一、数字图像识别在测控系统中的应用(论文文献综述)
刘绘生[1](2020)在《低粒子真空阀门分析验证平台的测控系统的研究与实现》文中进行了进一步梳理低粒子真空阀门是半导体、集成电路和光伏组件生产中不可缺少的设备,所以有着极高的质量要求。低粒子真空阀门在工作过程中脱落的颗粒对产品的污染会造成重大经济损失,所以对生产的低粒子真空阀门进行脱落颗粒检测是未来行业必不可少的环节,并且阀门的脱落颗粒数据将成为低粒子真空阀门的重要检测指标。目前低粒子真空阀门的生产和检测技术都被国外企业垄断,国内针对低粒子阀门的研究也处于空白阶段。本文设计了一套低粒子真空阀门分析验证平台,通过电气控制系统模拟低粒子真空阀门在实际工况中的工作情况,完成对低粒子真空阀门脱落颗粒粒径的检测。具体内容如下:(1)查阅国内外文献资料,并结合本课题的低粒子真空阀门制造工艺,分析阀门脱落颗粒来源,为下一步颗粒检测方案设计提供参考依据。(2)分析目前的颗粒检测技术,针对本次颗粒检测的实际情况和相关指标等,对颗粒检测方案进行对比,选择出适合本课题的颗粒检测方案。(3)基于本文选择的光散射颗粒粒度检测方案,进行分析验证平台总体方案设计。其中包括真空系统、控制系统以及上位机监控系统方案设计。(4)低粒子真空阀门分析验证平台的硬件电路系统设计和软件系统设计。对以PLC为控制核心的测控系统硬件电路进行设计,并对分子泵、干泵、真空度传感器和粒子计数器等关键性器件选型,最终基于各个外围硬件设备的电气连接特性,进行控制电路连接和数据通信。同时对PLC进行程序编写,完成相关设备的控制和数据采集。通过LabVIEW上位机实现对测试台的控制和状态监控。(5)完成低粒子真空阀门分析验证平台的实际搭建工作,并对测控系统的硬件电路和软件系统进行调试,通过对电路元器件接线、调试以及对软件的优化,最终完成一套可以交付使用的低粒子真空阀门分析验证平台。
许璇[2](2019)在《基于图像识别的体积管自动检定系统》文中研究说明在石油工业的传输交接过程中,体积管是一种常用的流量计检定装置,体积管周期检定的准确度直接影响流量计的计量性能,并关系到油田的经济效益与计量信誉。针对当前使用的体积管检定系统存在着自动化水平不高、检定精度和效率较低、检定操作人员劳动强度大等问题,本文研究与设计了一套基于图像识别的体积管自动检定系统,完成的主要工作与成果如下:(1)根据体积管检定原理,确定了系统功能需求与参数技术指标,完成了系统总体方案设计。完成了体积管检定系统的软硬件设计与实现,分为PLC测控系统、计量颈液位控制与测量系统、上位机控制系统三部分。(2)设计了一种采用分段控制思想的计量颈液位控制系统,通过流量计检测入口累计流量、估算液位位置,阶梯式控制检定系统的入口流量,将计量颈液位控制在示液管最佳可视范围内;设计了一种相机-液位随动控制系统,通过实时采集液位图像信息,判断液位位置,控制步进电机将相机移动至与液位保持相对水平位置,实现了相机对液位的自动跟踪,提高了液位图像采集的速度与精度。(3)提出了一种基于图像识别的计量颈液位测量方法,实现了体积管自动检定系统计量颈液位的自动识别,为系统的全自动化检定奠定基础。采用滤波、高光抑制、边缘检测、K-Means聚类等设计了一种液位图像分割算法,解决了液位图像中示液管与刻度尺图像的分割问题;根据凹液面的读数标识线与形状特点,提出了一种凹液面重构与识别算法,通过自适应灰度化法提取、拟合与重构等步骤,获取了液位像素坐标值;基于均衡亮度、边缘特征查找、SVM、先验知识等设计了一种刻度尺参数识别算法,实现了刻度数字与刻度线的识别;结合刻度值与凹液面的对应关系,确定了液位测量值。(4)分别从液位控制、液位识别及系统功能等方面对体积管检定系统进行测试。测试结果表明,液位控制精确,液位识别与游标卡尺读取误差小于±0.5mm,系统功能完善,符合设计需求,提高了检定精度与自动化水平。
