基于神经网络的激光点焊焊点质量预测
| 摘要 | 第1-5页 |
| Abstract | 第5-9页 |
| 第1章 绪论 | 第9-20页 |
| ·课题背景 | 第9-10页 |
| ·激光焊接过程监测研究现状 | 第10-15页 |
| ·红外辐射信号传感 | 第11-12页 |
| ·视觉信号传感 | 第12-15页 |
| ·神经网络技术在焊接中的应用 | 第15-18页 |
| ·本课题研究的主要内容 | 第18-20页 |
| 第2章 试验基础与信号处理 | 第20-35页 |
| ·引言 | 第20页 |
| ·试验基础 | 第20-23页 |
| ·试验系统 | 第20-22页 |
| ·试验材料及试件处理 | 第22-23页 |
| ·点焊熔池取像标定 | 第23-24页 |
| ·激光点焊熔池信息的处理与提取 | 第24-29页 |
| ·中值滤波处理 | 第25-26页 |
| ·基于灰度形态学运算的对比度增强 | 第26-27页 |
| ·Canny 算子提取边缘 | 第27-28页 |
| ·二值形态学的处理及特征量的提取 | 第28-29页 |
| ·温度信息的处理与提取 | 第29-34页 |
| ·红外测温原理 | 第29-30页 |
| ·发射率的热电偶定标 | 第30-31页 |
| ·测温曲线的小波去噪处理 | 第31-33页 |
| ·测温点的确定 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第3章 监测信号特征分析及回归模型的建立 | 第35-47页 |
| ·引言 | 第35页 |
| ·激光点焊过程分析 | 第35-36页 |
| ·监测信号特征分析 | 第36-42页 |
| ·熔池扩展曲线特征分析 | 第36-38页 |
| ·红外信号特征分析 | 第38-39页 |
| ·监测信号对过程干扰因素的响应情况 | 第39-41页 |
| ·特征量的提取 | 第41-42页 |
| ·样本数据的选取 | 第42-44页 |
| ·特征量与焊点质量的关系 | 第44-46页 |
| ·本章小结 | 第46-47页 |
| 第4章 焊点质量神经网络预测模型 | 第47-64页 |
| ·人工神经网络及BP 算法简介 | 第47-48页 |
| ·基于BP 网络的焊点熔合面的预测 | 第48-55页 |
| ·模型的建立 | 第48-50页 |
| ·BP 网络训练及仿真测试结果 | 第50-53页 |
| ·BP 算法的改进 | 第53-54页 |
| ·改进BP 神经网络模型 | 第54-55页 |
| ·遗传算法优化BP 的网络预测模型 | 第55-56页 |
| ·遗传算法简介 | 第56-60页 |
| ·遗传算法的特点 | 第56-58页 |
| ·遗传算法的构成 | 第58页 |
| ·遗传算法优化BP 神经网络权值阈值的过程 | 第58-59页 |
| ·遗传算法优化BP 网络预测模型 | 第59-60页 |
| ·三种预测模型的比较 | 第60-63页 |
| ·本章小结 | 第63-64页 |
| 结论 | 第64-65页 |
| 参考文献 | 第65-70页 |
| 致谢 | 第70页 |
