首页--工业技术论文--轻工业、手工业论文--印刷工业论文--一般性问题论文--机械与设备论文--印刷设备论文

基于人工神经网络的印刷机自动调墨系统的研究

摘要第4-5页
Abstract第5页
第一章 绪论第9-16页
    1.1 课题来源第9页
    1.2 课题背景和意义第9-11页
    1.3 国内外研究现状第11-14页
        1.3.1 国外研究现状第11-12页
        1.3.2 国内研究现状第12-14页
    1.4 本课题的意义第14页
    1.5 本课题的主要研究内容及论文结构安排第14-16页
第二章 基于神经网络的印刷机自动调墨系统设计第16-27页
    2.1 印刷机自动调墨系统的整体方案第16-17页
    2.2 印刷机调墨系统模块第17-21页
        2.2.1 图像采集模块第17页
        2.2.2 色彩检测模块第17-20页
        2.2.3 墨量控制模块第20-21页
    2.3 人工神经网络第21-24页
        2.3.1 人工神经元的模型第21-22页
        2.3.2 激活函数第22-23页
        2.3.3 神经网络的学习第23-24页
    2.4 BP神经网络第24-26页
        2.4.1 BP神经网络的结构模型第25页
        2.4.2 BP网络学习算法第25-26页
    2.5 小结第26-27页
第三章 色彩空间转换第27-39页
    3.1 常用色彩空间第27-30页
        3.1.1 色彩空间分类第27-28页
        3.1.2 1931CIE-RGB色彩空间第28-29页
        3.1.3 CIE-XYZ色彩空间第29页
        3.1.4 CIE-L*a*b*色彩空间第29-30页
        3.1.5 CMYK色彩空间第30页
    3.2 几种常用色彩空间的转换第30-32页
        3.2.1 RGB色彩空间到XYZ空间的转换第30-31页
        3.2.2 XYZ色彩空间到L*a*b*空间的转换第31-32页
        3.2.3 L*a*b*色彩空间到CMYK空间的转换第32页
    3.3 RGB-L*a*b*色彩空间转换模型第32-38页
        3.3.1 RGB-L*a*b*色彩空间转换流程第32-33页
        3.3.2 RGB-L*a*b*色彩空间转换计算第33-36页
        3.3.3 RGB-L*a*b*色彩空间转换模型软件的编制第36-38页
    3.4 小结第38-39页
第四章 基于人工神经网络的色-墨计算第39-51页
    4.1 L*a*b*与CMYK之间的色彩空间转换第39-41页
        4.1.1 查表插值法第39-40页
        4.1.2 平面模型理论方法第40-41页
    4.2 基于神经网络L*a*b*向四色墨量转换的整体方案第41-42页
    4.3 神经网络结构模型的建立第42-46页
        4.3.1 网络样本第42-43页
        4.3.2 网络模型参数第43-44页
        4.3.3 网络学习算法第44-46页
        4.3.4 BP算法的改进第46页
    4.4 色彩空间转换实验及结论第46-50页
        4.4.1 改进的BP网络算法第46-47页
        4.4.2 神经网络色-墨转换实验第47-49页
        4.4.3 实验结论第49-50页
    4.5 小结第50-51页
第五章 基于神经网络的墨量控制策略第51-69页
    5.1 墨量调节过程第51-52页
    5.2 电机数学模型第52-56页
        5.2.1 电机微分方程模型第52-54页
        5.2.2 传递函数模型第54-56页
        5.2.3 状态空间模型第56页
    5.3 常规PID控制策略第56-60页
        5.3.1 PID控制原理第56-58页
        5.3.2 PID控制器各环节作用第58-60页
        5.3.3 PID控制器模块第60页
    5.4 PID控制器的参数整定第60-62页
        5.4.1 经验凑试法第60-61页
        5.4.2 动态特性参数法第61页
        5.4.3 稳定边界法第61-62页
    5.5 神经网络PID控制器的设计第62-68页
        5.5.1 神经网络墨量控制策略第62页
        5.5.2 神经网络PID参数整定算法第62-64页
        5.5.3 神经网络PID控制器第64-65页
        5.5.4 神经网络PID控制无刷直流电机控制仿真第65-68页
    5.6 小结第68-69页
第六章 总结与展望第69-70页
    6.1 全文总结第69页
    6.2 进一步研究方向第69-70页
致谢第70-71页
参考文献第71-75页
攻读硕士学位期间的科研成果第75页
    一、攻读硕士学位期间发表的论文第75页
    二、攻读硕士期间参与的课题第75页

论文共75页,点击 下载论文
上一篇:基于遗传算法的L系统规则自动获取算法及实现
下一篇:基于LinuxCNC的工业机器人人机交互系统研究与实现