基于神经网络的冰刀刀刃磨损测量方法的研究
| 第一章 绪论 | 第1-12页 |
| ·课题来源与研究范围 | 第8页 |
| ·课题研究的目的和意义 | 第8-9页 |
| ·国内外研究现状 | 第9-10页 |
| ·冰刀研磨机研究现状 | 第9页 |
| ·刀具磨损测量研究现状 | 第9-10页 |
| ·课题研究的主要内容 | 第10-12页 |
| 第二章 冰刀刀刃磨损测量方案流程及系统结构 | 第12-16页 |
| ·前言 | 第12页 |
| ·测量方案流程 | 第12-14页 |
| ·测量系统的整体结构 | 第14页 |
| ·系统各部分的功能 | 第14-16页 |
| 第三章 刀刃磨损量测量原理 | 第16-33页 |
| ·前言 | 第16-17页 |
| ·冰刀刀刃的建模 | 第17-19页 |
| ·理论测量公式 | 第19-23页 |
| ·刀刃磨损量与椭圆半径的关系 | 第19页 |
| ·刀刃散射光强与椭圆半径的关系 | 第19-23页 |
| ·神经网络及其在刀刃磨损测量中的应用 | 第23-33页 |
| ·人工神经网络 | 第24-29页 |
| ·维数灾难和特征提取 | 第29-31页 |
| ·前向神经网络用于刀刃磨损测量 | 第31-33页 |
| 第四章 散射光强的采集和光电传感器 | 第33-41页 |
| ·前言 | 第33页 |
| ·常用的光电传感器及选择 | 第33-35页 |
| ·CCD 光电传感器及其特点 | 第33-34页 |
| ·CMOS 光电传感器及其特点 | 第34页 |
| ·CCD 和CMOS 的比较 | 第34-35页 |
| ·CCD 的工作原理 | 第35-38页 |
| ·CCD 电荷耦合原理 | 第35-37页 |
| ·CCD 测量光强原理 | 第37-38页 |
| ·提高CCD 分辨率的措施 | 第38-41页 |
| 第五章 测量算法的设计 | 第41-70页 |
| ·前言 | 第41-42页 |
| ·CCD 信号的特征提取 | 第42-48页 |
| ·K-L 变换 | 第42-45页 |
| ·自相关阵特征值和特征向量的计算 | 第45-48页 |
| ·神经网络学习算法 | 第48-58页 |
| ·基本BP 算法 | 第49-54页 |
| ·BP 算法的改进措施 | 第54-56页 |
| ·其它学习算法 | 第56-58页 |
| ·神经网络的结构优化 | 第58-61页 |
| ·正规化方法 | 第59-60页 |
| ·修剪法 | 第60-61页 |
| ·构造法[5] | 第61页 |
| ·遗传算法及其在网络学习中的应用 | 第61-67页 |
| ·遗传算法的概念及操作步骤 | 第62-65页 |
| ·神经网络优化的遗传算法方案 | 第65-67页 |
| ·神经网络的推广能力及提高的方法 | 第67-70页 |
| ·敏感度法 | 第67-69页 |
| ·其它方法 | 第69-70页 |
| 第六章 测量系统的仿真试验及分析 | 第70-92页 |
| ·前言 | 第70页 |
| ·Matlab 神经网络工具箱简介 | 第70-74页 |
| ·神经网络的初始化函数 | 第71-72页 |
| ·建立函数 | 第72页 |
| ·学习函数 | 第72页 |
| ·训练函数 | 第72-74页 |
| ·训练样本的生成 | 第74-75页 |
| ·特征提取算法的检验 | 第75-76页 |
| ·神经网络的训练及误差 | 第76-90页 |
| ·确定网络结构的算法仿真 | 第77-86页 |
| ·网络结构的优化 | 第86-90页 |
| ·小结 | 第90-92页 |
| 第七章 结论 | 第92-94页 |
| 参考文献 | 第94-99页 |
| 摘要 | 第99-105页 |
| ABSTRACT | 第105-112页 |
| 致谢 | 第112页 |
| 导师简介 | 第112页 |
| 作者简介 | 第112页 |
