第1章绪论
1.1引言
1.2漏磁检测影响因素
1.2.1磁化的影响
1.2.2检测过程的影响
1.3漏磁检测缺陷量化反演技术研究现状
1.3.1MFL检测理论与技术发展
1.3.2缺陷量化反演技术研究
1.3.3MFL检测缺陷量化反演仍需解决的问题
第2章检测信号处理方法
2.1数据采集与存储
2.1.1漏磁检测的数据采集
2.1.2数据的组织与存储
2.2数据压缩及降噪方法
2.2.1检测数据压缩
2.2.2检测信号降噪方法
第3章漏磁检测缺陷量化方法
3.1引言
3.2基于统计识别的缺陷量化方法
3.2.1漏磁信号的预处理
3.2.2波形特征的定义和提取
3.2.3缺陷长度的统计识别
3.2.4多变量统计分析方法
3.2.5缺陷宽度的统计识别
3.2.6缺陷深度的统计识别
3.3径向基函数神经网络量化方法
3.4三维有限元神经网络量化方法
3.4.1有限元法的离散化原理
3.4.2有限元神经网络
3.4.3用FENN求解正问题和逆问题
3.4.4FENN的优点分析
第4章三维漏磁检测缺陷轮廓反演
4.1三维漏磁信号特性
4.1.1信号的基本特征
4.1.2信号随缺陷尺寸的变化规律
4.2缺陷三维轮廓的随机搜索迭代反演方法
4.2.1待求解区域的分段识别
4.2.2缺陷开口轮廓检测方法
4.2.3缺陷三维轮廓网状模型
4.2.4缺陷三维轮廓的随机搜索迭代反演
4.3缺陷三维轮廓的神经网络迭代反演方法
4.3.1三维MFL检测信号的主要特征值提取
4.3.2缺陷三维轮廓条状模型
4.3.3基于RBF神经网络的MFL信号正向预测
4.3.4缺陷三维轮廓的RBF神经网络迭代反演
4.4缺陷三维轮廓的多阶段逐次逼近反演方法
4.4.1缺陷轮廓的多阶段复合反演
4.4.2缺陷网状模型的逐步细化
4.4.3有限元计算剖分尺寸的逐步细化
4.4.4实际缺陷三维轮廓反演实验
4.5采样精度对缺陷三维轮廓反演的影响与修正
4.5.1采样精度的影响分析
4.5.2三维MFL信号的插值修正方法
4.5.3实验验证
第5章三维漏磁成像检测
5.1三维漏磁信号特征量值
5.1.1凹坑缺陷的参数定义
5.1.2水平沟槽缺陷的参数定义
5.1.3切向沟槽缺陷的参数定义
5.2完整信号下的缺陷分类量化方法
5.2.1基于RBF神经网络的缺陷分类方法
5.2.2基于BP神经网络的缺陷量化方法
5.3不完整信号下的缺陷量化与显示方法
5.3.1缺陷边缘识别
5.3.2缺陷深度估计
5.3.3不完整信号下的缺陷实时显示
参考文献