基于RBFNN的烧结矿氧化亚铁含量实时检测系统的研究
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 第1章 引言 | 第8-14页 |
| ·选题研究背景 | 第8-11页 |
| ·当前研究现状 | 第11-12页 |
| ·论文创新点 | 第12-13页 |
| ·论文研究的基本思路 | 第13-14页 |
| 第2章 最佳机尾断面的获取 | 第14-22页 |
| ·烧结过程介绍 | 第14-16页 |
| ·最佳机尾断面图像 | 第16-17页 |
| ·基于差分的最佳机尾断面图像选取算法 | 第17-20页 |
| ·断面图像序列的差分研究 | 第17-19页 |
| ·基于差分的最佳机尾断面选取算法实现 | 第19-20页 |
| ·本章小结 | 第20-22页 |
| 第3章 机尾断面图像特征参数的提取 | 第22-35页 |
| ·数字图像处理 | 第22-30页 |
| ·数字图像处理简介 | 第22-23页 |
| ·图像的采样和灰度分级 | 第23-25页 |
| ·烧结机尾断面图像灰度化处理 | 第25-26页 |
| ·数字图像增强方法 | 第26-28页 |
| ·数字图像的分割 | 第28-30页 |
| ·提取断面图像特征参数 | 第30-33页 |
| ·提取红火率 | 第30-32页 |
| ·提取气孔率 | 第32-33页 |
| ·本章小结 | 第33-35页 |
| 第4章 氧化亚铁含量实时预测模型设计 | 第35-50页 |
| ·实时预测原理介绍 | 第35-37页 |
| ·FCM算法简介 | 第37-45页 |
| ·数据样本集的C划分 | 第38-39页 |
| ·目标函数的聚类 | 第39-40页 |
| ·聚类准则 | 第40-41页 |
| ·FCM算法 | 第41-43页 |
| ·确定最佳分类数 | 第43-44页 |
| ·FCM算法分级结果 | 第44-45页 |
| ·径向基函数神经网络 | 第45-48页 |
| ·径向基函数神经网络原理 | 第45-46页 |
| ·选择数据样本 | 第46-47页 |
| ·数据样本归一化处理 | 第47页 |
| ·网络的建立 | 第47-48页 |
| ·RBF网络模型更新 | 第48页 |
| ·本章小节 | 第48-50页 |
| 第5章 系统设计及实验数据分析 | 第50-60页 |
| ·硬件设计 | 第50-53页 |
| ·CCD工业摄像机的选择 | 第51-52页 |
| ·选取相机镜头 | 第52页 |
| ·选择图像采集卡 | 第52页 |
| ·确定图像传送方式 | 第52页 |
| ·其它系统硬件配置 | 第52-53页 |
| ·系统软件设计 | 第53-55页 |
| ·程序组件化设计 | 第53-54页 |
| ·组件接口和功能说明 | 第54-55页 |
| ·系统试验 | 第55页 |
| ·系统实验数据分析 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第6章 结论与展望 | 第60-61页 |
| 参考文献 | 第61-64页 |
| 致谢 | 第64-65页 |
| 攻读学位期间发表的学术论文目录 | 第65页 |
