首页--工业技术论文--自动化技术、计算机技术论文--自动化基础理论论文--人工智能理论论文--人工神经网络与计算论文

基于数字滤波与BP神经网络的称重分选方法研究

摘要第7-9页
Abstract第9-10页
1 绪论第11-21页
    1.1 研究背景与意义第11-12页
    1.2 国内外研究现状第12-16页
        1.2.1 水果动态称重技术应用现状第12-15页
        1.2.2 动态称重处理方法国内外研究现状第15-16页
    1.3 研究内容和目标第16-20页
        1.3.1 研究目标第16-17页
        1.3.2 研究内容第17-19页
        1.3.3 技术路线第19-20页
    1.4 本章小结第20-21页
2 试验材料与方法第21-24页
    2.1 样本选择第21页
    2.2 基于labview的重量信息采集系统第21页
    2.3 动态称重数据采集过程第21-23页
    2.4 称重信号获取与处理第23页
    2.5 本章小结第23-24页
3 柚子动态称重分选机硬件设计第24-36页
    3.1 整机设计第24-27页
        3.1.1 上果机构第25页
        3.1.2 疏离机构第25-26页
        3.1.3 分选机构第26-27页
    3.2 柚子称重分选控制系统硬件与电路设计第27-35页
    3.3 本章小结第35-36页
4 分选系统软件设计第36-49页
    4.1 分选系统软件设计方案第36页
    4.2 分选系统电子称量软件设计第36-40页
        4.2.1 称重信号的标定第36-38页
        4.2.2 称重信号采集与处理第38页
        4.2.3 重量数据传输第38-40页
        4.2.4 分选处理第40页
    4.3 基于PLC的过程控制软件设计第40-42页
        4.3.1 I/O点分配第40-41页
        4.3.2 数据存储分配第41-42页
    4.4 上位机界面设计第42-48页
        4.4.1 上位机软件设计结构第42-43页
        4.4.2 上位机软件流程第43-44页
        4.4.3 上位机界面设计第44-46页
        4.4.4 称重信号采集程序设计第46-48页
        4.4.5 重量检测程序设计第48页
    4.5 本章小结第48-49页
5 称重装置动态特性与振动干扰分析第49-54页
    5.1 称重力学分析第49-50页
    5.2 动态称重装置固有频率测量与研究第50-51页
        5.2.1 固有频率测量方法第50-51页
        5.2.2 柚子动态称重装置固有频率测量第51页
    5.3 柚子称重装置空载振动干扰分析第51-52页
        5.3.1 振动干扰分析第51-52页
        5.3.2 空载运行速度对振动干扰的影响第52页
    5.4 动态称重信号干扰分析第52-53页
    5.5 本章小结第53-54页
6 柚子重量信息算法选择与优化第54-64页
    6.1 5种滤波方法第54-60页
        6.1.1 IIR滤波器第54-56页
        6.1.2 FIR滤波器第56-57页
        6.1.3 小波去噪第57-58页
        6.1.4 自适应NLMS滤波器第58-59页
        6.1.5 自适应RLS滤波器第59-60页
    6.2 柚子重量值估计方法第60页
    6.3 动态称重结果分析第60-62页
        6.3.1 数字滤波器滤波效果分析第60-61页
        6.3.2 动态称重结果分析第61-62页
    6.4 滤波算法执行时间第62-63页
    6.5 本章小结第63-64页
7 基于BP神经网络的柚子重量检测与分级模型第64-70页
    7.1 信号预处理与特征变量选取第64-66页
        7.1.1 信号预处理方法第64-65页
        7.1.2 神经网络特征变量选取第65-66页
    7.2 动态称重滤波分析第66-68页
    7.3 BP神经网络模型分级结果第68-69页
    7.4 本章小结第69-70页
8 结论与展望第70-72页
    8.1 结论第70-71页
    8.2 展望第71-72页
参考文献第72-76页
攻读硕士学位期间获得的研究成果第76-77页
致谢第77页

论文共77页,点击 下载论文
上一篇:基于模糊规则与机器学习的车联网数据传输机制研究
下一篇:矿山供电系统的谐波抑制与无功补偿策略研究