数据融合技术在钢炉测厚系统中的应用研究
| 第一章 绪论 | 第1-14页 |
| ·课题的来源、研究背景和意义 | 第7-8页 |
| ·数据融合理论的发展及研究现状 | 第8-12页 |
| ·国内外研究现状 | 第8-10页 |
| ·存在的主要问题及其发展方向 | 第10-12页 |
| ·本文的主要研究工作与组织结构 | 第12-14页 |
| ·主要研究工作 | 第12-13页 |
| ·论文组织结构 | 第13-14页 |
| 第二章 数据融合技术及其算法研究 | 第14-30页 |
| ·数据融合技术概述 | 第14-21页 |
| ·数据融合的算法研究 | 第21-30页 |
| ·经典推理与Bayes推理 | 第21-23页 |
| ·Dempster-Shafer证据理论 | 第23-26页 |
| ·模糊积分方法 | 第26-28页 |
| ·基于神经网络的数据融合算法 | 第28-30页 |
| 第三章 钢炉测厚系统的总体方案 | 第30-34页 |
| ·系统的总体方案 | 第30-31页 |
| ·各子系统的设计方案 | 第31-34页 |
| ·激光测厚方案设计 | 第31-32页 |
| ·火焰图像处理测量方案设计 | 第32-33页 |
| ·数据融合测量方案设计 | 第33-34页 |
| 第四章 钢炉激光测厚系统的设计 | 第34-49页 |
| ·激光测距技术的发展和现状 | 第34-35页 |
| ·激光测距原理 | 第35-40页 |
| ·激光测厚系统总体方案设计 | 第40-41页 |
| ·各子系统的设计 | 第41-49页 |
| ·发射光学系统设计 | 第41-42页 |
| ·接收光学系统设计 | 第42-43页 |
| ·发射电路系统设计 | 第43-46页 |
| ·接收电路系统设计 | 第46页 |
| ·自动数字检相系统设计 | 第46-49页 |
| 第五章 基于神经网络的融合检测系统 | 第49-69页 |
| ·人工神经网络简介 | 第49-52页 |
| ·误差反向传播(BP)神经网络 | 第52-57页 |
| ·钢炉数据融合测厚系统神经网络建模 | 第57-62页 |
| ·样本的选取和预处理 | 第57-58页 |
| ·网络结构的设计 | 第58-60页 |
| ·网络训练参数的选取 | 第60-62页 |
| ·程序实现 | 第62-69页 |
| ·程序简介 | 第62-64页 |
| ·网络生成和训练模块 | 第64-66页 |
| ·应用模块 | 第66-67页 |
| ·程序流程 | 第67-69页 |
| 第六章 总结 | 第69-71页 |
| ·本文主要完成的工作 | 第69-70页 |
| ·结论与展望 | 第70-71页 |
| 参考文献 | 第71-76页 |
| 附录A 神经网络训练样本 | 第76-78页 |
| 作者在研究生期间发表的论文 | 第78-79页 |
| 致谢 | 第79页 |
