基于小波网络的LY12铝合金硬度定量无损检测的研究

论文摘要

多年来,用电磁法进行金属材质无损检测工作,取得了大量成果。然而对于金属及其制品的混料、硬度和裂纹质量检测还存在许多难题。特别是金属硬度与初始磁导率的非线性问题,这些均严重影响了硬度的检测。 基于上述情况,本文采用小波网络理论,提出了一种基于小波网络的硬度定量无损检测方法,建立了小波神经网络模型和权值学习算法。对定性检测,输入层和隐含层之间用小波函数作为权系数,两层之间无非线形;对定量检测,应用小波非线形,用 WGF-Ⅰ电磁检测仪进行一次检测,提取特征信号,建立硬度特征信号与 LY12 铝合金硬度的非线性映射,可直接输出工件的硬度值。 试验表明:小波网络较一般的神经网络收敛速度快,外推能力强,识别精度高,而且本文采用了多线程技术,更进一步提高了系统运行效率。小波网络不但可以定性检测 LY12 铝合金硬度是否合格,而且可以定量的检测其硬度值,其硬度检测最大误差为 HRB±0.8。将小波网络应用于电磁无损检测具有可靠性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题背景及意义
• 1.1.1 课题背景
• 1.1.2 课题意义
• 1.2 无损检测技术的现状与发展趋势
• 1.2.1 国外无损检测的概况
• 1.2.2 国内无损检测概况
• 1.2.3 无损检测的新方向
• 1.3 课题的主要内容及安排
• 第2章 电磁无损检测技术
• 2.1 电磁无损检测概述
• 2.2 电磁无损检测技术的原理
• 2.2.1 金属件材料的成分和组织
• 2.2.2 磁导率法检测
• 2.3 小波网络在无损检测中的应用
• 2.4 本章小结
• 第3章 小波神经网络建模设计
• 3.1 小波神经网络
• 3.1.1 小波神经网络概述
• 3.1.2 小波神经网络技术展望
• 3.2 小波神经网络结构设计
• 3.2.1 硬度定性识别小波神经网络的设计
• 3.2.2 硬度定量识别小波神经网络的设计
• 3.3 本章小结
• 第4章 多线程技术
• 4.1 多线程技术概述
• 4.2 基于Visual C++的多线程编程
• 4.3 基于MFC 的多线程编程
• 4.4 本章小结
• 第5章 试验结果分析
• 5.1 试验试样制备
• 5.1.1 LY12 铝合金的化学成分
• 5.1.2 试样的尺寸
• 5.1.3 工艺过程
• 5.2 硬度定性检测
• 5.3 硬度定量检测
• 5.4 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的学术论文
• 致谢