一、基于神经模式识别的建筑结构选型方案研究(论文文献综述)
马诗洋[1](2021)在《光纤围栏入侵监测系统设计与优化》文中研究指明周界安防监测系统可实现对攀爬、翻越、挖掘等第三方入侵事件的安全监测。基于光纤传感技术的光纤围栏入侵监测系统具有成本低、耐腐蚀、测量距离长等优点,广泛应用于航空航天、轨道交通、电力输送等工业领域,成为新型智能安防技术的研究热点。基于萨格奈克干涉效应的光纤振动传感系统,作为光纤传感技术的典型代表,具有信号还原准确率高、频率响应范围大、灵敏度高等优点。然而,随着光纤传感距离的不断增加,受环境干扰与系统噪声等因素的影响,系统检测到的信号中存在大量非入侵信号,导致系统存在较高的误报率,制约了萨格奈克干涉光纤振动传感系统的进一步发展。本文提出了一种基于模式识别理论的萨格奈克干涉光纤振动传感方案,首先基于梅尔倒谱系数法法进行信号去噪,再利用总体平均经验模态分解算法提取特征向量,最后利用支持向量机对特征向量开展分类处理,进而可从系统检测信号中实现非入侵信号的快速分离。上述方案可以准确对振动事件进行识别,降低系统误报率,便于系统对入侵事件做出准确和实时的安全预警。本文的研究工作主要包括以下几点:(1)研究了基于萨格奈克干涉效应的光纤振动传感机理,设计了多路环形萨格奈克干涉光纤围栏入侵监测系统,并对系统器件参数进行了选型分析。(2)分别利用短时平均能量法、短时过零率法与梅尔倒谱系数法三种端点检测方法进行环境噪声信号与有效振动信号的分离去噪。随后选取振动信号能量值为特征值,分别利用小波分解、经验模态分解与总体平均经验模态分解三种特征向量提取方法实现工具敲击、人员行走等典型事件的特征提取。(3)搭建支持向量机多分类模型,选取高斯核函数实现特征向量到多维特征空间的映射,通过对支持向量机软间隔的训练得到惩罚因子最优解,引入K-折交叉验证防止样本出现过拟合,最后通过性能度量对支持向量机分类模型的性能进行评估。(4)基于MFC编译环境开发了光纤围栏入侵监测系统软件,实现了振动感知、界面显示与事件分类等系统功能,并完成了工程样机的搭建与调试。实验结果与系统测试表明,基于模式识别方法的萨格奈克干涉光纤振动传感系统,可对光纤围栏区域内的振动信号进行有效监测,并可实现89.83%的振动事件分类准确率,从而降低了系统误报率,为实际环境下光纤围栏入侵监测系统的安防预警提供了一种新的解决方案。
刘弘禹[2](2020)在《氧化物半导体气体传感器的热调制特征提取及VOCs分子识别研究》文中指出具有体积小、功耗低、灵敏度高、硅工艺兼容性好等优点的金属氧化物半导体(MOS)气体传感器已广泛地应用于军事、科研和国民经济的各个领域。然而MOS传感器选择性差是制约其应用的最大障碍,为解决这一问题,根据该类传感器在不同工作温度范围内对不同气体的的动态响应有一定差异的特性,本文试图对单个气体传感器进行变温下的热调制,通过解析单个传感器对不同气体分子的热调制信号,结合快速发展的人工智能算法,来提取出气体分子的更多特征,大幅提升单个气体传感器的识别能力,并开发出基于热调制的智能气体分子识别原型器件。具体的研究成果与创新点如下:1.通过提取单个p型NiO传感器热调制信号的特征来识别多种挥发性有机化合物(VOCs)气体分子。利用细菌纤维素(BC)模板法合成了 p型NiO纳米颗粒。研究了阶梯波形热调制下NiO传感器对5种VOCs的瞬态响应特性。提出了一种信号预处理方法来逐步去除与气体分子种类无关的特征。首先,传感器热调制信号包括了传感通道(通常为本征/轻掺半导体)本身随温度的变化,而这部分电响应信号显然与吸附气体分子同传感器表面的电荷交换无关。将原始电信号转变为灵敏度响应信号(相同温度变化剖面下的Rgas/Rair)可以有效剔除热调制信号中的冗余特征(传感材料本身的温度响应特性)。随后,通过对热调制灵敏度响应信号归一化处理可以进一步去除气体浓度相关信息,最后采用离散小波变换(DWT)去除其它噪声影响。基于该信号预处理方法,通过非选择性p型低灵敏度NiO传感器,成功地对被测VOCs分子进行了分类识别,其中包括苯、甲苯、氯苯等三种苯系物。该工作强调,消除无关的热调制电信号对于扩展单个MOS传感器对VOCs分子的识别能力至关重要,并为探索未来的智能气体分子识别芯片提供了思路。2.采用金属氧化物气体传感器在热调制下实现对BTX气体分子的识别。通过采用调温传感器的瞬态响应信号进行特征提取,代替从传感器恒温电阻测量中提取的有限特征。使用通用的非选择性MOS(NiO、WO3和以SnO2为基础的商业TGS2602)传感器研究了其对BTX分子(包括三种二甲苯同分异构体)的热调制瞬态响应。通过对三个传感器响应信号特征的线性判别分析(LDA)或对单个传感器响应信号特征的卷积神经网络(CNN)分析,可以成功地实现对BTX分子的鲁棒性识别,识别时间在~5 s内。研究发现,适当的热调制提供了提取高度相似分子(如BTX,包括二甲苯异构体)特征差异的强大途径,而人工智能(AI)领域深度学习算法的最新进展可以极大地增强非选择性半导体传感器的识别能力。这两大优势的结合为智能分子识别芯片的研发应用奠定了基础。3.研制了基于热调制的便携式智能气体分子检测与识别系统。首先,基于51单片机开发了 MOS传感信号采集系统和温度采集系统,实时显示与采集对应传感层电阻响应的信号电压,根据恒定加热温度下MOS传感层电阻随气体浓度变化,实现实时气体浓度测试,系统中同时包含阈值报警和温度采集功能,采集信号可通过串口传输至PC机。其次,开发了智能气体识别系统,设计电路对传感器加热端电压动态调制,采集热调制所得的传感器特性变化曲线,通过串口传递至上位机,将所得热调制响应信号经信号处理特征提取后喂入Python-Tensorflow搭建的BPNN/CNN实现气体分子识别。
莫慧珊[3](2020)在《国内100-150米超高层公寓结构成本影响因素研究》文中提出随着我国经济建设与整体实力的迅速发展,面对城市人口的剧增,超高层建筑的建设在近年呈现普遍趋势。方案设计阶段在建筑行业经济成本管理控制中对工程经济性控制起指导性、决定性作用。高层及超高层建筑受建筑高度、层高、环境因素影响,综合决定其需要采用合理的结构体系,进行合理的承重、抗侧力构件布置,以实现具体项目落地的承载力、正常使用要求。超高层建筑结构设计是一个多因素综合决策行为。根据数据调研,在一二线城市内建设100-150米的超高层居住型公寓,交通效率高,符合居民生产生活需要,亦有效降低用地成本,在未来一段时间内将作为一种主流推广。现阶段针对国内100米以下的结构设计方法研究已较成熟,而对100-150米高度区间的超高层建筑结构成本影响因素缺乏系统性的研究,随着此类项目的普及,急需形成系统性的指导思维。方案阶段的规划布局与结构选型是一个多因素综合决策问题,结合已有的项目经验,应形成定性与定量相结合的指导数据。运用合适的运筹学方法论对影响这种超高层公寓建筑结构设计的多种因素变化规律进行分析,获得有指导意义的数据,具有重要的意义和工程价值。灰色系统理论能将客观的分散的信息集中处理,利用关联度概念进行各种问题的因素分析,找出影响性能指标的关键因素,具有较高的精度,适用于针对国内100-150米超高层居住型公寓结构成本影响因素的研究。本文以灰色系统理论为基础,根据实际工程特点建立结构设计模型对主体结构成本影响因素进行研究,以关键影响因素作为变量展开为多个分析模型进行满足结构性能的定性分析,形成数据样本,然后利用得到的多组数据构建灰色关联度计算数学模型运用MATLAB进行计算,分析出各个影响因素的灰色关联度系数,得到影响国内100-150米超高层居住型公寓主体结构成本的关键因素及关键因素之间的敏感度排序,并通过工程实例验证了分析结论。继而结合实际案例,对影响基础成本的主要因素进行了分析。本文首次针对某一特定使用功能,在某个建筑高度区间的超高层建筑,对影响结构成本的多个因素进行全面剖析,建立灰色系统模型分析出该类型建筑结构对所考虑的影响因素的敏感度,对建筑结构初步设计阶段的方案决策有一定积极指导意义。