张龙[3](2017)在《环形流速标准装置研制及数据处理方法研究》文中进行了进一步梳理流速是水文观测的基本要素之一,准确测量流速对于水利工程、生态环境、防汛抗灾、军事行动等都有着极其重要的作用。因此流速测量已成为气象、水文、环境等多个领域的研究重点。为保证流速测量结果的准确一致,需对现有流速测量设备建立完善的计量检定体系。目前国内外通用的流速仪检定设备为直线静水水槽和检定车,然而该设备体积庞大、建造及维护成本高,且可用设备数量较少,导致目前转子式流速仪的计量检定工作效率较低且费用较高。因此,有必要研制一种基于环形水槽的流速标准装置,为小型转子式流速仪提供检定服务。首先,进行了装置的总体设计和协同优化。对比分析了国内外现有流速检定设备的基本参数及存在的问题,提出了研制一套小型轻便式流速标准装置的必要性,并明确了装置的设计目标和技术参数;根据标准装置的功能需求设计了测控系统的工作流程,并运用SolidWorks三维建模工具设计了装置的概念模型;为提高装置的自动化程度,采用基于BP神经网络的数字图像识别方法自动识别被检仪器的示值。为实现标准装置设计方案的参数化,本文运用改进的多学科协同优化算法求解装置各学科设计变量的最优解。根据装置设计目标,分别建立了环形水槽几何参数、伺服系统运动参数和标准装置总体重量三个子学科的优化模型,求解并验证了优化结果的合理性,实现了标准装置的优化设计。其次,完成了标准装置硬件电路和检定软件的设计与实现。通过伺服驱动器工作模式设置和电平转换接口,实现了伺服电机的转速控制。运用RS-422串行通信总线技术和ADM3485接口芯片实现了编码器数据读取。运用三模式以太网MAC、GTP高速串行收发器等Xilinx IP核和88E1111 PHY芯片,实现了FPGA与上位机之间的高速以太网数据通信。运用面向对象的程序设计方法和多层架构模型完成了标准装置检定软件的设计与实现。软件具体的功能模块由C++程序设计语言实现,检定数据管理由SQL Server数据库实现。最后,通过融合灰色系统理论和不确定度评定方法,建立了适用于小样本且数据分布类型未知情况下的非统计不确定度评定模型,并将其运用到检定结果的不确定度评定中。选取一系列流速检定点进行实验,分别采用灰色系统方法、贝塞尔法、极差法、最大误差法计算检定结果的A类不确定度分量。通过对比分析证明了灰色系统理论在小样本数据测量不确定度评定问题中的可行性,并对标准装置B类不确定度分量的来源和评定方法进行了研究。
王秀梅[4](2009)在《单喷嘴流量试验器计算机测控系统研究》文中进行了进一步梳理航空发动机燃油喷嘴作为发动机的关键部件之一,其雾化特性直接影响燃油在燃烧室内的雾化、蒸发、掺混及燃烧过程,并决定燃料在燃烧空间内的分布状况。因此在投入使用前有必要对喷嘴的性能进行全面的检测与分析,而这就需要有专门对此进行检测的设备,该设备的工作性能、检测精度及检测效率等将直接影响发动机喷嘴的检测质量。单喷嘴流量试验器就是为专门检测喷嘴的喷雾特性而设计的非标设备。本文主要研究工作如下:(1)根据论文的研究内容,介绍了计算测控系统的特点、组成结构和研究现状;分析了发动机燃油喷嘴的发展和国内外研究现状。(2)详细阐述了燃油流量试验器的基本功能,搭建了试验器的软硬件结构;研究了测控系统的工作原理及实现方式,给出了测控系统结构流程图。