基于工件表面图像的刀具磨损状态监测
| 摘要 | 第1-4页 |
| Abstract | 第4-8页 |
| 1 绪论 | 第8-14页 |
| ·刀具状态监测技术的重要性 | 第8页 |
| ·刀具状态监测技术概述 | 第8-11页 |
| ·刀具状态监测技术的发展概况 | 第8-9页 |
| ·刀具状态监测技术的分类 | 第9页 |
| ·主要刀具状态监测技术及系统的特点 | 第9-11页 |
| ·基于计算机视觉的刀具磨损状态监测技术 | 第11-13页 |
| ·计算机视觉在刀具状态监测技术的应用 | 第11-12页 |
| ·基于计算机视觉的刀具状态监测技术的现状与趋势 | 第12-13页 |
| ·本文的主要研究内容 | 第13-14页 |
| 2 刀具磨损形态及工件表面纹理特征分析 | 第14-24页 |
| ·刀具磨损的基本特征和形态分析 | 第14-15页 |
| ·刀具的磨损过程和磨钝标准 | 第15-16页 |
| ·刀具的磨损过程 | 第15页 |
| ·刀具的磨钝标准 | 第15-16页 |
| ·车削加工工件表面成形过程及影响因素分析 | 第16-17页 |
| ·车削加工表面的成形过程 | 第16页 |
| ·影响已加工表面形貌的因素 | 第16-17页 |
| ·本文的实验装置及实验数据 | 第17-22页 |
| ·车削工件表面纹理的形态与刀具磨损的关系 | 第22页 |
| ·本章小结 | 第22-24页 |
| 3 工件表面图像的预处理 | 第24-40页 |
| ·引言 | 第24页 |
| ·图像的剪切 | 第24页 |
| ·图像的光照不均匀校正 | 第24-25页 |
| ·图像增强 | 第25-30页 |
| ·灰度修正 | 第26-28页 |
| ·图像平滑 | 第28-30页 |
| ·图像分割 | 第30-39页 |
| ·图像分割的基本概念 | 第31页 |
| ·边缘检测 | 第31-36页 |
| ·灰度阈值分割 | 第36-39页 |
| ·本章小结 | 第39-40页 |
| 4 基于图像纹理学的工件表面图像分析 | 第40-60页 |
| ·纹理描述 | 第40-41页 |
| ·纹理分析的基本方法介绍 | 第41-47页 |
| ·像素空间投影统计分析法 | 第41-42页 |
| ·灰度共生矩阵法 | 第42-46页 |
| ·等灰度游程长度法 | 第46-47页 |
| ·基于图像纹理学的实验数据分析 | 第47-59页 |
| ·基于像素空间投影统计法的实验数据分析 | 第47-49页 |
| ·基于灰度共生矩阵法的实验数据分析 | 第49-54页 |
| ·基于等灰度游程长度法的实验数据分析 | 第54-59页 |
| ·本章小结 | 第59-60页 |
| 5 基于分形布朗运动的工件表面图像分析 | 第60-68页 |
| ·分形几何的概念 | 第60页 |
| ·分形布朗运动 | 第60-64页 |
| ·布朗运动 | 第60-61页 |
| ·分形布朗运动的基本理论 | 第61-63页 |
| ·功率谱和分形维数 | 第63页 |
| ·基于分形布朗运动的工件图像特征提取的算法 | 第63-64页 |
| ·基于分形布朗运动的实验数据分析 | 第64-66页 |
| ·本章小结 | 第66-68页 |
| 6 基于BP 神经网络的刀具状态识别 | 第68-74页 |
| ·神经网络的理论基础 | 第68-69页 |
| ·神经元模型 | 第68页 |
| ·神经网络模型 | 第68-69页 |
| ·BP 神经网络 | 第69-70页 |
| ·BP 网络结构 | 第69-70页 |
| ·BP 网络参数 | 第70页 |
| ·基于BP 神经网络的刀具状态识别 | 第70-73页 |
| ·基于BP 神经网络的刀具状态识别系统的建立 | 第70-71页 |
| ·特征参数的选取及网络的建立 | 第71-72页 |
| ·刀具状态识别结果 | 第72-73页 |
| ·本章小结 | 第73-74页 |
| 7 结论与展望 | 第74-76页 |
| ·全文总结 | 第74页 |
| ·发展与展望 | 第74-76页 |
| 致谢 | 第76-78页 |
| 参考文献 | 第78-82页 |
| 攻读硕士学位期间发表论文与参与项目 | 第82页 |
