| 摘要 | 第1-5页 |
| Abstract | 第5-12页 |
| 第一章 绪论 | 第12-18页 |
| ·研究背景 | 第12-13页 |
| ·视觉传感是最有发展前途的焊缝偏差测量技术 | 第13-14页 |
| ·视觉传感在焊缝偏差测量和跟踪中的应用 | 第14-15页 |
| ·焊缝偏差测量技术国内外研究现状 | 第15-16页 |
| ·本课题选题的意义与研究内容 | 第16-17页 |
| ·小结 | 第17-18页 |
| 第二章 实验系统与焊前焊缝图像处理 | 第18-27页 |
| ·实验装置硬件系统简述 | 第18-21页 |
| ·CCD传感器的标定 | 第20页 |
| ·焊接模块 | 第20-21页 |
| ·实验装置软件系统简介 | 第21-22页 |
| ·焊前图像处理技术研究 | 第22-26页 |
| ·焊前图像的中值滤波 | 第23页 |
| ·焊前图像的自动阈值分割 | 第23-25页 |
| ·焊前图像的数学形态学处理 | 第25-26页 |
| ·小结 | 第26-27页 |
| 第三章 熔池图像质心焊缝偏差回归模型的建立 | 第27-42页 |
| ·熔池图像的获取 | 第27-28页 |
| ·熔池处理区域的选取 | 第28-29页 |
| ·熔池选定区域图像处理 | 第29-31页 |
| ·选定区域的中值滤波 | 第29页 |
| ·选定区域的图像增强处理 | 第29-31页 |
| ·熔池图像质心的获取 | 第31-32页 |
| ·焊接工艺试验 | 第32-35页 |
| ·熔池图像质心焊缝偏差回归方程建立 | 第35-39页 |
| ·回归模型显著性检验 | 第39-41页 |
| ·小结 | 第41-42页 |
| 第四章 人工神经网络焊缝偏差测量视觉模型的建立 | 第42-78页 |
| ·神经网络概述 | 第42-43页 |
| ·神经网络基本原理 | 第43-47页 |
| ·BP神经网络仿真试验 | 第47-49页 |
| ·改进的BP神经网络算法比较 | 第49-57页 |
| ·动量梯度下降法 | 第49-50页 |
| ·弹性梯度下降法 | 第50-52页 |
| ·共轭梯度法 | 第52-55页 |
| ·拟牛顿法 | 第55-56页 |
| ·各种算法比较 | 第56-57页 |
| ·特定工艺条件下焊缝偏差神经网络视觉模型的建立及其通用性检验 | 第57-68页 |
| ·特定工艺条件下焊缝偏差测量视觉模型的建立 | 第57-59页 |
| ·视觉模型显著性检验 | 第59-61页 |
| ·视觉模型通用性检验 | 第61-68页 |
| ·不同工艺条件下焊缝偏差神经网络视觉模型的建立及其通用性检验 | 第68-77页 |
| ·不同工艺条件下焊缝偏差测量视觉模型的建立 | 第69-71页 |
| ·视觉模型显著性检验 | 第71-72页 |
| ·视觉模型通用性检验 | 第72-77页 |
| ·小结 | 第77-78页 |
| 总结与展望 | 第78-80页 |
| 参考文献 | 第80-84页 |
| 攻读学位期间发表的论文 | 第84-86页 |
| 致谢 | 第86-87页 |
| 附录 | 第87-92页 |
| 附录1 实验控制系统 VC++源程序(部分) | 第87-91页 |
| 附录2 熔池图像质心计算 Matlab程序(部分) | 第91-92页 |
| 附录3 神经网络训练 Matlab程序(部分) | 第92页 |
