大型电铲铲斗结构健康监测研究
| 致谢 | 第3-4页 |
| 摘要 | 第4-5页 |
| abstract | 第5-6页 |
| 变量注释表 | 第16-17页 |
| 1 绪论 | 第17-27页 |
| 1.1 研究背景及意义 | 第17-19页 |
| 1.2 相关研究概况与研究现状 | 第19-24页 |
| 1.3 研究内容与结构安排 | 第24-26页 |
| 1.4 本章小结 | 第26-27页 |
| 2 监测系统方案设计 | 第27-37页 |
| 2.1 电铲铲斗结构及故障分析 | 第27-29页 |
| 2.2 监测系统总体方案 | 第29-30页 |
| 2.3 监测系统硬件设计 | 第30-33页 |
| 2.4 监测系统软件设计 | 第33-34页 |
| 2.5 监测系统安装及实现 | 第34-36页 |
| 2.6 本章小结 | 第36-37页 |
| 3 电铲铲斗图像预处理 | 第37-57页 |
| 3.1 图像灰度化 | 第37-40页 |
| 3.2 图像灰度变换 | 第40-46页 |
| 3.3 图像去噪 | 第46-50页 |
| 3.4 图像边缘检测 | 第50-56页 |
| 3.5 本章小结 | 第56-57页 |
| 4 基于卷积神经网络的铲斗故障分类 | 第57-73页 |
| 4.1 卷积神经网络的基本结构 | 第57-62页 |
| 4.2 神经网络的训练 | 第62-65页 |
| 4.3 神经网络的优化 | 第65-67页 |
| 4.4 实验与分析 | 第67-72页 |
| 4.5 本章小结 | 第72-73页 |
| 5 基于图像匹配的斗齿识别系统设计 | 第73-95页 |
| 5.1 图像匹配的基本理论 | 第73-79页 |
| 5.2 基于SIFT特征的铲斗图像匹配 | 第79-87页 |
| 5.3 斗齿识别系统设计 | 第87-91页 |
| 5.4 图形用户界面设计 | 第91-93页 |
| 5.5 实验与分析 | 第93-94页 |
| 5.6 本章小结 | 第94-95页 |
| 6 总结与展望 | 第95-97页 |
| 6.1 工作总结 | 第95-96页 |
| 6.2 研究展望 | 第96-97页 |
| 参考文献 | 第97-101页 |
| 作者简历 | 第101-103页 |
| 学位论文数据集 | 第103页 |
