基于神经网络的分拣机械手动态称重研究
| 摘要 | 第1-5页 |
| Abstract | 第5-8页 |
| 第一章 绪论 | 第8-16页 |
| §1-1 引言 | 第8页 |
| §1-2 课题的研究背景 | 第8-9页 |
| §1-3 国内外研究现状 | 第9-15页 |
| 1-3-1 动态称重概述 | 第9页 |
| 1-3-2 动态称重中需要攻关的技术及装备 | 第9-10页 |
| 1-3-3 动态称重领域的新技术 | 第10页 |
| 1-3-4 动态称重的发展现状及应用 | 第10-13页 |
| 1-3-5 多维腕力传感器的研究应用 | 第13-15页 |
| §1-4 课题的研究意义 | 第15页 |
| §1-5 课题的主要研究内容 | 第15页 |
| §1-6 本章小结 | 第15-16页 |
| 第二章 动态称重系统分析 | 第16-25页 |
| §2-1 动态称重物理系统的构建 | 第16-18页 |
| 2-1-1 动态称重系统设计的指导思想 | 第16-17页 |
| 2-1-2 动态称重系统的总体结构 | 第17-18页 |
| §2-2 动态称重系统的物理组成 | 第18-23页 |
| 2-2-1 动态称重传感器 | 第18-21页 |
| 2-2-2 机械手的形式 | 第21-23页 |
| §2-3 称重分拣系统工作流程及功能特点 | 第23-24页 |
| §2-4 本章小结 | 第24-25页 |
| 第三章 动态称重及其关键技术的实现 | 第25-36页 |
| §3-1 动态称重系统概述 | 第25-26页 |
| §3-2 传统动态称重方法研究 | 第26-32页 |
| §3-3 动态称重系统的研究分析 | 第32-35页 |
| 3-3-1 六维力传感器的特性分析 | 第32页 |
| 3-3-2 本称重系统建模的难点 | 第32-33页 |
| 3-3-3 称重的难点和重点分析 | 第33-34页 |
| 3-3-4 影响称重系统性能的因素分析 | 第34-35页 |
| §3-4 本章小结 | 第35-36页 |
| 第四章 基于神经网络的动态称重方法研究 | 第36-49页 |
| §4-1 神经网络的概述 | 第36-39页 |
| §4-2 BP 神经网络 | 第39-42页 |
| 4-2-1 BP 网络结构及算法流程 | 第39-41页 |
| 4-2-2 BP 网络的主要能力； | 第41-42页 |
| §4-3 改进的BP 神经网络 | 第42-44页 |
| 4-3-1 BP 人工神经网络模型的改进 | 第42-43页 |
| 4-3-2 神经网络学习参数的自适应学习 | 第43-44页 |
| 4-3-3 动态全参数自调整学习算法 | 第44页 |
| §4-4 改进BP 网络的建构 | 第44-48页 |
| 4-4-1 网络层数的选择 | 第44-45页 |
| 4-4-2 样本数据的采集 | 第45-47页 |
| 4-4-3 数据采集的同步性 | 第47-48页 |
| §4-5 本章小结 | 第48-49页 |
| 第五章 实验验证及误差分析 | 第49-64页 |
| §5-1 实验装备 | 第49-54页 |
| 5-1-1 物理系统 | 第49-50页 |
| 5-1-2 基于MATLAB 的神经网络的实现 | 第50-51页 |
| 5-1-3 基于LabVIEW 的神经网络的调用 | 第51页 |
| 5-1-4 六维力传感器的数据采集 | 第51-52页 |
| 5-1-5 六维力传感器的校准 | 第52-53页 |
| 5-1-6 样本数据 | 第53-54页 |
| §5-2 不同速度下的动态称重 | 第54-61页 |
| 5-2-1 电动缸的运动特性 | 第54-55页 |
| 5-2-2 动态称重流程 | 第55-57页 |
| 5-2-3 动态称重网络性能 | 第57页 |
| 5-2-4 无气源的动态称重 | 第57-59页 |
| 5-2-5 有气源的称重过程 | 第59-61页 |
| 5-2-6 动态称重误差 | 第61页 |
| §5-3 系统的可重复性试验 | 第61-63页 |
| §5-4 误差分析 | 第63页 |
| §5-5 本章小结 | 第63-64页 |
| 第六章 结论和展望 | 第64-65页 |
| 参考文献 | 第65-68页 |
| 致谢 | 第68页 |
