基于BP神经网络和机器视觉测量的并行控制系统研究
| 摘要 | 第1-6页 |
| Abstract | 第6-10页 |
| TABLE OF CONTENTS | 第10-13页 |
| 第一章 绪论 | 第13-19页 |
| ·课题来源 | 第13-14页 |
| ·课题背景 | 第14-17页 |
| ·绗缝加工简介 | 第14-15页 |
| ·多针绗缝加工控制技术的国内外现状和发展 | 第15-16页 |
| ·单针绗缝加工技术现状 | 第16-17页 |
| ·主要研究内容 | 第17-19页 |
| ·控制系统的结构 | 第17-18页 |
| ·课题研究的主要内容 | 第18-19页 |
| 第二章 柔性物料变形量预测的神经网络理论基础 | 第19-31页 |
| ·柔性物料变形量预测的作用 | 第19-20页 |
| ·神经网络理论 | 第20-26页 |
| ·神经元模型 | 第21-24页 |
| ·神经网络的基本结构 | 第24-26页 |
| ·BP神经网络及其算法 | 第26-31页 |
| ·BP网络结构 | 第27-28页 |
| ·BP算法 | 第28-31页 |
| 第三章 基于BP神经网络和PID的并行控制 | 第31-39页 |
| ·柔性物料加工变形量的BP预测模型构建 | 第32-35页 |
| ·BP预测模型的结构设计 | 第32-34页 |
| ·网络权初值的选取 | 第34页 |
| ·输入样本的归一化 | 第34-35页 |
| ·BP算法改进方法的比较和选取 | 第35-37页 |
| ·BP预测模型和PID并行控制的MATLAB仿真 | 第37-39页 |
| 第四章 柔性物料加工中变形量的计算机视觉测量 | 第39-53页 |
| ·柔性物料图象边缘的动态跟踪方法 | 第39页 |
| ·加工轨迹的确定 | 第39页 |
| ·柔性物料变形量的动态检测 | 第39页 |
| ·柔性物料图像采集系统 | 第39-43页 |
| ·柔性物料图像采集系统的构成 | 第40页 |
| ·CCD传感器 | 第40-41页 |
| ·图像采集卡 | 第41-43页 |
| ·辅助光源 | 第43页 |
| ·柔性物料图象边缘提取方法 | 第43-51页 |
| ·边缘检测区域的确定 | 第44页 |
| ·图像边缘提取算法 | 第44-50页 |
| ·各种边缘检测算子的比较及实验结果分析 | 第50-51页 |
| ·特定区域图象边缘提取的VC++实现 | 第51-53页 |
| 第五章 BP神经网络的FPGA实现初探 | 第53-70页 |
| ·神经网络实现技术的现状 | 第53-56页 |
| ·神经网络的全硬件实现技术 | 第54页 |
| ·DSP、ASIC、FPGA三种方案的比较 | 第54-56页 |
| ·FPGA简介 | 第56-61页 |
| ·FPGA的历史 | 第56-57页 |
| ·FPGA的结构 | 第57-61页 |
| ·BP神经网络的FPGA硬件实现 | 第61-70页 |
| ·FPGA的VHDL硬件描述语言设计流程 | 第62-63页 |
| ·BP神经网络的功能模块设计 | 第63-70页 |
| 结论 | 第70-72页 |
| 参考文献 | 第72-76页 |
| 攻读学位期间发表的论文及科研获奖 | 第76-77页 |
| 独创性声明 | 第77-78页 |
| 致谢 | 第78页 |