(3)针对图像处理技术,分析了计算机数字图像处理的一般过程,研究了图像处理常用方法;画出了图像处理流程图,编写了图像识别与测控系统软件。(4)给出了喷嘴雾化锥角和喷嘴流量不均匀度的定义及检测方法,分析了喷嘴测试系统的压力流量特性。通过将测控系统与图像处理技术的有机结合,研究了不同温度、压力以及喷嘴周向转角条件下喷雾锥角和不均匀度特性,得出了不同条件下喷嘴的雾化特性变化曲线。通过对单喷嘴流量试验器测控系统的开发,分析了测控系统要求,构建了试验器测控系统的软硬件结构,完成了测控系统的软件开发,实现了发动机燃油喷嘴的流量特性测试,证明了流量试验器测控系统工作稳定,性能可靠。同时,根据试验结果得出了不同条件下喷嘴的喷雾锥角和不均匀度特性,并从多方面解释了影响喷嘴雾化特性的因素。
杨维剑[5](2007)在《基于单片机的工业在线数字图像检测系统研究与实现》文中进行了进一步梳理模式识别是人工智能领域的重要课题,在很多应用领域,模式识别取得了很好的应用。但是将模式识别技术应用在基于单片机的工业检测领域,是一种新的尝试。在工业检测领域,由于其环境的复杂性,产品的多样性,给模式识别在工业检测领域中的应用提出了新的挑战。然而,随着电子技术的发展,以及数字图像技术的发展,实现高分辨率数字图像的实时采集、处理、传输成为可能,同时为模式识别在数字图像中的应用提供了坚实的物质基础。论文就工业在线检测中的性质和特点,尤其针对在对产品进行外观检测中,对于用普通工具或普通测试方法无法进行的异型曲面表面的测试,利用嵌入式单片机技术和数字图像传感技术,在工业在线检测现场实时获取高分辨率的数字图像;在嵌入式单片机中实现对数字图像进行在线处理。根据嵌入式单片机和工业在线检测的特点,选择适合的处理算法对数字图像进行处理,建立适合在嵌入式单片机的机器学习档案,选取合格的产品进行机器学习,在嵌入式单片机中实现对采集的图像进行模式识别。对待测产品,根据要求加以判断,给出不同的判别结果,利用识别的结果控制相应的生产线。本文首先针对工业在线检测现场,在嵌入式单片机中对数字图像采集和处理特点,选取合适的芯片L4V8M440,成功解决了主要存在内存容量和计算速度两大问题。选取CMOS黑白图像传感器芯片OV9121,提高了数字图像的分辨率(与同档次的CMOS彩色图像传感器芯片相比,分辨率是彩色图像芯片的3倍)。为了提高嵌入式单片机的处理速度,选取C8051F120作为CPU。成功实现了数字图像的实时采集。其次,通过对数字图像处理方法的分析,以及图像芯片OV9121产生的图像格式特点的分析,提出了适合在本系统中的图像处理方法;通过对机器学习和模式识别的分析和讨论,以及嵌入式单片机的特点分析,提出了适合在嵌入式单片机中进行机器学习的方法以及在嵌入式单片机中进行模式识别的方法。最后,根据工业在线检测的总体要求,给出了整个系统设计和应用方案。并进行了模拟实验,对实验结果进行了分析,达到了预期的实验效果。
王海波[6](2006)在《基于数字图像处理浮选测控系统研究》文中指出随着计算机技术、微电子技术、信息技术和网络技术的发展,人类进入了信息社会。在整个信息源中,图像信息占了70%以上。图像经采集、传输、处理等过程后,最终成为人们需要的信息。数字图像在许多领域得到了广泛的应用,数字视频日益成为广泛应用的媒体,视频的采集与处理技术已成为大家研究的一个重点。本课题的目的是构建一个低成本、数字化的图像采集和处理平台。 浮选工业过程由人工观测泡沫来进行现场操作已经不适应浮选过程计算机控制的需要。为此,进行了浮选泡沫图像处理应用的研究。