基于深度學習的超聲導波定量化檢測技術(shù)

定　價：￥99.00

作　者：	錢征華等
出版社：	科學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

當當網(wǎng) (￥83.60)

ISBN：	9787030808653	出版時間：	2024-12-01	包裝：	平裝
開本：	16開	頁數(shù)：		字數(shù)：

內(nèi)容簡介

　　《基于深度學習的超聲導波定量化檢測技術(shù)》主要探索人工智能技術(shù)在超聲導波無損檢測領(lǐng)域應用，從數(shù)據(jù)驅(qū)動的全新視角出發(fā)，研究如何利用深度學習等技術(shù)突破傳統(tǒng)知識驅(qū)動方法的局限性，解決導波檢測正問題和反問題研究中存在的問題，實現(xiàn)高效精確的結(jié)構(gòu)缺陷檢測?！痘谏疃葘W習的超聲導波定量化檢測技術(shù)》主要分為數(shù)據(jù)驅(qū)動正問題和反問題兩部分。正問題部分提出了耦合深度神經(jīng)網(wǎng)絡的超聲導波正散射邊界元求解方法，用于快速求解含缺陷波導結(jié)構(gòu)的散射波場。反問題部分提出了多種數(shù)據(jù)驅(qū)動的缺陷定量重構(gòu)方法，并進行了不同條件下的性能探索和實驗研究。《基于深度學習的超聲導波定量化檢測技術(shù)》系統(tǒng)性地研究了深度學習在超聲導波無損檢測中的應用，總結(jié)了數(shù)據(jù)驅(qū)動方法的優(yōu)勢和不足，為該領(lǐng)域的發(fā)展提供了新的思路和方向。

作者簡介

暫缺《基于深度學習的超聲導波定量化檢測技術(shù)》作者簡介

圖書目錄

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(qū)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(qū)動正散射數(shù)值分析研究進展 8
1.3.2 數(shù)據(jù)驅(qū)動逆散射目標重構(gòu)研究進展 11
1.4 本書主要內(nèi)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(guān)系 26
2.3 無限大平板導波的頻散特性 27
2.4 無限大板結(jié)構(gòu)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(jié) 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(jié) 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(jié) 63
參考文獻 63
第5章數(shù)據(jù)驅(qū)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(jié) 81
參考文獻 82
第6章耦合物理模型的數(shù)據(jù)驅(qū)動導波定量化缺陷重構(gòu) 83
6.1 引言 83
6.2 缺陷重構(gòu)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(qū)動缺陷重構(gòu)法 86
6.4 耦合物理模型的數(shù)據(jù)驅(qū)動缺陷重構(gòu)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(gòu)泛化性評估 89
6.4.3 PI-ResNet缺陷重構(gòu)魯棒性評估 91
6.5 本章小結(jié) 92
參考文獻 93
第7章數(shù)據(jù)驅(qū)動端至端的波導結(jié)構(gòu)缺陷定量化重構(gòu) 94
7.1 引言 94
7.2 數(shù)據(jù)驅(qū)動端至端波導缺陷重構(gòu)方法框架 95
7.3 Deep-guide 缺陷重構(gòu)神經(jīng)網(wǎng)絡模型 99
7.4 數(shù)據(jù)驅(qū)動端至端缺陷重構(gòu)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(gòu)性能評估 102
7.4.3 缺陷定位性能評估 105
7.5 數(shù)據(jù)驅(qū)動缺陷重構(gòu)性能影響因素分析 106
7.5.1 頻帶寬度對重構(gòu)精度的影響 106
7.5.2 樣本數(shù)量對重構(gòu)精度的影響 109
7.6 本章小結(jié) 111
參考文獻 112
第8章基于流形學習框架的導波缺陷重構(gòu)應用拓展及實驗 113
8.1 引言 113
8.2 數(shù)據(jù)驅(qū)動多頻多模態(tài)導波缺陷重構(gòu) 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(gòu)數(shù)值驗證 119
8.3 數(shù)據(jù)驅(qū)動的三維結(jié)構(gòu)缺陷定量化重構(gòu) 121
8.3.1 三維平板表面缺陷重構(gòu) 121
8.3.2 三維平板內(nèi)部缺陷重構(gòu) 124
8.4 數(shù)據(jù)驅(qū)動缺陷重構(gòu)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(jié)果 130
8.5 本章小結(jié) 133
參考文獻 134