首页--工业技术论文--自动化技术、计算机技术论文--计算技术、计算机技术论文--计算机的应用论文--信息处理(信息加工)论文--模式识别与装置论文

基于图形识别的数控机床运动误差快速溯因与推算

摘要第4-5页
Abstract第5-6页
1 绪论第9-15页
    1.1 本论文研究的背景与意义第9-10页
    1.2 课题来源第10页
    1.3 国内外研究现状第10-13页
        1.3.1 数控机床运动误差及圆运动第10-11页
        1.3.2 图形识别技术的研究现状第11-12页
        1.3.3 径向基函数神经网络第12页
        1.3.4 数控机床运动误差溯因的研究现状第12-13页
    1.4 课题研究内容第13-15页
2 分维角点检测算子开发研究第15-33页
    2.1 圆运动误差轨迹模型第15-19页
        2.1.1 圆运动误差轨迹模型的建立第15-16页
        2.1.2 圆运动误差轨迹图形与误差源映射关系第16-19页
        2.1.3 小结第19页
    2.2 图形识别第19-21页
        2.2.1 图形识别简述第19-20页
        2.2.2 图形识别特征提取方法研究第20-21页
    2.3 角点检测第21-24页
        2.3.1 角点检测简述第21-22页
        2.3.2 角点检测算法研究第22-24页
    2.4 圆运动误差轨迹图形的采集第24-28页
        2.4.1 西门子 840D SL数控系统圆度测试第24-26页
        2.4.2 西门子 840D SL数控系统圆度测试图形采集第26-28页
    2.5 分维角点检测算子的开发建立研究第28-32页
        2.5.1 误差轨迹图形预处理第28-31页
        2.5.2 特征角点检测提取第31-32页
        2.5.3 图形的分维处理第32页
    2.6 本章小结第32-33页
3 特征矩阵到误差轨迹图形映射关系第33-43页
    3.1 特征矩阵到误差图形映射关系的建立第33-36页
        3.1.1 特征矩阵参数的选取第33页
        3.1.2 特征矩阵到误差图形映射关系的建立第33-36页
    3.2 支持向量机第36-40页
        3.2.1 支持向量机机理的研究第36-38页
        3.2.2 支持向量机的核函数第38-39页
        3.2.3 支持向量机的多类分类算法第39-40页
    3.3 映射关系鲁棒性的验证第40-41页
        3.3.1 支持向量机对映射关系的验证第40-41页
    3.4 本章小结第41-43页
4 综合误差溯因网络的建立研究第43-59页
    4.1 径向基函数神经网络第43-47页
        4.1.1 径向基函数神经网络结构第43-44页
        4.1.2 径向基函数神经网络原理第44-46页
        4.1.3 径向基函数神经网络学习方法第46-47页
    4.2 综合误差溯因网络的建立第47-49页
        4.2.1 溯因网络的结构第47-48页
        4.2.2 溯因网络的训练第48-49页
    4.3 溯因网络的实验分析第49-55页
    4.4 软件设计第55-57页
    4.5 本章小结第57-59页
5 总结与展望第59-61页
    5.1 研究总结第59页
    5.2 课题展望第59-61页
致谢第61-63页
参考文献第63-67页
附录 1第67-69页
附录 2第69-78页

论文共78页,点击 下载论文
上一篇:两边连接钢—聚氨酯组合剪力墙抗震性能研究
下一篇:基于大涡模拟的锯齿尾缘翼型流动分析及气动噪声预测