减振器生产过程中缺陷产品自动识别
| 摘要 | 第1-6页 |
| ABSTRACT | 第6-10页 |
| 第1章 绪论 | 第10-16页 |
| ·引言 | 第10-12页 |
| ·研究背景及意义 | 第12-13页 |
| ·课题研究概述 | 第13-16页 |
| ·课题主要研究内容 | 第13-14页 |
| ·课题研究的技术路线 | 第14-16页 |
| 第2章 减振器缺陷产品示功图类型分析 | 第16-29页 |
| ·减振器示功机简介 | 第16-20页 |
| ·示功机功能 | 第16-17页 |
| ·示功机设备 | 第17-18页 |
| ·示功机激振系统及其运动学分析 | 第18-20页 |
| ·减振器示功图分析 | 第20-27页 |
| ·减振器示功图要求 | 第20-21页 |
| ·减振器示功图类型分析 | 第21-27页 |
| ·目前采用的减振器示功图识别方法 | 第27-28页 |
| ·本章小结 | 第28-29页 |
| 第3章 减振器示功图数据采集 | 第29-34页 |
| ·数据采集过程 | 第29-30页 |
| ·数据采集软件系统 | 第30-31页 |
| ·数据预处理 | 第30-31页 |
| ·示功图绘制参数提取 | 第31页 |
| ·减振器示功机识别的特征参数提取 | 第31-33页 |
| ·特征提取的概念 | 第31页 |
| ·提取特征参数 | 第31-32页 |
| ·特征参数提取 | 第32-33页 |
| ·本章小结 | 第33-34页 |
| 第4章 BP 神经网络的MATLAB 实现 | 第34-47页 |
| ·BP 神经网络 | 第34-40页 |
| ·人工神经网络与BP 神经网络 | 第34-35页 |
| ·BP 网络学习算法 | 第35-39页 |
| ·BP 算法流程 | 第39-40页 |
| ·BP 网络的训练要求与规则 | 第40页 |
| ·MATLAB 及其神经网络工具箱 | 第40-41页 |
| ·BP 神经网络的MATLAB 实现 | 第41-43页 |
| ·BP 网络的创建 | 第41-42页 |
| ·BP 神经网络的训练 | 第42-43页 |
| ·减振器示功图类型分析 | 第43页 |
| ·BP 网络中主要参数的确定方法 | 第43-45页 |
| ·BP 网络隐层数的选定 | 第43页 |
| ·BP 网络隐层节点数的选定 | 第43-44页 |
| ·BP 网络传递函数的选择 | 第44-45页 |
| ·BP 网络训练函数的选择 | 第45页 |
| ·本章小结 | 第45-47页 |
| 第5章 减振器缺陷产品自动识别系统 | 第47-63页 |
| ·测试系统 | 第47-52页 |
| ·测试系统建立 | 第47-49页 |
| ·测试系统检测与分析 | 第49-52页 |
| ·识别系统 | 第52-58页 |
| ·识别系统建立 | 第52-54页 |
| ·识别系统检测与分析 | 第54-58页 |
| ·识别系统精度优化 | 第58-62页 |
| ·优化识别系统建立 | 第58-60页 |
| ·优化后的识别系统检测与分析 | 第60-62页 |
| ·本章小结 | 第62-63页 |
| 第6章 总结与展望 | 第63-65页 |
| ·总结 | 第63-64页 |
| ·展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68-69页 |
| 攻读学位期间参加的科研项目和成果 | 第69页 |