周亮[4](2020)在《基于滚珠丝杠副性能检测平台的故障智能诊断研究》文中指出数控机床是工业制造之母,尤其是高速、高精的先进数控机床是支撑一个国家制造业的基础。滚珠丝杠副作为各类数控机床与自动化设备的重要的关键功能部件,直接决定数控机床和其他设备的加工精度和性能。针对国产滚珠丝杠副整体质量不稳定情况,对其故障模式进行诊断研究,对于提高滚珠丝杠副可靠性和智能制造水平具有十分重要的意义。本文提出的基于滚珠丝杠副性能检测平台的故障智能诊断方法,首先对指定型号的滚珠丝杠副进行了大量试验,通过对滚珠丝杠副不同故障状态的振动信号进行分析,理清了滚珠丝杠副不同的故障模式与振动信号之间的关系,并通过有限元仿真进行了验证,之后利用经验模态分解方法对故障状态振动信号进行分解,并提取出故障特征,最后利用基于ELM的机器学习算法建立的智能诊断模型对滚珠丝杠副的故障状态进行诊断,为操作人员快速的提供了滚珠丝杠副的健康状态信息。主要研究内容如下:(1)综述了国内外滚珠丝杠副性能检测试验研发现状,并总结了国内外机械设备故障的智能检测方法发展现状。总结并分析了滚珠丝杠副的结构形式与典型失效形式,确定了本文的故障检测对象是滚珠丝杠副的磨损失效。(2)设计并搭建了滚珠丝杠副性能检测平台。根据滚珠丝杠副性能检测平台主要设计要求提出了检测平台结构设计、控制系统设计和测试系统的设计方案,并根据试验要求对系统硬件进行选型。通过ANSYS Workbench对模型进行模态分析和谐响应分析,与实际试验结果互为验证,为检测平台振动传感器的选型与安装位置的选择提供了有效的参考依据,并介绍了滚珠丝杠副磨损失效特征及其模拟特征的制备方法。(3)基于EMD的磨损失效与振动信号关系的实验研究。详细描述了EMD方法的分解步骤,然后应用该方法对滚珠丝杠副磨损状态的振动信号进行分解并提取其特征向量,并为智能化诊断模型的训练和测试提供了数据集。(4)基于检测平台的磨损失效智能诊断的试验研究。首先对滚珠丝杠副的定位精度进行了测量,为试验正常进行提供了精度保证,其次建立了基于ELM机器学习算法的故障智能诊断模型,并对其进行训练与测试,证实了本文提出的智能算法能够正确的对滚珠丝杠副的性能进行诊断,最后通过与BP算法进行性能对比实验进一步验证了本检测方法的优越性。
赵学孟[5](2020)在《基于机器学习的阻尼器优化布置研究》文中进行了进一步梳理21世纪以来人工智能技术蓬勃发展,并在各个领域得到了广泛且成功的应用。机器学习算法作为将人工智能付诸实践的手段,成为了诸多行业和领域的重点研究方向。土木建筑行业作为大型传统产业,在世界经济发展中扮演着极其重要的角色,机器学习方法与土木建筑行业传统技术的结合,必将推动技术进步,带动传统产业结构优化升级。另一方面,地震灾害是全球最严重的自然灾害之一,建筑物在地震中可能遭到破坏从而对人类造成巨大损伤。因此,减小建筑结构由于地震作用引起的振动响应从而降低地震带来的损失至关重要。被动阻尼器作为一种消能减震装置,能够有效地减小结构的动力响应进而减小结构破坏的程度。目前在结构中如何布置阻尼器以实现最佳的控制效果是一个研究热点,也已经有许多成熟的理论与方法。本研究主要将机器学习应用到阻尼器优化布置中,利用机器学习方法来给出合理的阻尼器优化布置方案,主要研究内容如下:(1)基于有监督学习分类理论,使用机器学习分类模型预测阻尼器布置方案。当所有情况下阻尼器布置方案经常重复,不同的阻尼器布置方案较少时,可以将问题视为多分类学习问题,对每一种布置方案做标签视为一类。使用支持向量机理论和多层感知器理论作为分类器原理,将由时域分析优化所得的阻尼器优化布置样本作为训练集进行训练得到分类模型,利用获得的机器学习分类模型预测结构的阻尼器布置方案的类别。(2)基于有监督学习回归理论,使用机器学习回归模型预测阻尼器布置方案。随着各结构参数、阻尼器数量等作为阻尼器优化布置的考虑条件,阻尼器布置方案种类急剧上升。此时不能再将问题视为分类问题,而是直接对具体每一层的阻尼器数量做实数预测,即多输出回归问题,每个输出对应相应结构层的阻尼器数量。使用多层感知器理论作为回归原理,对由时域分析优化所得的阻尼器布置优化样本进行训练得到回归模型,利用获得的机器学习回归模型预测结构的阻尼器布置方案。(3)同样基于有监督学习回归理论,考虑场地差异造成的阻尼器布置的区别,使回归学习模型具备预测不同场地条件下的阻尼器区别布置的能力。使用多层感知器理论作为回归原理,对由含场地参数的频域分析优化所得的阻尼器优化布置样本进行训练得到回归模型,利用获得的机器学习回归模型预测结构的阻尼器布置方案。同时,扩大作为优化条件的结构参数范围,以提高机器学习模型的应用能力。经计算分析证明,本文所提出的应用方法均能取得较为理想的效果,为将机器学习理论引用到结构振动控制领域的阻尼器优化分布中提供了理论可能。
李鑫[6](2020)在《多路径循环式电梯创新设计与调度策略研究及仿真》文中研究指明随着城镇化的飞速发展,日趋增多的城市人口对城市建筑等基础设施带来了巨大的压力,为了满足人们在精神层面对大空间建筑的需求,城市的建筑规模正在逐步扩大。电梯的出现解决了高层建筑中垂直方向的自动化运输问题,但普通电梯仅能垂直运行,无法实现水平方向的运载,当电梯井道距离目的地较远时,乘客将会花费较长的时间行走至目的地。因此,对于横移电梯的研究是提高大跨度高层建筑内乘客水平移动效率和建筑空间流动性的重要途径,也是促进建筑规模发展、缓解城市建筑压力,助力城镇化发展的重要措施。为了解决大跨度高层建筑内电梯乘客水平移动效率低的问题,针对电梯结构进行创新设计,提出多路径循环式电梯创新设计方案,对轿厢运行路径合理规划,减少水平移动轿厢对垂直移动轿厢的影响,提高乘客在建筑内的水平移动效率。并对大跨度建筑中乘梯客流类型、电梯客流模型、电梯交通模式等方面进行研究,提出多路径循环式电梯调度策略,解决不同类型轿厢的运行冲突,合理规划轿厢的运行顺序,实现了电梯安全、有序和高效地运行。