进行了泡沫图像的实时采集、物理参数的计算。在获得泡沫物理参数的基础上,建立数学模型来预测精煤灰分的研究,并以此实时指导生产。 浮选自动化在我国多年来徘徊不前,一直采用根据入浮煤浆中的干煤泥量来确定加药量的前馈控制方法,而不直接以产品的数质量指标作为控制目标,导致浮选生产效率较低。针对上述问题,研究了浮选工艺参数的检测方法,设计了浮选计算机控制系统,它根据浮选泡沫图像特征来检测精煤灰分,通过调整浮选药剂添加量,来实现浮选过程的反馈控制。试验表明,该浮选测控系统使浮选生产在精煤灰分合格的前提下,得到了较高的产率,并降低了药剂用量,从而保证选煤厂高效率地运行。
宁静[7](2002)在《数字图像识别在测控系统中的应用》文中认为科学研究和统计表明,人类从外界获得的信息约有75%是从图像中获得的。而计算机及其有关软件的发展,使图像的实时化数字处理,传输成为可能。新的分析、处理理论的不断出现,如小波变换,使数字图像处理的内容越来越丰富。所有这些条件使数字图像的识别在测控系统中的地位越来越重要。 在工业自动化生产过程中,数字图像识别技术的利用是实现产品质量监控和故障诊断的最佳方法之一。这一应用技术中的关键问题是对被测控对象的模式识别和特征提取。本论文以CCD图像为对象在模式识别和特征提取方面进行了深入的研究,取得了一些成果。本论文针对自动测控系统中被控对象的主要模式,以列车轮对和其它一些常见机械零部件为对象,对各种模式进行了识别,这是本论文的主要研究内容。在识别过程中,在运用传统的模式识别理论的基础上,对一些新的方法,新的技术进行一些尝试,并提出了一些自己的新见解。 本论文从图像处理技术出发,利用VB6.0作为平台,开发了一套图象处理及识别软件系统,来对一些一般故障模式进行特征提取,然后再进行聚类分析,从而达到对测控对象图像进行自动测试和识别的目的。主要做的工作包括几种识别方法的研究与评述;三种数学形态学算法的实现以及各自的优劣比较;利用无监督学习进行聚类以及Matlab在图像处理中的嵌入;动态图像的差分分析等。在实际应用当中,主要是以车轮踏面故障为对象,利用计算机图像识别技术进行了自动识别,并在静态情况下得出了比较满意的结果,同时还对存在的问题作了一定的分析和讨论。 本论文属应用性研究,所开发的应用软件和对新的分析方法的尝试,对图象识别技术在工程中的应用起到了抛砖引玉的作用,并且对利用数字图像处理技术在测控系统中实现工况监测、故障诊断等具有一定的参考价值。
马涛[8](2020)在《基于LabVIEW的采煤机实验装置声音信号分析》文中进行了进一步梳理双滚筒采煤机是煤矿井下采煤工作面的重要设备,准确识别煤岩截割状态并进行滚筒高度的自动调节是实现滚筒采煤机自动控制的关键。采煤机截割声音信号既包含反映截割状态的有用信号,也包含机械电气等传动的环境背景噪声。如何对采煤机截割声音信号进行分析与处理,识别出反映不同截割工况的有用信号,并提取特征向量,对于煤岩界面识别和采煤机自动调高具有重要的理论和工程指导意义。本文以课题组前期研制的采煤机调高实验装置为平台,对采煤机调高测控系统和截割声音信号的分析与处理进行了深入研究。论文第2章简要介绍了采煤机调高实验装置的原理、组成及功能,并对减速器进行了相关计算。第3章首先根据装置的测控任务进行了测控系统硬件的设计与配置,应用LabVIEW软件开发了采煤机调高测控系统,该系统能实现控制装置运行,以及采煤机截割声音、调高缸压力、摇臂倾角与振动等信号的多通道采集、数据处理、实时显示、存储等功能。论文第4章首先应用MATLAB和LabVIEW软件开发了自制A计权声级计,对比实验表明自制A计权声级计可用于采煤机截割声音信号的测试。