| 【中文题名】 | 基于小波神经网络的冰刀刀刃磨损测量及验证 |
| 【英文题名】 | Wear Measuremnt & Verifying of Skate Edge Based on Wavelet Neural Network |
| 【学科专业】 | 精密仪器及机械 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2007-8-2 |
| 【中关键词】 | 冰刀刀刃,磨损量,RBF,小波神经网络,CCD,DSP |
| 【英关键词】 | Skate Edge,Wear,RBF,Wavelet Neural Network,DCT,DSP,FPGA, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化基础理论>人工智能理论>人工神经网络与计算> |
| 【论文摘要】 |
本课题来源于国家体育总局的一项招标项目,该招标项目要求研发一套能够自动研磨速滑冰刀和短道速滑冰刀的数控研磨机。作为数控研磨机解决方案的一部分,本课题主要解决冰刀刀刃磨损量的测量。
本论文提出了一种基于人工神经网络(ANN)的冰刀磨损量测量系统,并结合小波变换与神经网络的优点,对ANN进行了改进,得到了更为有效的小波神经网络。从对刀刃磨损量理论测量公式的推导,到测量算法的设计和仿真,再到系统的硬件实时实现,本论文介绍了该测量方案的流程。另外,详细论述了径向基函数(RBF)网络与小波神经网络对误差反相传播(BP)网络改进后的仿真训练过程;叙述了测量系统的基于数字信号处理器(DSP)硬件实时实现过程。最后的实验结果证明,这种方法可以用于自动冰刀研磨机在线自动测量冰刀磨损量。 |
| 【论文题纲】 |
|
提要 |
4-7 |
|
第一章 绪论 |
7-11 |
|
1.1 课题来源与研究范围 |
7 |
|
1.2 课题研究的目的和意义 |
7-8 |
|
1.3 国内外研究现状 |
8-10 |
|
1.3.1 冰刀研磨机研究现状 |
8-9 |
|
1.3.2 刀具磨损测量研究现状 |
9-10 |
|
1.4 课题研究的主要内容 |
10-11 |
|
第二章 冰刀刀刃磨损量测量方案及系统结构 |
11-15 |
|
2.1 测量方案 |
11-13 |
|
2.2 测量系统的构成 |
13 |
|
2.3 系统各部分的功能 |
13-15 |
|
第三章 刀刃磨损量测量原理 |
15-29 |
|
3.1 冰刀刀刃的建模 |
15-17 |
|
3.2 理论测量公式 |
17-20 |
|
3.2.1 刀刃磨损量与椭圆半径的关系 |
17 |
|
3.2.2 刀刃散射光强与椭圆半径的关系 |
17-20 |
|
3.3 神经网络在刀刃磨损测量中的应用 |
20-29 |
|
3.3.1 人工神经网络 |
21-25 |
|
3.3.2 维数灾难和特征提取 |
25-27 |
|
3.3.3 前向神经网络在刀刃磨损测量中的应用 |
27-29 |
|
第四章 小波神经网络 |
29-40 |
|
4.1 从傅立叶变换到小波变换 |
29-37 |
|
4.1.1 傅立叶变换 |
29-30 |
|
4.1.2 短时傅立叶变换 |
30 |
|
4.1.3 小波变换 |
30-37 |
|
4.2 小波神经网络对人工神经网络的改进 |
37-40 |
|
4.2.1 小波与神经网络的辅助式结合模型 |
37-38 |
|
4.2.2 小波与神经网络的嵌套式结合模型 |
38-40 |
|
第五章 测量算法的设计及其仿真分析 |
40-74 |
|
5.1 测量算法的设计 |
40-48 |
|
5.1.1 CCD 信号的特征提取 |
40-41 |
|
5.1.2 三种神经网络的学习算法 |
41-47 |
|
5.1.3 神经网络的结构优化 |
47-48 |
|
5.2 训练样本的生成 |
48-52 |
|
5.2.1 CCD 信号特征提取的MATLAB 程序编制 |
49-50 |
|
5.2.2 训练样本输入维数的选取 |
50-51 |
|
5.2.3 特征提取算法的检验 |
51-52 |
|
5.3 神经网络的训练 |
52-73 |
|
5.3.1 BP 神经网络的训练 |
52-59 |
|
5.3.2 RBF 神经网络的训练 |
59-63 |
|
5.3.3 小波神经网络的训练 |
63-73 |
|
5.4 小结 |
73-74 |
|
第六章 刀刃磨损量测量方案的硬件设计验证 |
74-95 |
|
6.1 测量装置系统结构 |
74-79 |
|
6.1.1 数据流程及整体结构 |
74-77 |
|
6.1.2 数据的标定 |
77-79 |
|
6.2 系统模块设计 |
79-92 |
|
6.2.1 数据采集模块 |
79-86 |
|
6.2.2 DSP 和数据采集模块之间的接口 |
86-88 |
|
6.2.3 数据处理模块 |
88-92 |
|
6.3 测量算法性能评估 |
92-95 |
|
6.3.1 测量算法的实时性 |
92-93 |
|
6.3.2 测量算法的精确度 |
93-95 |
|
第七章 结论 |
95-97 |
|
参考文献 |
97-100 |
|
摘要 |
100-105 |
|
ABSTRACT |
105-111 |
|
致谢 |
111 |
|
| 【DOI】 | LunWen.ID:2.2008.388634 |
