首页--工业技术论文--金属学与金属工艺论文--焊接、金属切割及金属粘接论文--加压焊论文

基于动态电阻的点焊质量在线分析研究

摘要第4-6页
Abstract第6-7页
第1章 绪论第10-20页
    1.1 选题背景及意义第10-11页
    1.2 点焊质量分析的国内外研究现状第11-16页
        1.2.1 点焊质量分析的国外研究现状第11-13页
        1.2.2 点焊质量分析的国内研究现状第13-16页
    1.3 数据采集及虚拟仪器的发展现状第16-18页
    1.4 本文主要研究内容第18-20页
第2章 点焊过程参数数据采集硬件设计第20-28页
    2.1 监测系统硬件构成概述第20页
    2.2 传感器选择第20-23页
        2.2.1 电流传感器第20-22页
        2.2.2 电压传感器第22页
        2.2.3 压力传感器第22-23页
    2.3 信号调理电路设计第23-25页
        2.3.1 电流积分电路第23页
        2.3.2 电压隔离电路第23-25页
    2.4 数据采集卡及系统终端第25-26页
        2.4.1 数据采集卡第25-26页
        2.4.2 系统终端第26页
    2.5 本章小结第26-28页
第3章 点焊过程参数数据采集软件设计第28-44页
    3.1 开发工具概述第28-31页
        3.1.1 Visual C++ 2008 开发环境第28-29页
        3.1.2 Measurement Studio 组件概述第29-30页
        3.1.3 Access 数据库简介第30-31页
    3.2 软件功能分析第31页
    3.3 人机交互界面设计第31-33页
    3.4 功能模块开发第33-40页
        3.4.1 数据采集模块第33-35页
        3.4.2 数据处理模块第35-38页
        3.4.3 质量分析模块第38-39页
        3.4.4 数据存储和查询模块第39-40页
        3.4.5 监测结果及报警显示模块第40页
    3.5 数据库支持设计第40-43页
        3.5.1 数据库功能分析第40-41页
        3.5.2 数据表设计第41-42页
        3.5.3 数据库访问第42-43页
    3.6 本章小结第43-44页
第4章 点焊质量分析模型研究第44-56页
    4.1 特征量的选取第44-45页
    4.2 点焊质量分析神经网络模型研究第45-50页
        4.2.1 人工神经网络原理概述第45-48页
        4.2.2 BP 神经网络模型研究第48-50页
    4.3 模型训练第50-54页
        4.3.1 BP 神经网络学习方法第50-54页
        4.3.2 训练结果第54页
    4.4 本章小结第54-56页
第5章 试验结果及分析第56-61页
    5.1 试验条件第56-58页
    5.2 实验结果及误差分析第58-59页
    5.3 模型优化设计第59页
    5.4 性能评定第59-60页
    5.5 本章小结第60-61页
第6章 结论第61-62页
参考文献第62-66页
致谢第66页

论文共66页,点击 下载论文
上一篇:基于机器视觉的生丝匀度动态检测系统
下一篇:微量合金元素Ni、Pb对Cu高温氧化的影响