基于调高实验装置的环境背景噪声构建了截割声音仿真信号,应用小波阈值降噪理论对截割声音仿真信号进行了降噪研究,最终确定应用coif4小波基,经6层小波分解后,选择sqtwolog规则计算阈值,采用软阈值函数,对截割声音信号具有最佳降噪效果,可最大程度地剔除环境背景噪声。论文第5章首先对两种典型截割工况声音信号进行了 FFT分析、功率谱估计和倍频程分析,结果表明这三种传统的分析方法对截割工况识别的差异性较小、区分度不高。为此进行了基于EEMD分解方法的截割声音信号的分析与处理,并进行了实验研究,实验结果表明,对于截割声音信号,小波阈值降噪后利用EEMD分解得到IMF分量,选择和原信号互相关较大的IMF分量,提取这些分量的典型时域特征参数平均值、标准差和能量,这些特征参数在不同的截割工况时具有较大的差异,可以用于不同截割工况的识别,因而可以用这三个时域特征参数构建识别不同截割工况的特征向量。本文对于采煤机调高实验装置测控系统的硬件和软件设计,为类似测控系统的开发提供了借鉴;对于截割声音信号降噪与特征参数提取,为煤矿井下采煤机在环境背景噪声下识别截割声音信号及不同截割工况提供了一定的理论基础。图[57]表[17]参[85]
张俊[9](2019)在《面向工厂化褐菇种植的智能蘑菇采摘机器人设计》文中进行了进一步梳理在工厂化褐菇种植中,褐菇生长在多层菇床上且昼夜生长。传统人工采摘模式,工人需昼夜攀爬多层菇床,将身体佝偻伸入到菇床夹层空间中对成熟褐菇进行选择性采摘,工人劳动强度大、采摘效率低、褐菇种植工厂的用人成本高,严重制约着褐菇产业规模化发展,因此亟需研制一种面向工厂化蘑菇种植的智能蘑菇采摘机器人。本研究在江苏省农机三新工程项目的资助下,面向工厂化褐菇种植多层排布、光照不均匀的菇房环境,设计一种智能蘑菇采摘机器人并进行试验研究。论文研究的主要内容如下:(1)对蘑菇采摘机器人结构进行设计,并通过有限元分析验证结构强度和稳定性。针对工厂化种植模式下褐菇采摘及种植环境中的约束条件及采摘需求,确定了采摘机器人的设计参数,采用模块化设计方法设计了蘑菇采摘机器人,包括:移动升降平台、伸缩导轨系统、采摘手臂系统、柔性采摘手爪系统、视觉辨识与测量相机以及机器人测控系统。在机械结构设计后,对关键零部件进行有限元静力学分析及模态分析,确保机器人结构强度可靠、工作稳定,同时有效减轻机器人末端运动构件的质量和惯量。(2)蘑菇采摘机器人的运动学、动力学分析及采摘手臂尺寸优化。采用D-H法建立蘑菇采摘机器人运动学方程,对采摘机器人的运动学正解计算空间位姿转换矩阵,并推导出逆运动学方程,在机器人运动学基础上采用Lagrange法建立采摘机械手臂的动力学方程。通过建立以采摘效率为优化函数的多目标优化模型,运用遗传算法对采摘手臂结构尺寸进行优化,最后利用Adams虚拟样机软件对优化结果进行仿真验证,仿真结果表明优化后结构较优化前结构采摘用时有效减少。(3)研制蘑菇采摘机器人的测控系统,包括硬件系统设计及软件系统设计。在硬件系统中,以工业PC机作为主控制器接收相机获取到的蘑菇位置及高度等信息,并通过逆运动学求解得到各下位机的动作控制指令。在软件系统中,基于Visual Studio 2015开发平台开发上位机软件操作界面,获取机器人传感器信息并实现机器人运动动作的控制操作。(4)基于机器视觉的蘑菇实时识别与测量方法研究。针对蘑菇种植环境光线昏暗、菇床菌丝和蘑菇成像特性近似的情况,采用结构光SR300深度相机采集菇床深度图像进行蘑菇在线辨识与测量。