無(wú)損檢測(cè)是在不損壞受檢試件的條件下,測(cè)定和評(píng)估試件表面或內(nèi)部的物理性能,包括檢測(cè)試件表面和內(nèi)部缺陷的綜合性技術(shù)。光激勵(lì)紅外熱成像檢測(cè)技術(shù)由于具有快速、大面積檢測(cè)等優(yōu)點(diǎn)被廣泛應(yīng)用于復(fù)合材料的缺陷檢測(cè)。光激勵(lì)熱成像系統(tǒng)采集的數(shù)據(jù)由于熱擴(kuò)散和噪聲等問題,無(wú)法直接用于檢測(cè)缺陷,需要后期的算法處理。目前主成分分析等算法已被廣泛應(yīng)用在熱像數(shù)據(jù)處理上,但是現(xiàn)存算法在檢測(cè)微弱缺陷和深層缺陷時(shí)存在局限,缺陷的檢出率和分辨率需要提升。本文通過光激勵(lì)紅外熱成像檢測(cè)系統(tǒng),提出了結(jié)構(gòu)化稀疏矩陣分解算法,針對(duì)復(fù)合材料,將原始熱像數(shù)據(jù)分解為三個(gè)模式成分以增強(qiáng)缺陷檢測(cè)能力。本文的研究?jī)?nèi)容如下:1.通過分析含有缺陷樣件的熱像圖,物理分析熱像圖主要由背景,缺陷和噪聲三部分組成。其中背景占據(jù)熱像圖的主要部分,缺陷分布在局部區(qū)域,噪聲則是由于光照不均,試樣表面輻射率影響造成。將熱像儀采集的熱像數(shù)據(jù)構(gòu)造為矩陣,根據(jù)溫度特征,將原始矩陣分解為低秩矩陣,稀疏矩陣和噪聲矩陣,其中低秩矩陣用以表示背景,稀疏矩陣用以表征缺陷。2.由于橫向和縱向熱擴(kuò)散的影響,缺陷區(qū)域的熱信號(hào)是不同熱特征線性疊加的結(jié)果。根據(jù)上述物理特性,將矩陣分解模型中的... 

【文章頁(yè)數(shù)】：72 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 選題背景和研究意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
        1.2.1 矩陣分解算法的國(guó)內(nèi)外研究現(xiàn)狀
        1.2.2 缺陷檢測(cè)算法的國(guó)內(nèi)外研究現(xiàn)狀
    1.3 本論文主要貢獻(xiàn)與創(chuàng)新
    1.4 本論文結(jié)構(gòu)安排
第二章 光激勵(lì)紅外熱成像檢測(cè)技術(shù)及矩陣分解基本理論
    2.1 紅外熱成像基本理論
    2.2 光激勵(lì)紅外熱成像檢測(cè)系統(tǒng)
    2.3 矩陣分解基礎(chǔ)
        2.3.1 矩陣范數(shù)
        2.3.2 奇異值分解
        2.3.3 稀疏表示
        2.3.4 魯棒主成分分析
    2.4 本章小結(jié)
第三章 結(jié)構(gòu)化稀疏矩陣分解方法
    3.1 算法框架
    3.2 矩陣的估計(jì)
        3.2.1 L矩陣的估計(jì)
        3.2.2 D矩陣的估計(jì)
        3.2.3 W矩陣的估計(jì)
    3.4 評(píng)價(jià)指標(biāo)
        3.4.1 查準(zhǔn)率、查全率與F-Score
        3.4.2 信噪比
    3.5 本章小結(jié)
第四章 結(jié)構(gòu)化稀疏矩陣分解實(shí)驗(yàn)結(jié)果分析
    4.1 簡(jiǎn)化實(shí)例
    4.2 實(shí)驗(yàn)平臺(tái)及樣件介紹
        4.2.1 實(shí)驗(yàn)平臺(tái)介紹
        4.2.2 測(cè)試樣件介紹
    4.3 實(shí)驗(yàn)結(jié)果
        4.3.1 低秩矩陣不同秩的分析
        4.3.2 字典矩陣不同字典個(gè)數(shù)分析
        4.3.3 對(duì)比算法介紹
        4.3.4 結(jié)果分析
    4.4 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 后續(xù)工作展望
致謝
參考文獻(xiàn)
攻讀碩士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]基于渦流熱成像圖像的邊緣檢測(cè)方法研究[J]. 楊明莉,范玉剛,畢野.  電子測(cè)量技術(shù). 2019(24)
[2]基于低秩矩陣恢復(fù)的群稀疏表示人臉識(shí)別方法[J]. 胡靜,陶洋,郭坦,孫雨浩,胡昊,王進(jìn).  計(jì)算機(jī)工程與設(shè)計(jì). 2019(12)
[3]基于奇異值分解的新聞標(biāo)題聚類研究[J]. 文曉藝,郝程程.  計(jì)算機(jī)技術(shù)與發(fā)展. 2020(02)
[4]基于背景重構(gòu)X射線鋼管焊縫缺陷檢測(cè)方法[J]. 王家晨,王新房.  計(jì)算機(jī)系統(tǒng)應(yīng)用. 2018(02)
[5]基于熱圖重構(gòu)區(qū)域生長(zhǎng)算法的碳纖維增強(qiáng)復(fù)合材料脫粘缺陷檢測(cè)[J]. 馮琪智,高斌,楊揚(yáng),田貴云.  無(wú)損檢測(cè). 2017(09)
[6]基于奇異值分解的遙感圖像魯棒水印算法探討[J]. 侯翔,楊輝.  測(cè)繪科學(xué). 2015(07)
[7]淺談紅外熱成像技術(shù)在航空無(wú)損檢測(cè)中的應(yīng)用[J]. 林偉謙.  科技信息. 2012(24)
[8]射線檢測(cè)圖像中焊縫和缺陷的提取方法[J]. 張曉光,孫正,胡曉磊,宦宇越.  焊接學(xué)報(bào). 2011(02)
[9]中國(guó)無(wú)損檢測(cè)與評(píng)價(jià)技術(shù)的進(jìn)展[J]. 沈功田.  無(wú)損檢測(cè). 2008(11)
[10]碳纖維及其復(fù)合材料的發(fā)展及應(yīng)用[J]. 上官倩芡,蔡泖華.  上海師范大學(xué)學(xué)報(bào)(自然科學(xué)版). 2008(03)

碩士論文
[1]基于紅外熱成像的復(fù)合材料無(wú)損檢測(cè)研究[D]. 馮琪智.電子科技大學(xué) 2018
[2]變分貝葉斯分解算法在紅外無(wú)損檢測(cè)中的應(yīng)用研究[D]. 魯鵬.電子科技大學(xué) 2018
[3]復(fù)合材料脫粘缺陷紅外熱成像無(wú)損檢測(cè)定量分析研究[D]. 梁濤.電子科技大學(xué) 2017



本文編號(hào)：3717472