主要研究内容包括以下几方面:(1)基于TRIZ理论对电梯结构进行创新设计,通过功能分析和因果分析对电梯无法提供高效地水平方向运载问题进行分析和描述,通过物-场模型和冲突分析对问题进行求解,最终得出了多路径循环式电梯设计方案,并对设计过程中的关键技术和部件进行了研究与探讨。为了实现对多轿厢电梯系统的实时调度与控制,降低由于轿厢数量增加而加剧的轿厢调度和控制过程的复杂性,提出了基于数字孪生的多路径循环式电梯调度框架和基于孪生数据驱动的电梯闭环控制系统。(2)针对多路径循环式电梯结构,对不同类型的乘梯客流特点进行了分析,确定电梯典型交通模式和各类交通模式下的客流参数。基于泊松分布和蒙特卡洛方法建立了多路径循环式电梯客流模型,生成各类交通模式下的乘梯客流数据,为电梯客流预测系统和交通模式识别系统提供有效的训练数据。为了给调度系统提供准确的参考数据,基于BP神经网络建立了多路径循环式电梯客流预测系统,基于自适应模糊神经网络建立了多路径循环式电梯交通模式识别系统,实现了对下一时段客流特征值所对应电梯交通模式的有效识别,降低了调度系统的滞后性。(3)为了保证电梯高效、安全和有序地运行,提出了多路径循环式电梯调度策略,实时响应乘客的呼梯指令协调各轿厢之间的运行,避免发生碰撞事故。为了降低轿厢空行程所造成资源浪费,基于电梯交通模式预测值分配轿厢数量和初始位置,在循环井道内放置合适数量的轿厢参与输送任务。为了提高电梯的运行效率,提出了基于最短路径的电梯派梯策略,动态响应乘客的呼梯请求,指派最优轿厢完成输送任务。基于安全距离建立了多轿厢跟驰模型和多路径循环式电梯编队避撞策略,通过多轿厢跟驰模型计算各轿厢之间的行驶速度,实现了多轿厢之间的安全、平稳运行。(4)为了验证多路径循环式电梯调度策略和电梯运行效率,开发了多路径循环式电梯运行仿真平台,验证电梯调度策略在轿厢分配、编队避撞和派梯规划等方面的运行效果,对比多路径循环式电梯、循环式多轿厢电梯和普通双联电梯的乘客在不同客流密度和横移距离下的候梯时间和到达时间等数据,验证多路径循环式电梯对乘客移动效率的提升。仿真结果表明,多路径循环式电梯适应于横移距离长、横移密度大的场合,能够有效提升乘客的水平移动效率,且横移轿厢的运行不会对垂直移动乘客的移动效率产生明显地影响。所提出的多路径循环式电梯结构能够有效地解决大跨度高层建筑内人员水平移动效率低的问题,节约乘客在建筑内水平移动所花费的时间,从而提升大跨度高层建筑的空间流动性和舒适性,使建筑变得更加的人性化和智能化。综上所述,多路径循环式电梯的研究立足于缓解城市建筑压力的实际需求,结合TRIZ、数学建模和神经网络等理论解决电梯在垂直和水平方向高效地自动化运载问题,具有较高的理论研究价值和较强的实用性,为横移电梯的研究提供了思路和参考。
许漫[7](2020)在《基于压电导波的钢制管道结构损伤识别系统的研究》文中研究指明随着我国城镇化建设的推进和绿色低碳循环发展经济体系的建立,管网系统作为我国经济建设中的重要一环,其规模也在不断扩大,这给管道系统结构健康监控带来了巨大的挑战。近年来管道故障事件的频频发生,人们也开始意识到对管道结构健康监控这一学科的研究的重要性,研制出高效、精确、广泛使用的管道结构健康监控系统已然成为管道结构健康监控课题的共同目标。管道结构损伤形式有很多,包括裂纹、划痕、开孔、腐蚀等等。不同形式的损伤需要采取不同的维护策略。目前,尽管国内外在管道结构缺陷超声导波缺陷上进行了大量的理论以及实验研究,但主要都在于对管道是否存在缺陷进行检测并进行定位,而对不同种缺陷类型进行识别并定位的研究相对较少,针对这一问题,本文将结合大数据背景下的模式识别技术与超声导波检测实验系统对不同种类管道损伤的识别与定位进行研究。本文针对钢制管道的结构损伤缺陷识别与定位问题,以外径76mm、壁厚3mm的304不锈钢管道为研究对象,搭建基于压电超声导波的损伤检测实验平台,首先通过对实验现象进行充分的研究,确立了一套实验方案。随后,结合变分模态分解降噪分解算法和基于多层感知器的深度神经网络模型实现了缺陷特征提取以及损伤的智能判别。最后,采用脉冲回波法实现了缺陷的定位。本文的具体工作及主要结论包括:(1)搭建了基于压电超声导波的损伤检测实验平台,结合导波理论充分研究了实验现象,确定了实验中激励信号的周期数、频率以及驱动器的排布方式,并据此制定了实验方案。实验结果表明,本实验平台能明显的观测到无缺陷管、20mm裂纹缺陷管以及3mm通孔缺陷管的三种检测结果均存在一定差异,且20mm裂纹缺陷管检测信号中能够明显观测到缺陷回波信号并实现缺陷定位。(2)研究了导波信号的降噪方法和特征提取方法,提出了基于变分模态分解算法的信号时域、频域特征提取方法。研究发现,变分模态分解算法相较于小波分解、经验模态分解算法能够更好的保留原始激励信号并放大化缺陷的时域和频域特征。(3)基于不同类损伤管道信号的时频特征的差异性,提出了基于多层感知器的深度神经网络结构损伤识别方法。通过模型对比实验发现,基于多层感知器的深度神经网络结构损伤识别方法在判别准确率、模型训练效率、以及模型稳定性上均优于传统的BP神经网络模型。提出了基于脉冲回波理论的损伤定位方法,结果发现,该方法的定位结果能精确到0.1米之内。
苏旭[8](2020)在《振动筛健康状态监测方法研究》文中研究说明振动筛是一种重要的物料筛分处理机械,在工业生产中用作对原始物料的分级、脱水等,由于其作用不可或缺,故在煤炭、石矿等化工行业中承担着重要的角色。近年来,振动筛的需求量逐年增加,市场前景极好。然而在实际工业生产中,因为长时间的连续工作且所处工作环境恶劣,振动筛容易发生一系列故障,造成生产线停止生产,给企业带来直接的经济损失。因此,深入研究振动筛故障诊断,开发一套振动筛健康状态监测方法极有必要,具有重要的学术价值和实际工程意义。本文以振动筛为研究对象,分析振动筛故障原因以及常见故障类型,设计并搭建振动筛故障实验平台,完成平台硬件和软件的选型和设计;在此基础上分别设计了三类故障实验,即激振力不平衡、弹簧刚度变化和弹簧高度变化故障,进行实验。针对采集到的原始加速度信号数据,经过预处理之后得到可用的加速度信号,再经过一次和二次积分,以及去除趋势项之后分别得到可用的速度信号和位移信号,利用李萨如图像将X、Y维度的位移图像进行合成,得到其二维振动轨迹信息,实现对振动筛故障实验数据的实时处理。设计将变分模态分解和多尺度排列熵相结合应用于振动筛故障特征量提取,将振动筛加速度信号进行变分模态分解,并采用频谱估计法选出含有故障信息的敏感分量,分别计算不同尺度下加速度信号的排列熵值,选取对故障敏感的尺度因子所对应的排列熵值,组成故障特征向量组,完成故障特征提取工作。针对特征向量组,分别运用变量预测模型模式识别、BP神经网络、支持向量机、基于RBF网络模型的变量预测模型模式识别对振动筛故障进行识别算法研究,检验和分析不同故障识别算法的识别率。对比发现:变量预测模型模式识别分类识别率为93.50%,BP神经网络识别率为87.00%,支持向量机识别率为91.50%,基于RBF网络模型的变量预测模型模式识别分类识别率为96.00%,验证了第四种识别算法具有更好的适用性和更高的分类效果。完成系统的开发后,在工业现场对振动筛故障监测系统进行测试分析,获取不同故障条件下的测量数据。分别改变激振力大小、弹簧刚度大小和弹簧高度大小,进行测试实验。结果表明:基于RBF-VPMCD诊断算法的故障监测系统可以识别这三类故障,平均识别率为94.27%,在后续的工作中有待继续完善。该振动筛健康状态监测方法具有较高的精度与实用性,可以用于振动筛故障诊断,为振动筛健康状态监测提供了一种新的思路,具有一定的参考意义。