结合菇床图像中深度信息,自适应选择动态阈值进行图像分割,并基于改进Hough变换算法对粘连蘑菇进行识别,获取其位置、尺寸半径、偏向角及倾斜角信息。(5)通过实验对采摘机器人的性能进行验证。在研制的样机上进行了采摘实验,结果表明:研制的采摘机器人结构稳定,测控系统能够对位置实现精确控制,视觉系统能够对蘑菇实时辨识及测量,单次采摘耗时3s。验证了所设计的蘑菇采摘机器人设计方案的合理性。本文面向工厂化褐菇种植模式下机器人自动化采摘,对蘑菇采摘机器人的结构设计、运动学及动力学分析、测控系统、机器视觉识别与定位等方面进行了研究,研制了结构简单、作业空间大、环境适用性强的蘑菇采摘机器人,对促进褐菇规模化种植具有一定的现实意义。
蒋磊[10](2019)在《输电线路带电作业机器人上下线平台的研究与设计》文中研究表明架空输电线路是目前长距离输送电力的主要方式,为我国经济建设提供了强有力的电力保障,但是其线路架设里程长、分布面积广,日常人工检修难度大。为了保证电力系统的稳定运行,减小电力作业人员的工作强度,应智能化电网时代需求,近年来输电线路带电作业机器人的研究工作成为电气领域的焦点,但是传统的输电线路机器人人工吊装上下线方式严重影响了其作业效率,而且存在人身安全问题。因此,输电线路机器人如何自主安全高效地完成上下线任务成了其研究领域一个新的亟待解决的问题。论文首先对输电线路机器人的作业环境及其结构特性进行了分析,并参考输电线路机器人人工吊装上下线方式的基本作业流程,提出了一种利用上下线平台协助输电线路机器人带电上下线作业的方案,该方案包括机械结构设计、视觉检测及控制和上下线平台测控系统软、硬件设计三部分,同时论文针对该方案中的关键技术问题进行了归纳和探讨。其次,论文详细介绍了上下线平台整体机械结构设计,包括横向移动机构、机器人承载台、对接组件三部分。然后,作者为了减少了视觉检测算法中部分直线筛选工作,预先用对接标识线标定机器人与上下线平台对接时的停靠范围,采用小目标检测鲁棒性良好的深度学习视觉算法检测出上对接标识线,并截取检测框中的对接标识线图像,将它作为Hough直线检测算法的输入,完成对接标识线顶点在图像坐标系中的标注,进而利用平视双目立体视觉测量模型计算出对接标识线顶点在相机坐标系中的坐标值,得到机器人和上下线平台相对位置关系,解出上下线平台各电机运动控制量,并采用模糊-PID控制方法精确控制上下线平台和机器人进行自主对接和分离,完成协助输电线路机器人带电上下线作业任务。最后,将视觉检测与视觉控制方法嵌入到在上下线平台控制程序中,完成上下线平台测控系统软件设计,研制出上下线平台实验样机,并在实验室模拟线路和110KV现场线路开展了相关实验,验证了上下线平台机械结构设计的可行性和视觉检测与控制方法的有效性。
二、数字图像识别在测控系统中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、数字图像识别在测控系统中的应用(论文提纲范文)
(1)低粒子真空阀门分析验证平台的测控系统的研究与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 课题背景与研究意义 |
1.2 国内外研究现状及发展趋势 |
1.2.1 颗粒检测方法概述 |
1.2.2 测控技术和电气控制技术的发展现状及趋势 |
1.3 课题研究目标与内容 |
第二章 低粒子真空阀门分析验证平台的理论基础 |
2.1 低粒子真空阀门脱落颗粒来源 |
2.2 粒度检测理论 |
2.2.1 粒径等效原理 |
2.2.2 粒度检测方案及其可行性分析 |
2.3 真空装置自动控制理论 |
