镀锌板电阻点焊质量评判方法的研究
| 摘要 | 第1-8页 |
| ABSTRACT | 第8-10页 |
| 第1章 绪论 | 第10-23页 |
| ·研究背景 | 第10-11页 |
| ·研究背景 | 第10页 |
| ·研究的意义 | 第10-11页 |
| ·课题的来源 | 第11页 |
| ·图像处理技术的发展 | 第11-14页 |
| ·图像处理技术应用 | 第11-13页 |
| ·图像处理技术最新的研究发展 | 第13-14页 |
| ·电阻点焊质量评判研究及发展现状 | 第14-20页 |
| ·点焊电参数质量监控方法 | 第15-16页 |
| ·点焊物理参数质量监控方法 | 第16-17页 |
| ·监控某一过程参数的曲线 | 第17-18页 |
| ·点焊多参量综合监测技术 | 第18-19页 |
| ·人工智能的应用 | 第19-20页 |
| ·目前存在的问题 | 第20-21页 |
| ·本文主要研究的内容 | 第21-23页 |
| 第2章 焊点表面图像的获取和预处理 | 第23-33页 |
| ·数字图像获取 | 第23-24页 |
| ·图像的预处理 | 第24-32页 |
| ·图像灰度化 | 第25页 |
| ·灰度直方图均衡化 | 第25-26页 |
| ·去除背景图像 | 第26-27页 |
| ·去除噪声 | 第27-29页 |
| ·边缘检测 | 第29-30页 |
| ·图像分割 | 第30-32页 |
| ·本章小结 | 第32-33页 |
| 第3章 基于焊点表面图像的质量评判方法研究 | 第33-44页 |
| ·实验设计 | 第33页 |
| ·焊点表面图像的初步分析 | 第33-35页 |
| ·特征区面积的提取与测定 | 第35-36页 |
| ·特征区域面积与剪切强度的相关性分析 | 第36-37页 |
| ·BP神经网络的质量评判模型的建立 | 第37-42页 |
| ·BP网络的结构 | 第37-38页 |
| ·BP网络学习 | 第38-41页 |
| ·选取输入模型的特征参数 | 第41页 |
| ·特征参数归一化 | 第41-42页 |
| ·BP网络模型的训练与结果 | 第42-43页 |
| ·BP模型的验证 | 第43页 |
| ·本章小结 | 第43-44页 |
| 第4章 点焊过程中动态信号的获取 | 第44-54页 |
| ·点焊过程信号采集平台的搭建 | 第44-47页 |
| ·硬件系统的构成 | 第44-46页 |
| ·AC6115采集卡 | 第44-45页 |
| ·Rogowski线圈大电流传感器 | 第45页 |
| ·DA—5型直流差动变压器位移传感器 | 第45-46页 |
| ·信号采集系统软件 | 第46-47页 |
| ·信号曲线获取与处理方法 | 第47-52页 |
| ·信号预处理 | 第48页 |
| ·动态信号的时域分析 | 第48-52页 |
| ·焊接电流、电压信号分析 | 第49-50页 |
| ·动态电阻信号分析 | 第50-51页 |
| ·电极位移信号分析 | 第51页 |
| ·动态电阻电极位移信号与点焊过程分析 | 第51-52页 |
| ·本章小结 | 第52-54页 |
| 第5章 基于动态信号特征参数的质量分类模型 | 第54-68页 |
| ·实验的设计 | 第54页 |
| ·信号的获取及特征信号的提取 | 第54-56页 |
| ·镀锌层对点焊焊接过程信号的影响 | 第56-57页 |
| ·特征参数的提取 | 第57页 |
| ·相关性分析 | 第57-59页 |
| ·点焊质量分类及监控模型的建立 | 第59-67页 |
| ·相关知识 | 第59-63页 |
| ·SOM神经网络 | 第63-67页 |
| ·SOM网络的学习及工作规则 | 第64-65页 |
| ·SOM网络的训练 | 第65-66页 |
| ·SOM网络模型的验证 | 第66-67页 |
| ·本章小结 | 第67-68页 |
| 第6章 结论 | 第68-69页 |
| 参考文献 | 第69-73页 |
| 致谢 | 第73-74页 |
| 附录A 攻读硕士期间发表论文 | 第74页 |