陈刚[9](2020)在《伞杆加工过程中的机器视觉检测系统研究》文中认为在传统伞杆自动化加工过程中,首先需要将伞杆转正到固定的位置,才能进行后续加工,该过程称为伞杆的“校正”过程。目前生产线上通常使用模具配合结构的方法实现伞杆的机械式“校正”,但该方法容易出现模具损耗,卡死和校正错误等问题,影响伞杆的加工效率。此外,在高端伞杆的加工过程中,若有焊缝的伞杆柱面作为后续加工面,则在高端折叠伞使用过程中可能出现因杆件表面刮花而影响美观的问题,所以在伞杆加工前还要对伞杆柱面进行有无焊缝的识别判断。为了解决上述问题,本课题借助机器视觉和图像处理相关技术,采用非接触的方式实现伞杆截面视觉校正和伞杆柱面焊缝识别,具体研究内容如下:(1)本课题以市面上常用的5种不同截面类型的伞杆作为研究对象,针对伞杆加工过程中的问题,进行检测需求分析,提出了基于机器视觉的伞杆检测平台总体方案。(2)分别对伞杆截面和伞杆柱面图像进行针对性预处理研究,根据传统滤波方式提出了混合型滤波方式,根据开闭形态学操作提出了多尺度的形态学方法,根据三角阈值分割法设计了伞杆柱面ROI区域的自动提取算法。(3)对每一种伞杆截面类型,以拟合图像轮廓为核心,分别设计了基于改进D-P算法的正多边形伞杆截面校正角度算法和基于图像融合与局部图像分析的异形伞杆截面校正角度算法,合理有效地实现了伞杆截面的视觉校正。对伞杆柱面,采用模式识别的方法进行焊缝识别,分类柱面样本,设计并构建伞杆柱面焊缝模型。(4)根据伞杆视觉检测系统总体方案,设计并搭建伞杆视觉检测系统的实验样机,设计了基于OpenCV与MFC的视觉检测系统界面程序。通过对伞杆截面校正角度和对伞杆柱面焊缝识别的实验,发现检测结果均满足检测需求。在搭建的测试样机上,进行实验测试,统计检测信息,最终实验结果表明,伞杆视觉检测系统可以根据伞杆截面实现每分钟30根伞杆的视觉校正,测得的平均角度误差约0.778°,检测成功率均在90%以上。伞杆柱面焊缝的识别正确率至少可以达到98%,误检率约为2%,高准确率,低误检率,均能满足生产线检测需求,该系统在伞杆智能化和自动化加工过程中有现实意义。
李兰[10](2019)在《基于视觉检测与图像处理分析技术的燃气管道检测方法研究》文中进行了进一步梳理本文以燃气管道内壁探伤为研究出发点,首先研究了燃气管道功能性缺陷与结构性缺陷的定量化特征,确认了燃气管道内壁探伤的涵盖范围与缺陷特性;其次针对上述缺陷识别算法与识别模型进行了优化设计,并给出了缺陷识别优化的预测结果;最后选型搭载闭路电视系统(CCTV,Closed-Circuit Television)与激光成像系统的管道机器人,融入本文所提缺陷识别优化算法与识别模型,进行了实地测试与效能分析。本文主要研究成果如下:(1)对基于中值滤波法的燃气管道CCTV图像局部增强方法的改进。针对传统中值滤波算法边缘还原不清晰、噪点多的缺点,本文提出了一种针对功能性缺陷的中值滤波优化算法,该算法采用扰动因子定义弱光照强度,实现对光强信息的动态适配,最终给出了实验室条件下的轮廓提取优化的全局结果。(2)提出了一种基于BP模糊神经网络的管道功能性缺陷特征模式识别机制。针对燃气管道功能性缺陷特征参数多、海量噪声适配困难的问题,本文将圆形度、变形度和边界离心率三大功能性缺陷特征进行适配后导入BP神经网络,并设计了特征向量过滤器,最终通过改进退火算法实现了实验室条件下的测试,明确了有损燃气管道与无损燃气管道的缺陷识别比对结果。(3)结合三维激光成像技术进行燃气管道结构性缺陷识别。由于CCTV检测技术检测全景展开图上深度信息存在困难,本文针对诸如管道形变、异物渗入、附着沉积物等结构性缺陷进行了特征定义,并引入空间坐标归一化的数学模型进行识别度转化,迅速提取燃气管道内部三维结构,弥补CCTV检测误报率高的不足,针对结构性缺陷检测具有较强的针对性。
二、基于神经模式识别的建筑结构选型方案研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于神经模式识别的建筑结构选型方案研究(论文提纲范文)
(1)光纤围栏入侵监测系统设计与优化(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 光纤围栏周界安防技术 |
1.2.2 模式识别在光纤传感系统中的研究现状 |
1.3 本文的主要工作及结构安排 |
第二章 干涉型光纤振动传感理论分析与系统设计 |
2.1 干涉型振动传感系统介绍 |
2.1.1 迈克尔逊干涉光纤传感系统 |
2.1.2 马赫泽德干涉光纤传感系统 |
2.1.3 萨格奈克干涉光纤传感系统 |
2.1.4 干涉型传感系统对比 |
2.2 环形萨格奈克干涉系统设计 |
2.2.1 光纤振动相位检测机理 |
2.2.2 环形萨格奈克干涉结构 |
2.2.3 多通道萨格奈克干涉结构 |
2.3 光纤围栏安防系统设计 |
2.3.1 系统整体方案研究 |
2.3.2 关键器件选型分析 |
2.4 本章小结 |
第三章 光纤围栏入侵信号特征提取与识别 |
3.1 端点检测 |
3.1.1 短时平均能量法与短时过零率法 |
3.1.2 梅尔倒谱系数法 |
3.2 小波能量谱 |
3.2.1 小波能量谱原理 |
3.2.2 小波分解特征提取 |
3.3 经验模态分解 |
3.3.1 经验模态分解原理 |
3.3.2 总体平均经验模态分解原理 |
3.3.3 两种特征提取对比 |
3.4 支持向量机 |
3.4.1 二分类原理 |
3.4.2 多分类原理 |
3.4.3 性能度量 |
3.4.4 交叉验证 |
3.5 本章小结 |
第四章 光纤围栏入侵系统软件设计 |
4.1 软件设计方案 |
4.1.1 MFC技术介绍 |
4.1.2 Quartus II技术介绍 |
4.1.3 软件需求分析 |
4.1.4 功能结构分析 |
4.2 采集控制软件设计 |
4.2.1 USB2.0 传输协议 |
4.2.2 数据采集模块设计 |
4.3 显示软件设计 |
4.3.1 软件框架初始化模块 |
4.3.2 设备控制与数据传输模块 |
4.3.3 图形化交互界面设计模块 |
4.4 本章小结 |
第五章 结果分析与系统集成 |
5.1 振动检测结果分析 |