2.4 LabVIEW与 PLC的通信实现 |
2.5 本章小结 |
第三章 低粒子真空阀门分析验证平台的技术方案 |
3.1 粒度检测方案的最终确定 |
3.2 真空系统设计 |
3.3 低粒子真空阀门分析验证平台总体架构设计 |
3.4 上位机系统设计 |
3.5 PLC控制系统方案设计 |
3.6 本章小结 |
第四章 低粒子真空阀门分析验证平台测控系统硬件设计 |
4.1 电气控制系统的组成 |
4.2 元器件选型 |
4.2.1 PLC选型 |
4.2.2 真空系统硬件选型 |
4.2.4 其他设备选型 |
4.3 电气控制系统电路设计 |
4.3.1 设备控制PLC电路设计及I/O分配 |
4.3.2 真空度数据采集电路设计 |
4.3.3 涡旋干泵的控制电路 |
4.3.4 其他电气设备接线 |
4.4 电气控制系统电路的实现 |
4.5 本章小结 |
第五章 低粒子真空阀门分析验证平台测控系统软件设计 |
5.1 测控系统软件开发平台介绍 |
5.1.1 PLC程序控制编程平台 |
5.1.2 上位机监控编程平台 |
5.2 控制系统程序框架设计 |
5.3 PLC程序设计 |
5.3.1 手动按钮控制程序 |
5.3.2 自动控制程序 |
5.3.3 数据采集程序 |
5.3.4 其他控制程序 |
5.4 上位机软件设计 |
5.5 低粒子真空阀门分析系验证平台的搭建与实现 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 研究总结 |
6.2 工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的研究成果 |
(2)基于图像识别的体积管自动检定系统(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 课题的研究目的及意义 |
1.2 国内外研究现状 |
1.2.1 体积管检定技术研究现状 |
1.2.2 计量颈液位测量与控制技术研究现状 |
1.3 论文主要工作与章节安排 |
第2章 系统总体方案设计 |
2.1 体积管检定系统的原理分析 |
2.2 系统设计需求分析 |
2.2.1 控制系统技术难点分析 |
2.2.2 系统功能与参数技术指标 |
2.3 系统总体设计 |
2.4 本章小结 |
第3章 体积管检定系统 |
3.1 PLC测控系统 |
3.1.1 PLC测控系统的硬件设计 |
3.1.2 PLC测控系统的软件设计 |
3.2 计量颈液位控制与测量系统 |
3.2.1 计量颈液位控制系统 |
3.2.2 相机-液位随动控制系统 |
3.3 上位机控制系统 |
3.3.1 上位机控制系统的硬件设计 |
3.3.2 上位机控制系统的软件设计 |
3.4 本章小结 |
第4章 计量颈液位的图像识别系统 |
4.1 液位识别系统的方案设计 |
4.2 刻度尺图像与示液管图像的分割 |
4.2.1 图像的滤波处理 |
4.2.2 基于Navier-Stokes方程的高光抑制 |
4.2.3 改进的图像边缘检测算法 |
4.2.4 基于K-Means聚类算法的图像分割 |
4.3 凹液面的提取与重构 |
4.3.1 自适应灰度化与凹液面提取算法 |
4.3.2 凹液面读数标识线确认与形状分析 |
4.3.3 凹液面的曲线拟合 |
4.3.4 凹液面的重构 |
4.4 刻度尺参数的图像识别 |
4.4.1 基于均衡亮度的阈值分割算法 |
4.4.2 刻度尺数字与刻度线的图像分割算法 |
