书籍详情

现代超声检测信号处理技术

现代超声检测信号处理技术

作者:马宏伟,董明,齐爱玲,陈渊 著

出版社:华中科技大学出版社

出版时间:2021-06-01

ISBN:9787568070621

定价:¥68.00

购买这本书可以去
内容简介
  本书介绍了现代超声检测信号处理技术的基本原理及工程实用技术,阐述了超声检测技术的前沿,总结了超声声场仿真理论和超声信号处理理论的发展现状。介绍了基于空间脉冲响应的超声声场和回波模型,超声信号去噪方法,超声信号特征提取方法和超声缺陷智能分类方法等。列举了所介绍方法和技术在典型关键零部件无损检测中的应用实例。
作者简介
  马宏伟,工学博士,二级教授,博士生导师,现任西安科技大学副校长,兼任陕西省研究生教育学会副会长、中国工程机械学会矿山机械分会副理事长、中国煤炭工业机电专家委员会委员等。 主要研究方向为智能检测与控制、机器人技术、无损检测与评价、煤矿机电设备及其智能化等。近年来,先后主持以“煤矿救援机器人自主导航与智能控制基础研究”、“机械关键零部件缺陷超声信号提取与智能识别研究”、“矿用强力输送带缺陷弱磁特性与智能识别研究”等国家自然科学基金为代表的*、省部级科研项目10余项,主持和参加的企业委托项目多项。获省部级科技进步奖6项,获陕西省优秀教学成果奖、精品课程以及优秀教材奖5项,获国家专利40余项,在国内外学术期刊上发表学术论文150余篇,其中被SCI、EI、ISTP等收录70余篇,培养博硕士研究生120余名。
目录
1超声检测技术研究1
1.1超声检测技术的研究进展1
1.1.1超声检测技术的发展1
1.1.2中国制造2025与超声智能检测的发展2
1.2超声声场仿真理论和发展现状3
1.2.1超声声场仿真的理论和现状3
1.2.2超声场与缺陷耦合仿真技术研究进展4
1.3超声信号处理理论和发展现状5
1.3.1信号处理技术的理论和发展5
1.3.2信号特征提取技术8
1.3.3信号分类技术8

2基于空间脉冲响应的超声声场仿真研究10
2.1引言10
2.2脉冲波声场模型10
2.3脉冲响应函数计算模型12
2.3.1圆形换能器的声场13
2.3.2矩形换能器的声场15
2.3.3斜楔块下的声场22
2.4空间脉冲响应的快速计算25
2.5实验验证28
2.6本章小结33

3超声波与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探头振动特性35
3.4缺陷和超声波的耦合效应36
3.5探头振动特性的测量38
3.6缺陷回波实验40
3.7本章小结45

4超声信号去噪技术研究47
4.1基于小波分析的焊接缺陷超声检测信号去噪研究47
4.1.1引言47
4.1.2小波阈值去噪法的原理和实验分析47
4.1.3基于改进阈值函数的提升小波变换去噪算法56
4.1.4小结61
4.2轴类零件缺陷超声信号去噪算法研究62
4.2.1引言62
4.2.2基于EMD的超声信号去噪62
4.2.3基于EEMD的超声信号去噪67
4.3自适应稀疏分解铸钢缺陷超声信号提取研究72
4.3.1引言72
4.3.2信号的稀疏逼近73
4.3.3缺陷超声信号的稀疏分解74
4.3.4人工鱼群算法78
4.3.5基于改进人工鱼群优化的弱缺陷超声信号提取研究81
4.3.6数据采集系统的建立84
4.3.7实验研究与算法评估85
4.3.8小结91

5超声信号提取与识别技术93
5.1铸钢缺陷超声信号特征提取研究93
5.1.1引言93
5.1.2采煤机铸钢件缺陷样本库的建立93
5.1.3缺陷超声信号的WPT能量特征提取98
5.1.4基于WPTKPCA的缺陷超声信号特征选择105
5.1.5小结112
5.2基于SV的RBF网络铸钢缺陷智能分类研究113
5.2.1引言113
5.2.2RBF神经网络114
5.2.3支持向量机116
5.2.4基于SV的RBF网络缺陷分类算法研究120
5.2.5SVRBF算法分类实验研究123
5.2.6小结129
5.3基于多分类支持向量机的铸钢缺陷智能分类研究130
5.3.1引言130
5.3.2机器学习与统计学习理论130
5.3.3支持向量机用于超声缺陷识别的可行性分析134
5.3.4基于多类支持向量机的分类算法135
5.3.5基于多分类器的缺陷分类算法研究139
5.3.6基于并行优化层次SVM缺陷分类研究145
5.3.7小结148
5.4焊接缺陷超声信号特征提取研究148
5.4.1引言148
5.4.2超声信号的小波包能量特征提取149
5.4.3焊接缺陷超声回波信号的能量特征提取实验150
5.4.4基于距离的类别可分性判据对特征提取进行评价151
5.4.5小结154
5.5焊接缺陷超声检测智能识别研究154
5.5.1引言154
5.5.2人工神经网络在焊接缺陷智能识别中的应用154
5.5.3基于支持向量机的焊接缺陷智能识别研究159
5.5.4基于νSVMLMC的RBF神经网络焊接缺陷识别方法研究167
5.5.5小结170
5.6基于群体智能优化SVM的焊接缺陷识别方法研究171
5.6.1基于粒子群优化SVM的焊接缺陷分类研究171
5.6.2基于蜜蜂算法优化SVM的焊接缺陷分类研究174
5.6.3人工蜂群优化SVMRBF神经网络的焊接缺陷识别180

参考文献183
猜您喜欢

读书导航