5.1.1 单防区信号检测 |
5.1.2 多防区信号检测 |
5.2 端点检测结果分析 |
5.2.1 短时平均能量法端点检测 |
5.2.2 短时过零率法端点检测 |
5.2.3 梅尔倒谱系数法端点检测 |
5.3 模式识别结果分析 |
5.3.1 小波分解模式识别 |
5.3.2 经验模态分解模式识别 |
5.3.3 总体平均经验模态分解模式识别 |
5.4 系统集成与现场测试 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读学位期间取得的研究成果 |
致谢 |
(2)氧化物半导体气体传感器的热调制特征提取及VOCs分子识别研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 金属氧化物气体传感器 |
1.2.1 传感材料与器件 |
1.2.2 气体传感特性 |
1.2.3 气体传感机理 |
1.3 MOS传感器选择性提升 |
1.3.1 电子鼻技术 |
1.3.2 热调制技术 |
1.4 动态响应信号处理技术 |
1.4.1 几何特征 |
1.4.2 频域信息 |
1.4.3 信号曲线拟合 |
1.5 模式识别与机器学习算法 |
1.5.1 主成分分析 |
1.5.2 线性判别分析 |
1.5.3 神经网络 |
1.6 本文的研究意义及内容 |
参考文献 |
第2章 热调制p型NiO传感器VOCs分子识别研究 |
2.1 引言 |
2.2 p型NiO传感器的制备、表征及气体识别测试 |
2.2.1 实验试剂、仪器和设备 |
2.2.2 材料合成及表征 |
2.2.3 器件制作与稳态响应测试 |
2.2.4 热调制波形及瞬态响应信号处理方法 |
2.3 p型NiO的结构形貌及恒温气敏性能 |
2.4 热调制波形及瞬态响应信号 |
2.5 主成分分析与线性判别分析性能研究 |
2.6 本章小结 |
参考文献 |
第3章 金属氧化物气体传感器BTX分子识别研究 |
3.1 引言 |
3.2 NiO、WO_3和SnO_2传感器的制备、表征及气体识别测试 |
3.2.1 实验试剂、仪器和设备 |
3.2.2 材料合成及表征 |
3.2.3 器件制作与稳态响应测试 |
3.2.4 热调制波形及瞬态响应信号处理方法 |
3.3 NiO和WO_3的结构形貌及恒温气敏性能 |
3.4 热调制波形及瞬态响应信号 |
3.5 线性判别分析与卷积神经网络识别性能研究 |
3.6 本章小结 |
参考文献 |
第4章 智能气体分子检测识别系统开发研究 |
4.1 引言 |
4.2 基于51单片机开发的传感信号采集系统 |
4.2.1 硬件的选型与设计 |
4.2.2 软件思路与设计 |
4.2.3 传感信号采集传输功能实现及气体浓度测定 |
4.3 基于51单片机开发的温度信号采集系统 |
4.3.1 硬件的选型与设计 |
4.3.2 软件思路与设计 |
4.3.3 温度信号采集传输功能的实现 |
4.4 基于自设计电路板开发的智能气体识别系统 |
4.4.1 硬件的选型与设计 |
4.4.2 软件的思路与设计 |
4.4.3 VOCs气体识别功能的实现 |
4.5 本章小结 |
参考文献 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
在读期间发表的学术论文与取得的其他研究成果 |
(3)国内100-150米超高层公寓结构成本影响因素研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 选题依据与研究意义 |
1.1.1 选题依据 |
1.1.2 研究意义 |
1.2 结构设计综合评价方法的国内外研究现状 |
1.2.1 国内研究现状 |
1.2.2 国外研究现状 |
1.3 本文主要研究内容与思路 |
1.3.1 研究内容 |
1.3.2 研究思路 |
1.4 创新性工作 |
第二章 研究对象主要特点及结构造价影响因素分析 |
2.1 国内100-150米高度居住型公寓的主要设计特点 |
2.1.1 超高层公寓的设计特点 |
2.1.2 本文主要分析平面模型的确定 |
2.2 国内100-150米高度居住型公寓的结构体系选择 |
2.2.1 超高层结构体系选型概述 |
2.2.2 100-150米超高层公寓的结构体系选型 |
2.3 国内100-150米高度居住型公寓的结构设计造价影响因素分析 |
2.3.1 建筑方案特征因素 |
2.3.2 环境条件因素 |
2.3.3 主要影响因素的初步判断 |
2.4 本章小结 |
第三章 关于研究对象综合评价方法的探讨 |
3.1 综合评价方法概述 |
3.2 层次分析法 |
3.2.1 层次分析法概述 |
3.2.2 层次分析法在高层建筑选型决策中的应用 |
3.2.3 层次分析法的特点和局限性 |
3.3 BP神经网络分析法 |
3.3.1 BP神经网络分析法概述 |
3.3.2 BP神经网络法的特点和局限性 |
3.4 模糊综合评判与模糊聚类 |
3.5 灰色系统理论及灰色关联度分析 |
3.5.1 灰色系统理论概述 |
3.5.2 灰色关联分析 |
3.6 本文综合评价方法的确定 |
3.6.1 关于研究对象综合评价方法的选择 |
3.6.2 综合评价指标的确定 |
3.7 本章小结 |
第四章 主体结构成本影响因素的结构模型分析 |
4.1 分析模型的建立 |
4.1.1 基础分析模型概况 |
4.1.2 材料强度概况 |
4.1.3 结构分析的主要控制指标 |
4.2 关于建筑高度变量的分析 |
4.2.1 分析模型概况 |
4.2.2 结构分析结果比较 |
4.2.3 建筑高度变量对评价指标的影响分析 |
4.3 关于风荷载变量的分析 |
4.3.1 分析模型概况 |
4.3.2 结构分析结果比较 |
4.3.3 风荷载变量对评价指标的影响分析 |
4.4 关于地震作用变量的分析 |
4.4.1 分析模型概况 |
4.4.2 结构分析结果比较 |
4.4.3 地震作用变量对评价指标的影响分析 |
4.5 关于建筑层高变量的分析 |
4.5.1 分析模型概况 |
4.5.2 建筑层高变量对评价指标的影响分析 |
4.6 关于建筑体型变量的分析 |
4.6.1 分析模型概况 |
4.6.2 结构分析结果及评价指标的影响分析 |
4.7 本章小结 |
第五章 主体结构成本影响因素的灰色关联度分析 |
5.1 灰色关联度分析的主要步骤 |
5.2 MATLAB程序简介 |
5.3 国内100-150米高度居住型公寓结构影响因素的灰色关联度分析 |
5.4 以工程实例检验灰色关联度分析结果 |
5.5 本章小结 |
第六章 关于地基基础成本影响因素的研究 |
6.1 项目案例 |
6.1.1 项目概况 |
6.1.2 工程地质概况 |
6.1.3 130米高度区段高层建筑基础方案比选 |
6.1.4 小结 |
6.2 地基基础成本影响因素分析 |
