摘要4-5
ABSTRACT5-6
革新点摘要6-9
第一章 绪论9-14
1.1 引言9
1.2 关于 CO_2腐蚀9-12
1.2.1 CO_2腐蚀探讨近况9
1.2.2 CO_2腐蚀机制9-10
1.2.3 CO_2腐蚀的主要影响因素10-12
1.3 关于腐蚀诊断与预测12
1.4 本论文的选题背景和主要探讨内容12-14
第二章 CO_2腐蚀图像的数字化处理14-25
2.1 引言14
2.2 CO_2腐蚀化学浸泡实验14-15
2.2.1 实验材料、介质及装置14-15
2.2.2 实验策略15
2.3 CO_2腐蚀图像的数字化15-18
2.3.1 CO_2腐蚀的数字图像15-17
2.3.2 N80 钢 CO_2腐蚀的灰度图像17-18
2.4 CO_2腐蚀图像的增强18-20
2.4.1 图像增强原理18
2.4.2 N80 钢 CO_2腐蚀图像的增强18-20
2.5 CO_2腐蚀图像的分割20-24
2.5.1 小波论述20-23
2.5.2 CO_2腐蚀图像的小波变换分割历程23
2.5.3 N80 钢 CO_2腐蚀孔蚀图像的小波分割23-24
2.6 本章小结24-25
第三章 CO_2腐蚀图像的特点提取25-38
3.1 引言25
3.2 CO_2腐蚀图像特点提取策略25-28
3.2.1 CO_2腐蚀图像灰度矩阵统计特点提取25
3.2.2 CO_2腐蚀图像小波变换特点提取25-26
3.2.3 CO_2腐蚀图像二值化特点提取26-28
3.2.4 CO_2腐蚀蚀孔形貌分形特点的提取28
3.3 CO_2腐蚀高温高压釜反应实验28-29
3.3.1 实验材料、介质及实验设备28-29
3.3.2 实验策略29
3.4 N80 钢的 CO_2腐蚀形貌特点的提取29-36
3.4.1 N80 钢 CO_2腐蚀图像灰度统计特点的提取29-30
3.4.2 N80 钢 CO_2腐蚀小波变换特点提取30-34
3.4.3 N80 钢 CO_2腐蚀二值化特点提取34-36
3.4.4 N80 钢 CO_2腐蚀蚀孔形貌的分形特点的提取36
3.5 N80 钢 CO_2腐蚀形貌与腐蚀行为之间的联系36-37
3.5.1 腐蚀介质温度对普通 N80 钢腐蚀速率的影响36-37
3.5.2 式样孔蚀率与 CO_2腐蚀速率的联系37
3.5.3 孔蚀密度与 CO_2腐蚀速率的联系37
3.6 本章小结37-38
第四章 基于 CO_2腐蚀形貌特点的腐蚀诊断与预测38-53
4.1 引言38
4.2 BP 神经网络及其算法38-40
4.3 基于神经网络和图像小波变换的 CO_2腐蚀类型诊断40-46
4.3.1 输入因子的选择41
4.3.2 输出值的选择41
4.3.3 隐层确定41-42
4.3.4 学习样本的选取42-44
4.3.5 BP 网络的诊断结果与隐层节点数的影响44-46
4.3.6 BP 网络诊断结果讨论46
4.4 基于神经网络和二值图像特点值的 CO_2腐蚀程度诊断与预测46-49
4.4.1 神经网络结构46
4.4.2 神经网络输入参数的确定46-47
4.4.3 隐层节点数的选取与诊断结果47-49
4.5 基于神经网络和 CO_2腐蚀图像特点值的腐蚀速率与蚀孔深度的诊断49-52
4.6 本章小结52-53
结论53-54