| 【中文题名】 | 火炮多参数智能检测平台设计 |
| 【英文题名】 | The Design of the Multi-Parameter Intelligent Detecting and Measuring Platform for Artillery's Chamber |
| 【学科专业】 | 计算机应用技术 |
| 【论文级别】 | 硕士论文 |
| 【投稿时间】 | 2006-9-18 |
| 【中关键词】 | 多参数,数字图像处理,模式识别,人工神经网络,数据融合, |
| 【英关键词】 | multi-parameter,digital image processing,pattern recognition,artificial neural network,data fusion, |
| 【分类导航】 | 工业技术>自动化技术、计算机技术>自动化技术及设备>自动化系统>数据处理、数据处理系统> |
| 【论文摘要】 | 火炮多参数智能检测平台是火炮多参数智能检测系统的重要组成部分。本文充分利用数字图像处理技术、模式识别技术、人工神经网络技术、数据融合技术、计算机数据传输与通信技术、数据库技术等计算机应用领域的最新研究成果，能够在线实时完成自动检测仪采集的火炮身管直线度、内径、表面粗糙度、镀层厚度、膛线缠度、内膛表面数字图像数据的处理和存储，准确而高效地生成检测结果，全面反映火炮身管的磨损、机械损伤、材质缺陷、烧蚀程度等情况，可广泛应用于火炮的生产和检测单位以及涉及深孔多参数检测的领域。
该检测平台软件具有良好的人机界面，由Microsoft Visual C++6.0语言开发，应用SQL2000 Server数据库完成数据存储和管理，能够在Windows 2000版本操作系统上稳定运行。 |
| 【论文题纲】 |
|
摘要 |
3-4 |
|
ABSTRACT |
4-5 |
|
目录 |
5-7 |
|
第一章 绪论 |
7-11 |
|
1.1 课题的研究目的和意义 |
7-8 |
|
1.2 国内外研究现状 |
8-10 |
|
1.3 主要研究内容 |
10-11 |
|
第二章 基本理论 |
11-19 |
|
2.1 智能检测 |
11 |
|
2.2 数字图像处理 |
11-15 |
|
2.2.1 数字图像处理的优点 |
11-12 |
|
2.2.2 数字图像处理技术概述 |
12-15 |
|
2.2.3 数字图像处理的应用 |
15 |
|
2.3 模式识别技术 |
15-16 |
|
2.4 人工神经网络技术 |
16-18 |
|
2.5 多传感器数据融合技术 |
18-19 |
|
第三章 火炮多参数智能检测平台总体设计 |
19-25 |
|
3.1 火炮多参数智能检测系统的组成 |
19-20 |
|
3.2 火炮多参数智能检测平台的总体功能设计 |
20 |
|
3.3 火炮多参数智能检测平台的设计指标 |
20-21 |
|
3.4 火炮多参数智能检测平台的运行及开发环境 |
21-22 |
|
3.5 远距离数据通信传输的解决方案 |
22-25 |
|
第四章 火炮多参数智能检测平台软件详细设计 |
25-59 |
|
4.1 多参数智能检测平台软件功能描述 |
25-29 |
|
4.1.1 参数设置 |
25 |
|
4.1.2 多参数检测 |
25-27 |
|
4.1.3 结果输出 |
27 |
|
4.1.4 火炮多参数检测数据库 |
27-29 |
|
4.1.5 帮助系统 |
29 |
|
4.2 接口通信协议设计 |
29-31 |
|
4.3 直线度检测数据处理 |
31 |
|
4.4 内径检测数据处理 |
31-32 |
|
4.5 缠度检测数据处理 |
32-33 |
|
4.6 表面粗糙度检测数据处理 |
33-34 |
|
4.7 镀层厚度检测数据处理 |
34 |
|
4.8 火炮内膛表面质量判定 |
34-59 |
|
4.8.1 火炮内膛数字图像预处理 |
35-40 |
|
4.8.2 火炮内膛图像的膛线区域分割 |
40-45 |
|
4.8.3 火炮阳膛线特征参数提取 |
45-49 |
|
4.8.4 火炮阴膛线特征参数提取 |
49-51 |
|
4.8.5 火炮内膛表面质量判定 |
51-59 |
|
第五章 结论 |
59-60 |
|
致谢 |
60-61 |
|
参考文献 |
61-63 |
|
长春理工大学硕士学位论文原创性声明 |
63 |
|
长春理工大学学位论文版权使用授权书 |
63 |
|
| 【DOI】 | LunWen.ID:2.2008.379922 |