6.2.1 超高层建筑基础设计特点 |
6.2.2 影响基础成本的主要因素 |
6.2.3 地质条件因素 |
6.2.4 特殊地质条件因素 |
6.2.5 主体结构条件因素 |
6.2.6 环境条件因素 |
6.2.7 施工条件因素 |
6.3 本章小结 |
结论与展望 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
致谢 |
附件 |
(4)基于滚珠丝杠副性能检测平台的故障智能诊断研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 引言 |
1.2 国内外研究现状及分析 |
1.2.1 滚珠丝杠副性能检测试验研究概况 |
1.2.2 机械设备故障智能检测方法的研究 |
1.3 课题研究背景及意义 |
1.4 课题主要研究内容 |
1.5 本章小节 |
第2章 滚珠丝杠副磨损失效形式和性能仿真分析 |
2.1 滚珠丝杠副的结构形式 |
2.2 常见磨损失效形式 |
2.3 不同磨损情况的模态对比分析 |
2.3.1 仿真模型建立 |
2.3.2 网格划分 |
2.3.3 材料属性与约束条件施加 |
2.3.4 结果分析 |
2.4 不同磨损情况的谐响应分析 |
2.4.1 谐响应简介 |
2.4.2 谐响应结果 |
2.4.3 结果分析 |
2.5 本章小结 |
第3章 滚珠丝杠副性能检测平台设计 |
3.1 检测平台总体设计 |
3.1.1 检测平台主要要求 |
3.1.2 检测平台总体结构组成 |
3.1.3 安装方式选择 |
3.2 控制系统设计 |
3.2.1 驱动电机选择 |
3.2.2 信号反馈方式 |
3.3 定位精度测试系统设计 |
3.3.1 精度测量原理 |
3.3.2 精度测量传感器 |
3.4 振动测试系统设计 |
3.4.1 基于振动信号的诊断方法 |
3.4.2 振动传感器 |
3.4.3 数据采集仪 |
3.5 磨损失效工况的模拟实现 |
3.6 本章小结 |
第4章 基于EMD的磨损失效与振动信号关系的实验研究 |
4.1 经验模态分解基本理论 |
4.2 经验模态分解步骤 |
4.3 基于EMD的振动信号特征提取 |
4.3.1 振动信号采集 |
4.3.2 振动信号分解 |
4.3.3 振动信号的特征提取 |
4.4 本章小结 |
第5章 基于检测平台的磨损失效智能诊断的试验研究 |
5.1 定位精度检测结果及分析 |
5.1.1 定位精度测量方法 |
5.1.2 定位精度检测结果 |
5.1.3 定位精度检测结果分析 |
5.2 基于极限学习机的故障智能诊断试验 |
5.2.1 单隐层前馈神经网络 |
5.2.2 极限学习机原理 |
5.2.3 滚珠丝杠副故障智能检测方法 |
5.2.4 磨损状态的智能诊断模型的训练与测试 |
5.2.5 与BP网络性能对比分析 |
5.3 本章小结 |
第6章 结论与展望 |
6.1 主要研究成果 |
6.2 研究展望 |
参考文献 |
致谢 |
攻读硕士学位期间论文发表及科研情况 |
(5)基于机器学习的阻尼器优化布置研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 阻尼器优化相关研究进展 |
1.3 机器学习相关研究进展 |
1.3.1 机器学习算法 |
1.3.2 工程领域应用 |
1.4 本文的研究内容 |
2 样本优化算法 |
2.1 优化目标函数 |
2.1.1 多目标时域响应 |
2.1.2 传递函数的H_∞范数 |
2.2 优化方法 |
2.2.1 遗传算法 |
2.2.2 多起点法 |
2.2.3 优化方法比较 |
2.3 本章小结 |
3 基于不同结构和目标函数的学习模型 |
3.1 运动方程与优化模型 |
3.2 基于分类的学习模型 |
3.2.1 多分类样本集 |
3.2.2 SVM分类器 |
3.2.3 MLP分类器 |
3.3 基于回归的学习模型 |
3.3.1 多输出样本集 |
3.3.2 MLP回归模型 |
3.3.3 预测结果后处理 |
3.4 本章小结 |
4 不同场地下阻尼器优化分析 |
4.1 系统传递函数 |
4.2 优化样本的输入与输出 |
4.3 优化样本集分析 |
4.3.1 结构参数改变的影响 |
4.3.2 不同场地的阻尼器分布差异 |
4.3.3 目标函数值规律分析 |
4.3.4 优化方法的稳定性分析 |
4.4 本章小结 |
5 考虑场地区分的回归学习 |
5.1 神经网络隐藏层分析 |
5.1.1 隐藏层节点的估算 |
5.1.2 计算对比多个隐藏层 |
5.1.3 确定使用的隐藏层结构 |
5.2 考虑场地区分的回归模型 |
5.2.1 样本集与样本示例 |
5.2.2 结构响应预测 |
5.2.3 场地区分预测 |
5.2.4 目标函数预测 |
5.3 统一数量后的回归处理 |
5.4 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表学术论文情况 |
致谢 |
(6)多路径循环式电梯创新设计与调度策略研究及仿真(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题研究的目的和意义 |
1.2 国内外研究现状、发展动态 |
1.2.1 电梯结构的发展 |
1.2.2 电梯调度策略的研究 |
1.3 课题的主要研究内容及技术路线 |
1.4 论文的基本结构 |
第2章 多路径循环式电梯创新设计 |
2.1 TRIZ理论 |
2.2 基于TRIZ的问题分析 |
2.2.1 问题描述 |
2.2.2 功能分析 |
2.2.3 因果分析 |
2.3 电梯水平运行的问题求解 |
2.3.1 物-场模型分析 |
2.3.2 物理矛盾求解 |
2.3.3 技术矛盾求解 |
2.4 多路径循环式电梯整体设计方案 |
2.5 基于数字孪生的多路径循环式电梯调度框架 |
2.5.1 多路径循环式电梯调度框架整体结构 |
2.5.2 基于孪生数据驱动的电梯闭环控制系统 |
2.6 小结 |
第3章 多路径循环式电梯客流模型 |
3.1 电梯客流分析 |
3.2 电梯交通模式分析 |
3.3 电梯客流模型 |
3.3.1 确定乘客呼梯时间 |
3.3.2 确定乘客类型 |
3.3.3 确定乘客的起始层和目标层 |
3.3.4 建立客流模型 |
3.4 生成客流数据 |
3.5 小结 |
第4章 多路径循环式电梯客流预测与交通模式识别 |
4.1 多路径循环式电梯客流特征值 |
4.2 基于BP神经网络的电梯客流预测 |
4.2.1 电梯客流预测系统网络结构 |
4.2.2 电梯客流预测系统的训练 |
4.3 基于ANFIS的电梯交通模式识别系统 |
4.3.1 电梯交通模式识别系统网络结构 |
4.3.2 电梯交通模式识别系统训练 |
4.4 电梯客流预测值的交通模式识别 |
