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 |