基于深度學習的超聲導波定量化檢測技術

目錄
序
第1章 緒論 1
1.1 研究背景及意義 1
1.2 超聲導波缺陷無損檢測研究進展 2
1.2.1 超聲導波正散射問題研究進展 2
1.2.2 超聲導波逆散射問題研究進展 5
1.3 數(shù)據(jù)驅動導波正散射及逆散射問題研究進展 8
1.3.1 數(shù)據(jù)驅動正散射數(shù)值分析研究進展 8
1.3.2 數(shù)據(jù)驅動逆散射目標重構研究進展 11
1.4 本書主要內容 14
參考文獻 16
第2章 導波基礎理論 26
2.1 引言 26
2.2 彈性動力學基本關系 26
2.3 無限大平板導波的頻散特性 27
2.4 無限大板結構遠場格林函數(shù) 30
2.5 Lamb波二維頻域控制方程 31
2.6 本章小結 34
參考文獻 34
第3章 **導波檢測方法 36
3.1 引言 36
3.2 一發(fā)一收式導波檢測方法 37
3.3 透射導波二維陣列成像方法 38
3.3.1 缺陷成像概率分布方法 39
3.3.2 濾波反投影方法 41
3.3.3 衍射層析成像方法 44
3.4 導波相控陣檢測方法 47
3.5 本章小結 49
參考文獻 50
第4章 深度學習算法簡介 52
4.1 引言 52
4.2 深度學**經(jīng)網(wǎng)絡框架 52
4.3 流形學習數(shù)據(jù)分析與降維 58
4.4 本章小結 63
參考文獻 63
第5章 數(shù)據(jù)驅動超聲導波正散射邊界元計算 65
5.1 引言 65
5.2 耦合深度學習的邊界元法 66
5.2.1 基于修正邊界元的導波散射波場求解 66
5.2.2 等效板波格林函數(shù) 70
5.2.3 耦合深度學習的邊界元法框架與原理 73
5.3 DBEM求解含缺陷散射波場數(shù)值驗證 76
5.3.1 等效板波格林函數(shù)響應求解 76
5.3.2 含表面缺陷平板散射波場求解 78
5.3.3 DBEM 散射波場求解效率評估 80
5.4 本章小結 81
參考文獻 82
第6章 耦合物理模型的數(shù)據(jù)驅動導波定量化缺陷重構 83
6.1 引言 83
6.2 缺陷重構物理模型——波數(shù)空間域變換法 84
6.3 耦合物理模型的數(shù)據(jù)驅動缺陷重構法 86
6.4 耦合物理模型的數(shù)據(jù)驅動缺陷重構數(shù)值驗證 88
6.4.1 數(shù)據(jù)集準備 88
6.4.2 PI-ResNet缺陷重構泛化性評估 89
6.4.3 PI-ResNet缺陷重構魯棒性評估 91
6.5 本章小結 92
參考文獻 93
第7章 數(shù)據(jù)驅動端至端的波導結構缺陷定量化重構 94
7.1 引言 94
7.2 數(shù)據(jù)驅動端至端波導缺陷重構方法框架 95
7.3 Deep-guide 缺陷重構神經(jīng)網(wǎng)絡模型 99
7.4 數(shù)據(jù)驅動端至端缺陷重構方法驗證 100
7.4.1 數(shù)據(jù)集準備 100
7.4.2 SH波和Lamb波缺陷重構性能評估 102
7.4.3 缺陷定位性能評估 105
7.5 數(shù)據(jù)驅動缺陷重構性能影響因素分析 106
7.5.1 頻帶寬度對重構精度的影響 106
7.5.2 樣本數(shù)量對重構精度的影響 109
7.6 本章小結 111
參考文獻 112
第8章 基于流形學習框架的導波缺陷重構應用拓展及實驗 113
8.1 引言 113
8.2 數(shù)據(jù)驅動多頻多模態(tài)導波缺陷重構 114
8.2.1 多頻多模態(tài)導波數(shù)據(jù)的流形分析 114
8.2.2 多頻多模態(tài)導波缺陷重構數(shù)值驗證 119
8.3 數(shù)據(jù)驅動的三維結構缺陷定量化重構 121
8.3.1 三維平板表面缺陷重構 121
8.3.2 三維平板內部缺陷重構 124
8.4 數(shù)據(jù)驅動缺陷重構實驗驗證 129
8.4.1 超聲檢測實驗裝置搭建 129
8.4.2 實驗結果 130
8.5 本章小結 133
參考文獻 134