特征提取 |
4.5 超声反射回波信号局部分量小波熵特征提取 |
4.6 超声反射回波信号时频SFFS优选特征提取 |
4.6.1 Fisher可分性测度 |
4.6.2 SFFS搜索算法 |
4.6.3 时频SFFS优选特征提取的实现 |
4.7 特征提取方法性能评价 |
4.8 结论 |
第五章 基于支持向量机的缺陷类型多特征融合决策识别技术研究 |
5.1 引言 |
5.2 支持向量机理论 |
5.2.1 线性分类问题 |
5.2.2 非线性分类问题 |
5.2.3 多类分类问题 |
5.3 多特征SVM-Bayes融合决策识别 |
5.3.1 贝叶斯推理 |
5.3.2 多特征SVM-Bayes融合决策规则 |
5.4 多特征SVM-DS融合决策识别 |
5.4.1 DS证据理论 |
5.4.2 多特征SVM-DS合成规则 |
5.4.3 多特征SVM-DS融合决策识别输出规则 |
5.5 人工缺陷的识别实验 |
5.5.1 SVM识别器的参数确定 |
5.5.2 人工缺陷单特征SVM识别 |
5.5.3 人工缺陷多特征SVM-Bayes识别试验 |
5.5.4 人工缺陷多特征SVM-DS融合决策识别 |
5.6 本章小结 |
第六章 石油套管超声检测缺陷类型识别综合实验研究 |
6.1 石油套管典型缺陷类型及其特点 |
6.2 石油套管缺陷超声反射回波信号采集 |
6.3 石油套管缺陷超声反射回波信号时频邻域自适应消噪 |
6.4 石油套管缺陷超声反射回波信号多特征提取 |
6.5 石油套管缺陷类型识别综合实验研究 |
6.5.1 石油套管缺陷的单特征SVM识别 |
6.5.2 石油套管缺陷多特征SVM-Bayes融合决策识别 |
6.5.3 石油套管缺陷多特征SVM-DS融合决策识别 |
6.6 石油套管缺陷多特征融合决策识别的实时性分析 |
6.7 本章小结 |
第七章 结论与展望 |
7.1 研究总结 |
7.2 相关工作展望 |
参考文献 |
附录A 石油套管超声检测实验平台 |
攻读博士学位期间论文发表情况和完成的科研项目 |
致谢 |
(10)基于非高斯、非平稳信号处理的机械故障特征提取方法研究(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
第一章 绪论 |
1.1 选题背景 |
1.2 机械故障诊断中非高斯、非平稳信号处理技术的国内外研究现状 |
1.2.1 二次型时频分布的研究 |
1.2.2 短时付里叶变换(STFT)信号处理方法的研究 |
1.2.3 小波信号处理方法的研究 |
1.2.4 循环平稳信号分析处理方法的研究 |
1.2.5 经验模式分解方法的研究 |
1.2.6 盲信号处理方法的研究 |
1.3 论文的主要工作和安排 |
第二章 STFT在振动信号解调及频谱细化分析中的应用研究 |
2.1 引言 |
2.2 基于STFT的振动信号解调方法 |
2.2.1 STFT用于信号解调的理论分析 |
2.2.2 广义Hilbert包络解调分析 |
2.2.3 基于STFT的振动信号解调算法 |
2.2.4 在轴承故障检测中的应用 |
2.3 基于SVD降噪和STFT解调的轴承故障检测方法 |
2.3.1 振动信号奇异值分解(SVD)降噪技术 |
2.3.2 SVD降噪和STFT解调相结合的轴承故障检测算法 |
2.3.3 轴承故障检测算法的应用分析 |
2.4 基于STFT的振动信号频谱细化方法 |
2.4.1 STFT用于信号频谱细化的理论分析及相应细化算法 |
2.4.2 基于STFT的信号频谱细化方法在齿轮故障特征提取中的应用 |
2.5 本章小结 |
第三章 基于滤波器组理论的振动信号处理方法研究 |
3.1 引言 |
3.2 基于两通道QMF滤波器组理论的振动信号处理方法 |
3.2.1 离散小波(包)滤波器组与QMF滤波器组原理 |