4.5 小结 |
第5章 多路径循环式电梯调度策略研究与仿真 |
5.1 基于电梯交通模式预测值的轿厢分配策略 |
5.1.1 轿厢数量的分配 |
5.1.2 轿厢初始位置的确定 |
5.2 基于安全距离的多轿厢编队避撞策略 |
5.2.1 基于安全距离的车辆跟驰模型 |
5.2.2 基于安全距离的多轿厢跟驰模型 |
5.2.3 多轿厢避撞策略 |
5.2.4 多轿厢编队策略 |
5.3 基于最短路径的派梯策略 |
5.4 多路径循环式电梯调度策略仿真 |
5.4.1 多路径循环式电梯运行仿真平台 |
5.4.2 多轿厢编队避撞策略仿真 |
5.4.3 电梯运行仿真 |
5.5 小结 |
第6章 结论与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
后记 |
攻读硕士学位期间论文发表及科研情况 |
(7)基于压电导波的钢制管道结构损伤识别系统的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题背景与意义 |
1.2 压电导波在管道损伤检测中的研究现状 |
1.2.1 管道导波检测的国外研究现状 |
1.2.2 管道导波检测的国内研究现状 |
1.2.3 信号分解降噪方法 |
1.2.4 基于智能算法的结构损伤识别方法 |
1.3 论文的主要研究内容 |
第二章 压电导波钢制管道损伤检测技术 |
2.1 引言 |
2.2 压电材料相关概念 |
2.2.1 压电效应 |
2.2.2 压电材料 |
2.2.3 压电方程 |
2.2.4 压电材料的主要性能参数 |
2.3 管道内超声导波传播特性 |
2.3.1 管道内超声导波的群速度与相速度 |
2.3.2 超声导波在管道中的频散特性 |
2.3.3 超声导波在管道中的多模态特性 |
2.3.4 实验管道超声导波频散曲线模拟 |
2.4 本章小结 |
第三章 压电导波钢制管道损伤检测系统设计 |
3.1 引言 |
3.2 压电导波钢制管道损伤检测系统框架 |
3.3 钢制管道损伤检测硬件系统的设计 |
3.3.1 压电传感器 |
3.3.2 函数发生器 |
3.3.3 功率放大器 |
3.3.4 数字示波器 |
3.3.5 数据采集卡 |
3.4 损伤识别数据采集系统设计 |
3.4.1 LABVIEW概述 |
3.4.2 数据采集及存储程序设计 |
3.4.3 信号观测系统设计 |
3.5 本章小结 |
第四章 管道损伤检测信号分析和损伤类型识别方法 |
4.1 引言 |
4.2 损伤特征提取方法 |
4.2.1 原始信号降噪处理 |
4.2.2 特征提取与特征向量构建 |
4.3 损伤类型识别方法 |
4.3.1 基于BP神经网络的损伤判别模型 |
4.3.2 基于深度神经网络的损伤判别器 |
4.4 本章小结 |
第五章 压电导波钢制管道损伤检测系统的实验研究 |
5.1 引言 |
5.2 实验环境介绍 |
5.2.1 激励信号端的布置 |
5.2.2 激励信号的设计 |
5.2.3 信号接收端的布置 |
5.2.4 待测管道设计 |
5.3 实验方案设计 |
5.3.1 实验目的 |
5.3.2 实验场景 |
5.3.3 实验过程 |
5.3.4 激励信号特性确定 |
5.3.5 传感器布置方式的确定 |
5.4 实验结果分析 |
5.4.1 不同类型损伤的信号对比 |
5.4.2 不同损伤的特征对比 |
5.4.3 不同管道结构损伤判别器判别效果对比 |
5.5 缺陷的定位结果 |
5.5.1 脉冲回波法缺陷定位理论 |
5.5.2 缺陷定位结果 |
5.6 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 创新点 |
6.3 展望 |
参考文献 |
致谢 |
作者简介 |
1 作者简历 |
2 硕士学位期间发表的学术论文 |
3 发明专利 |
学位论文数据集 |
(8)振动筛健康状态监测方法研究(论文提纲范文)
摘要 |
abstract |
第1章 引言 |
1.1 课题背景及研究意义 |
1.2 国内外研究现状 |
1.2.1 故障诊断方法的研究现状 |
1.2.2 振动筛故障诊断的研究现状 |
1.3 论文的研究内容 |
1.3.1 论文主要研究内容 |
1.3.2 论文结构 |
第2章 振动筛故障实验平台的搭建 |
2.1 振动筛简介 |
2.1.1 振动筛工作原理 |
2.1.2 振动筛结构组成 |
2.2 振动筛故障实验模型的设计 |
2.2.1 振动筛动力学模型 |
2.2.2 振动筛故障分析 |
2.3 振动筛故障实验采集系统的设计 |
2.3.1 采集系统的硬件设计 |
2.3.2 采集系统的软件设计 |
2.4 振动筛故障实验方案设计 |
2.5 本章小结 |
第3章 振动筛故障实验数据处理 |
3.1 信号预处理 |
3.1.1 去直流分量 |
3.1.2 滤波处理 |
3.1.3 平滑处理 |
3.2 振动速度和位移信号提取 |
3.2.1 梯形公式法 |
3.2.2 辛普森公式法 |
3.3 信号去除趋势项处理 |
3.4 振动轨迹合成 |
3.5 软件平台设计与界面 |
3.5.1 软件开发平台选择 |
3.5.2 软件设计与界面 |
3.6 实验数据分析 |
3.7 本章小结 |
第4章 故障特征量提取及识别算法研究 |
4.1 总体方案设计 |
4.2 振动筛故障特征提取方法 |
4.2.1 变分模态分解 |
4.2.2 多尺度排列熵 |
4.2.3 基于变分模态分解和多尺度排列熵的特征量提取 |
4.3 振动筛故障识别算法研究 |
4.3.1 变量预测模型模式识别 |
4.3.2 BP神经网络 |
4.3.3 支持向量机 |
4.3.4 基于RBF网络模型的变量预测模型模式识别 |
4.4 振动筛故障识别算法总体对比 |
4.5 本章小结 |
第5章 振动筛故障监测系统测试实验 |
5.1 振动筛故障监测系统设计 |
5.1.1 实验数据处理模块设计 |
5.1.2 特征量提取模块设计 |
5.1.3 故障算法识别模块设计 |
5.2 振动筛故障监测系统测试实验 |
5.2.1 激振力不平衡测试实验 |
5.2.2 弹簧刚度变化测试实验 |
5.2.3 弹簧高度变化测试实验 |
5.2.4 测试实验结果整体对比 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
个人简历、在学期间发表的学术论文与研究成果 |
(9)伞杆加工过程中的机器视觉检测系统研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 伞杆加工过程的现状和问题分析 |
1.1.2 伞杆机器视觉检测研究的意义 |
1.2 国内外研究现状 |
1.2.1 机器视觉的发展现状 |
1.2.2 工件机器视觉定位的研究现状 |
