学位论文 > 优秀研究生学位论文题录展示
冷轧钢板表面质量在线监测系统研究
作 者: 秦振兴
导 师: 陈雪波
学 校: 辽宁科技大学
专 业: 控制理论与控制工程
关键词: 冷轧钢板 监测系统 RBF神经网络 缺陷识别
分类号: TG334.9
类 型: 硕士论文
年 份: 2012年
下 载: 56次
引 用: 0次
阅 读: 论文下载
内容摘要
随着冷轧钢板生产节奏的日益加快,传统的人工目视监测钢板表面质量已经难以跟上当前的生产节奏,而且人工目测抽检率低、实时性差、监测结果置信度低等,于是钢铁企业开始日益重视研究开发冷轧钢板表面质量在线监测系统。由于神经网络在自学习、自组织、自联想及容错等方面的优良特性,因此利用神经网络来实现冷轧钢板表面缺陷的分类识别技术具有一定的理论价值与实用价值。首先,本文系统论述了表面监测技术的发展情况和研究现状,并依据冷轧钢板表面质量在线监测系统的性能需求,提出了系统的设计方案,建立并描述了系统的总体结构和软件流程;其次,深入研究了冷轧钢板表面缺陷的分类识别技术,通过对缺陷图像的几何、灰度、纹理三方面特征提取方法的研究,利用人工神经网络重点设计了基于RBF的网络分类器;最后,分别从响应时间、收敛迭代次数、单次迭代响应时间以及识别率四方面与BP网络分类器进行了对比,从而说明RBF网络分类器优于BP网络分类器。该结论充分表明基于RBF的网络分类器在冷轧钢板表面缺陷的分类识别技术中更具备应用前景,使冷轧钢板表面质量在线监测系统距离实用化更近了一步。
|
全文目录
中文摘要 4-5 ABSTRACT 5-9 第一章 绪论 9-17 1.1 表面监测技术的发展 9-15 1.1.1 离线抽检与人工目测相结合的检测阶段 9-10 1.1.2 基于单纯机电技术或光电技术的检测方式 10-12 1.1.3 基于光机电一体化的机器视觉检测技术 12-15 1.2 表面监测技术的研究现状 15-16 1.3 表面监测技术的意义 16-17 第二章 冷轧钢板表面质量在线监测系统的设计 17-37 2.1 冷轧钢板表面缺陷图像及成因分析 17-18 2.2 冷轧钢板表面质量在线监测系统性能需求 18-19 2.3 系统的硬件结构设计 19-32 2.3.1 整体结构设计 19-20 2.3.2 计算机硬件系统 20 2.3.3 摄像系统的确定 20-27 2.3.4 照明方式 27-31 2.3.5 其他辅助装置 31-32 2.4 系统的软件结构设计 32-37 2.4.1 客户机软件系统 33-34 2.4.2 服务器软件系统 34-36 2.4.3 控制台软件 36-37 第三章 人工神经网络 37-43 3.1 人工神经元 37-38 3.2 人工神经网络的优点 38-39 3.3 径向基函数(RBF)神经网络的基本概念 39-43 3.3.1 RBF 神经网络中心选取方法 39-40 3.3.2 基于高斯核的RBF 神经网络拓扑结构 40-43 第四章 冷轧钢板表面缺陷的特征提取研究 43-50 4.1 几何特征提取 43-46 4.1.1 简单描述符 43-44 4.1.2 形状描述符 44-45 4.1.3 不变矩 45-46 4.2 灰度特征提取 46-47 4.3 纹理特征提取 47-50 第五章 冷轧钢板表面缺陷的分类技术研究 50-71 5.1 基于RBF 网络的分类器设计 50-54 5.1.1 RBF 网络训练 51-54 5.1.2 RBF 网络分类器的网络结构 54 5.2 冷轧钢板表面缺陷分类识别过程 54-55 5.3 RBF 网络分类器实验 55-60 5.3.1 RBF 网络训练样本的获取 55-56 5.3.2 RBF 网络分类器的识别结果 56-60 5.4 BP 网络分类器实验 60-65 5.4.1 BP 网络训练样本的获取 60-61 5.4.2 BP 网络分类器的识别结果 61-65 5.5 RBF 与BP 网络对比 65-71 5.5.1 RBF 与BP 网络训练结果对比 65-69 5.5.2 RBF 与BP 网络缺陷识别结果对比 69-71 第六章 全文总结和展望 71-73 6.1 论文总结 71-72 6.2 工作展望 72-73 参考文献 73-75 致谢 75
|
相似论文
- 基于神经网络辨识的同步发电机励磁控制研究,TM31
- 矿井水文监测系统的可靠性技术研究及应用,TD742.1
- 基于Modbus协议的医用气体压力集散监测系统开发,R197.39
- 制造业绿色产品研发的风险识别与评价研究,F205;F224
- 水情自动监测系统的设计与实现,P335
- 钢轨裂纹远程在线监测系统,U213.4
- 高校毕业生就业状况监测系统研究,G647.38
- 基于无线传感器网络的卷烟厂环境监测系统的研究与实现,TP274
- 基于RBFNN-HMM模型的网络入侵检测技术研究,TP393.08
- 输油管道连接焊缝典型缺陷分类及损伤识别,TP391.41
- 基于Web和神经网络的产业损害预警系统研究与实现,TP311.52
- 云南省电信网间互联互通监测系统建设与设计的研究,F626
- 基于人工智能优化算法的聚丙烯熔融指数预报建模优化研究,TQ325.14
- 管道漏磁内检测图像识别技术的研究,TP391.41
- 磁粉探伤缺陷识别自动化系统设计与开发,TP391.41
- 高性能嵌入式超声无损检测系统及其应用的研究,TH878.2
- 无人直升机鲁棒及自适应容错控制技术研究,V249.1
- 超声无损检测缺陷识别方法研究,TP274.53
- 海底锥探/钻深一体化装备虚拟样机研究,P744.4
- 基于RBF神经网络的注塑成型工艺多目标优化及评价研究,TQ320.662
中图分类: > 工业技术 > 金属学与金属工艺 > 金属压力加工 > 轧制 > 轧钢机械设备 > 轧制自动化
© 2012 www.xueweilunwen.com
|