3.2.2 适合振动信号处理的QMF滤波器组的构造及其滤波性能 |
3.2.3 基于QMF滤波器组理论的振动信号分解算法 |
3.2.4 QMF滤波器组分解算法在周期性冲击振动信号检测中的应用 |
3.2.5 基于QMF滤波器组分解算法的自适应频谱细化方法 |
3.3 三通道塔形分解算法及其在振动信号处理中的应用 |
3.3.1 三通道塔形分解算法研究 |
3.3.2 分解算法在故障诊断中的应用 |
3.4 平稳滤波器组分解算法及其应用 |
3.4.1 平稳滤波器组分解算法研究 |
3.4.2 分解算法在齿轮故障诊断中的应用 |
3.5 本章小结 |
第四章 基于连续小波处理的弱冲击信号特征提取方法研究 |
4.1 引言 |
4.2 连续小波变换原理 |
4.3 常规连续小波变换方法在机械故障诊断应用中的局限性 |
4.4 适合微弱冲击信号特征提取的频域紧支小波滤波器 |
4.4.1 适合微弱冲击信号特征提取的一类小波滤波器的统一形式 |
4.4.2 频域紧支小波滤波器的提出和构造 |
4.4.3 基于遗传优化的自适应最优频域紧支小波滤波器设计 |
4.5 自适应小波预处理方法在弱冲击调制类二阶循环平稳信号解调中的应用 |
4.5.1 二阶循环平稳理论 |
4.5.2 调幅信号循环平稳解调原理 |
4.5.3 弱冲击调制类二阶循环平稳信号谱相关密度解调算法及其应用 |
4.6 本章小结 |
第五章 振动信号的EMD处理方法研究及应用 |
5.1 引言 |
5.2 EMD方法原理简介 |
5.3 端点效应抑制方法研究及其应用 |
5.4 基于自适应滤波处理的模态混叠消除方法及其应用 |
5.5 本章小结 |
第六章 振动信号的盲信号处理方法研究及其应用 |
6.1 引言 |
6.2 基于ICA的振动信号处理方法及应用 |
6.2.1 多通道信号盲分离基本原理 |
6.2.2 FastICA算法 |
6.2.3 多通道振动信号盲处理方法 |
6.2.4 振动信号盲处理方法在增压器转频振动信号特征提取中的应用 |
6.3 机械振动信号的单通道盲解卷方法研究 |
6.3.1 单通道盲解卷原理及基于ICA的单通道盲解卷算法的提出 |
6.3.2 仿真信号分析 |
6.3.3 单通道盲解卷方法在实测振动信号分析中的应用 |
6.4 本章小结 |
第七章 结论与研究展望 |
7.1 结论 |
7.2 研究展望 |
参考文献 |
附录 A |
作者简历 |
学位论文数据集 |
四、Application of subband adaptive filtering techniques to ultrasonic detection in multilayers(论文参考文献)
- [1]水下结构物缺陷ACFM智能识别方法与系统研究[D]. 袁新安. 中国石油大学(华东), 2019
- [2]碳纤维复合材料超声检测若干关键技术研究[D]. 曾祥. 浙江大学, 2018(12)
- [3]沉渣厚度超声检测信号处理技术研究及应用[D]. 范迪. 山东科技大学, 2010(07)
- [4]基于空耦超声的锂电池检测技术研究[D]. 张曼. 中北大学, 2020(09)
- [5]基于LabVIEW的超声检测系统在粘接缺陷上的应用[D]. 邢启栋. 燕山大学, 2020(01)
- [6]基于多特征融合的语音端点检测方法研究[D]. 朱春利. 上海大学, 2019(03)
- [7]扩散光学理论支持的小动物定量光声层析成像[D]. 王艺涵. 天津大学, 2018(06)
- [8]大型锻件超声检测方法及信号处理算法研究[D]. 冯志红. 天津工业大学, 2016(08)
- [9]非成像式超声检测缺陷类型识别关键技术及其应用研究[D]. 车红昆. 浙江大学, 2011(07)
- [10]基于非高斯、非平稳信号处理的机械故障特征提取方法研究[D]. 胡晓依. 北京交通大学, 2009(11)