1.2.3 工件焊缝识别检测的研究现状 |
1.3 论文检测的伞杆类型与研究内容 |
1.3.1 待检测伞杆类型及成像方式 |
1.3.2 主要研究内容及技术路线 |
1.4 论文的组织结构 |
第二章 伞杆视觉检测系统总体方案 |
2.1 引言 |
2.2 伞杆视觉检测系统分析与设计 |
2.2.1 伞杆视觉检测系统需求分析和检测评价指标 |
2.2.2 伞杆视觉检测系统的方案设计 |
2.2.3 伞杆视觉检测系统的检测流程预设计 |
2.3 视觉成像系统研究 |
2.3.1 相机的研究 |
2.3.2 镜头的研究 |
2.3.3 光源的研究 |
2.3.4 照明方案的研究 |
2.4 系统样机硬件实验平台设计 |
2.5 系统样机软件实验平台设计 |
2.5.1 软件系统框架设计 |
2.5.2 软件检测流程设计 |
2.5.3 相机驱动程序设计 |
2.5.4 图像视觉程序设计 |
2.5.5 交互界面程序设计 |
2.6 本章小结 |
第三章 伞杆图像的采集和预处理技术研究 |
3.1 引言 |
3.2 伞杆图像的采集 |
3.2.1 伞杆图像采集和表示 |
3.2.2 伞杆图像灰度化和灰度直方图 |
3.3 伞杆截面图像预处理 |
3.3.1 伞杆截面检测图像的特点 |
3.3.2 伞杆截面图像去噪和改进 |
3.3.3 伞杆截面图像形态学处理和改进 |
3.3.4 伞杆截面图像增强和改进 |
3.3.5 伞杆截面图像的Otsu阈值分割 |
3.4 伞杆柱面图像预处理 |
3.4.1 伞杆柱面检测图像特点 |
3.4.2 伞杆柱面ROI区域自动提取算法 |
3.4.3 伞杆柱面ROI区域矩形边界修正 |
3.4.4 伞杆柱面ROI区域图像的归一化 |
3.5 本章小结 |
第四章 伞杆图像检测算法研究 |
4.1 引言 |
4.2 现有视觉定位弊端分析与图像轮廓的原理 |
4.2.1 现有视觉定位方法的弊端 |
4.2.2 图像的轮廓矩原理 |
4.2.3 图像轮廓的漫水填充 |
4.3 基于改进D-P算法的正多边形伞杆截面校正角度算法 |
4.3.1 D-P算法的原理及改进 |
4.3.2 正多边形伞杆截面的校正角度算法研究 |
4.3.3 算法实验验证 |
4.4 基于图像融合和局部图像分析的异形伞杆截面校正角度算法 |
4.4.1 图像融合原理 |
4.4.2 类0形伞杆截面的校正角度算法研究 |
4.4.3 类六边形伞杆截面的校正角度算法研究 |
4.4.4 算法实验验证 |
4.5 基于BP神经网络的高端伞杆柱面的焊缝识别 |
4.5.1 传统焊缝识别的弊端 |
4.5.2 BP神经网络的结构模型与算法原理 |
4.5.3 伞杆焊缝BP神经网络建模与设计 |
4.5.4 MLP分类器的伞杆焊缝模型训练 |
4.5.5 仿真实验 |
4.6 本章小结 |
第五章 伞杆视觉检测实验平台的搭建及验证 |
5.1 引言 |
5.2 实验平台的搭建及实验环境说明 |
5.3 系统实验与结果分析及实验系统 |
5.3.1 伞杆视觉系统样机实验过程及效果显示 |
5.3.2 伞杆截面校正角度实验及其结果分析 |
5.3.3 伞杆柱面焊缝识别实验及其结果分析 |
5.4 本章小结 |
第六章 结论与展望 |
6.1 结论 |
6.2 不足和展望 |
参考文献 |
致谢 |
作者简介 |
学位论文数据集 |
(10)基于视觉检测与图像处理分析技术的燃气管道检测方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 接触式检测法 |
1.2.2 非接触式检测法 |
1.2.3 管道缺陷图像检测技术研究现状 |
1.2.4 现有研究的不足 |
1.3 本文的研究内容 |
1.4 论文组织架构 |
第二章 燃气管道CCTV图像增强处理 |
2.1 有源CCTV燃气管道图像采集方法 |
2.2 燃气管道图像增强处理方法选择 |
2.2.1 燃气管道图像增强通用技术 |
2.2.2 燃气管道图像灰度处理 |
2.2.3 滤波与噪声去除 |
2.2.4 局部图像增强 |
2.3 边缘检测方法 |
2.4 一种基于中值滤波法的燃气管道图像局部增强方法 |
2.4.1 算法实验环境介绍 |
2.4.2 算法基本步骤 |
2.4.3 算法实验效果 |
2.4.4 算法实地测试 |
2.5 本章小结 |
第三章 燃气管道功能性缺陷模式识别 |
3.1 管道缺陷图像模式识别基本概念 |
3.2 管道功能性缺陷量化描述 |
3.3 管道功能性缺陷特征值提取 |
3.3.1 圆形度 |
3.3.2 变形度 |
3.3.3 边界离心率 |
3.3.4 采用灰度共生矩阵进行特征值模式定义 |
3.4 模糊神经网络建模与过滤器设计 |
3.4.1 模糊神经网络简介 |
3.4.2 模糊神经网络建模 |
3.4.3 模糊神经算法基本步骤 |
3.4.4 模糊神经算法应用在功能性缺陷环境下的实验比对效果 |
3.5 本章小结 |
第四章 燃气管道结构性缺陷模式识别 |
4.1 激光扫描技术原理简介 |
4.2 激光扫描系统设计 |
4.2.1 系统架构设计 |
4.2.2 系统激光扫描机制设计 |
4.3 管道结构性缺陷量化描述 |
4.4 三维激光图像轨迹获取与处理 |
4.4.1 三维激光图像空间坐标参数的获取 |
4.4.2 三维激光图像空间坐标的标定转化 |
4.4.3 燃气管道结构性缺陷的判定规则 |
4.4.4 燃气管道结构性缺陷激光图像处理实地测试 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
致谢 |
四、基于神经模式识别的建筑结构选型方案研究(论文参考文献)
- [1]光纤围栏入侵监测系统设计与优化[D]. 马诗洋. 太原理工大学, 2021(01)
- [2]氧化物半导体气体传感器的热调制特征提取及VOCs分子识别研究[D]. 刘弘禹. 中国科学技术大学, 2020(01)
- [3]国内100-150米超高层公寓结构成本影响因素研究[D]. 莫慧珊. 华南理工大学, 2020(05)
- [4]基于滚珠丝杠副性能检测平台的故障智能诊断研究[D]. 周亮. 山东建筑大学, 2020(02)
- [5]基于机器学习的阻尼器优化布置研究[D]. 赵学孟. 大连理工大学, 2020(02)
- [6]多路径循环式电梯创新设计与调度策略研究及仿真[D]. 李鑫. 山东建筑大学, 2020(11)
- [7]基于压电导波的钢制管道结构损伤识别系统的研究[D]. 许漫. 浙江工业大学, 2020(02)
- [8]振动筛健康状态监测方法研究[D]. 苏旭. 华侨大学, 2020(01)
- [9]伞杆加工过程中的机器视觉检测系统研究[D]. 陈刚. 浙江工业大学, 2020(08)
- [10]基于视觉检测与图像处理分析技术的燃气管道检测方法研究[D]. 李兰. 东南大学, 2019(01)