摘要 | 第5-6页 |
ABSTRACT | 第6-7页 |
第一章 绪论 | 第11-20页 |
1.1 选题的依据和研究的意义 | 第11-12页 |
1.2 国内外研究现状 | 第12-17页 |
1.2.1 国外研究现状 | 第12-13页 |
1.2.2 国内研究现状 | 第13-17页 |
1.3 本文的研究内容与结构安排 | 第17-20页 |
1.3.1 本文的研究内容 | 第17-18页 |
1.3.2 本文的结构安排 | 第18-20页 |
第二章 四杆机构连杆曲线的生成及其规律性分析 | 第20-30页 |
2.1 平面四杆机构的基本理论 | 第20-24页 |
2.1.1 平面四杆机构的分类 | 第20-21页 |
2.1.2 平面四杆机构的主要运动特性 | 第21-24页 |
2.2 四杆机构连杆曲线生成的研究及仿真分析 | 第24-27页 |
2.2.1 关于四杆机构连杆曲线生成的研究 | 第24-25页 |
2.2.2 四杆机构连杆曲线的仿真 | 第25-27页 |
2.3 曲线图谱库的生成及曲线形状变化的规律性分析 | 第27-29页 |
2.3.1 曲线图谱库的生成 | 第27-28页 |
2.3.2 关于连杆曲线形状变化的规律性分析 | 第28-29页 |
2.4 本章小结 | 第29-30页 |
第三章 基于傅里叶描述子的连杆曲线特征参数提取 | 第30-47页 |
3.1 几个主要的连杆曲线分析方法及比较 | 第30-31页 |
3.2 傅里叶描述子在连杆曲线中的研究 | 第31-38页 |
3.2.1 傅里叶描述子理论介绍 | 第31-33页 |
3.2.2 采用傅里叶描述子描述连杆曲线 | 第33-35页 |
3.2.3 关于傅里叶描述子描述连杆曲线的可行性分析 | 第35-38页 |
3.3 连杆曲线归一化傅里叶描述子的提取 | 第38-43页 |
3.3.1 关于傅里叶描述子鲁棒性的研究 | 第38-40页 |
3.3.2 傅里叶描述子的归一化 | 第40-41页 |
3.3.3 傅里叶描述子的个数选取 | 第41-43页 |
3.4 基于傅里叶描述子建立连杆曲线数值图谱库 | 第43-46页 |
3.4.1 归一化傅里叶描述子作为连杆曲线特征参数的优点 | 第43页 |
3.4.2 数值图谱库建立 | 第43-46页 |
3.5 本章小结 | 第46-47页 |
第四章 基于BP神经网络的连杆曲线识别 | 第47-67页 |
4.1 人工神经网络 | 第47-49页 |
4.1.1 人工神经网络的基本理论 | 第47页 |
4.1.2 人工神经网络的分类 | 第47-49页 |
4.2 BP神经网络的基本原理 | 第49-55页 |
4.2.1 BP神经网络的介绍 | 第49页 |
4.2.2 BP神经网络单个神经元的结构 | 第49-50页 |
4.2.3 BP神经网络算法原理 | 第50-55页 |
4.3 BP神经网络的设计 | 第55-62页 |
4.3.1 隐层数的确定 | 第55-56页 |
4.3.2 隐层节点数的确定 | 第56-57页 |
4.3.3 传递函数(激励函数)的确定 | 第57-58页 |
4.3.4 学习算法的确定 | 第58-61页 |
4.3.5 误差评价函数的确定 | 第61-62页 |
4.4 BP神经网络在连杆曲线识别中的研究 | 第62-66页 |
4.4.1 BP神经网络的matlab实现 | 第63-64页 |
4.4.2 BP神经网络参数的选择 | 第64-66页 |
4.5 本章小结 | 第66-67页 |
第五章 四杆机构连杆曲线复演软件系统的实现 | 第67-86页 |
5.1 软件开发平台的选择 | 第67-68页 |
5.2 系统框架的设计 | 第68-70页 |
5.3 各个功能模块的matlab程序设计 | 第70-75页 |
5.3.1 matlab生成连杆曲线 | 第70-72页 |
5.3.2 matlab提取连杆曲线傅里叶描述子 | 第72-74页 |
5.3.3 matlab实现BP神经网络识别 | 第74-75页 |
5.4 典型四杆机构连杆曲线复演的仿真分析 | 第75-85页 |
5.4.1 BP神经网络权值系数的训练 | 第75-77页 |
5.4.2 期望连杆曲线复演实例 | 第77-85页 |
5.5 本章小结 | 第85-86页 |
总结与展望 | 第86-88页 |
全文总结 | 第86-87页 |
工作展望 | 第87-88页 |
参考文献 | 第88-92页 |
攻读硕士学位期间取得的研究成果 | 第92-93页 |
致谢 | 第93-94页 |
附件 | 第94页 |