4.4.3 基于边缘特征查找的刻度线识别算法 |
4.4.4 基于SVM的刻度数字识别算法 |
4.4.5 基于先验知识的刻度尺识别自动校正算法 |
4.5 计量颈液位识别 |
4.6 本章小结 |
第5章 实验测试 |
5.1 计量颈液位控制测试 |
5.2 计量颈液位识别测试 |
5.3 系统应用测试 |
5.4 本章小结 |
总结与展望 |
参考文献 |
攻读硕士学位期间取得的学术成果 |
致谢 |
(3)环形流速标准装置研制及数据处理方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状及主要问题 |
1.2.1 国内外研究现状 |
1.2.2 存在的主要问题 |
1.3 本文研究内容 |
1.4 本文章节安排 |
第二章 标准装置总体设计 |
2.1 装置设计目标 |
2.2 装置三维建模 |
2.2.1 标准装置概念模型 |
2.2.2 水槽组件概念模型 |
2.2.3 伺服系统概念模型 |
2.2.4 框架结构概念模型 |
2.3 测控系统设计方案 |
2.4 被检仪器示值的图像识别方法 |
2.4.1 图像预处理 |
2.4.2 网络模型构建 |
2.5 本章小结 |
第三章 基于CO算法的装置协同优化设计 |
3.1 协同优化方法简介 |
3.2 改进CO算法的数学描述 |
3.2.1 标准CO算法 |
3.2.2 基于动态松弛因子的CO算法 |
3.2.3 遗传算法在MDO问题中的应用 |
3.3 系统优化模型建立 |
3.3.1 环形水槽几何参数优化模型 |
3.3.2 伺服系统运动参数优化模型 |
3.3.3 标准装置总体重量优化模型 |
3.3.4 系统级优化模型 |
3.4 优化求解及结果验证 |
3.4.1 环形水槽几何参数优化结果 |
3.4.2 伺服系统运动参数优化结果 |
3.4.3 标准装置总体重量优化结果 |
3.5 本章小结 |
第四章 测控系统硬件电路设计 |
4.1 FPGA开发系统简介 |
4.1.1 FPGA简介 |
4.1.2 硬件描述语言VHDL |
4.1.3 Xilinx FPGA开发工具 |
4.1.4 FPGA开发流程 |
4.2 硬件电路总体设计 |
4.3 伺服电机转速控制 |
4.4 光电编码器及其数据传输 |
4.5 高速以太网数据通信接口设计 |
4.5.1 千兆以太网通信接口总体设计 |
4.5.2 三模式以太网MAC IP核 |
4.5.3 1000 BASE-X PCS/PMA或SGMII IP核 |
4.5.4 GTP高速串行收发器 |
4.5.5 88 E1111 PHY芯片 |
4.5.6 UDP协议实现 |
4.6 设计方案验证 |
4.7 本章小结 |
第五章 标准装置检定软件设计 |
5.1 检定软件总体设计 |
5.1.1 需求分析及设计原则 |
5.1.2 软件功能模块设计 |
5.2 软件设计方法及开发工具 |
5.2.1 设计方法 |
5.2.2 C++与Visual Studio开发工具 |
5.3 SQL Server数据库设计 |
5.4 主要功能模块设计与实现 |
5.4.1 软件登录模块设计 |
5.4.2 参数设置模块设计 |
5.4.3 任务管理模块设计 |
5.5 本章小结 |
第六章 基于灰色系统理论的检定结果不确定度评定 |
6.1 不确定度评定方法概述 |
6.2 灰色系统方法数学模型 |
6.3 实验方法与结果分析 |
6.3.1 实验方法 |
6.3.2 A类不确定度评定结果 |
6.3.3 B类不确定度评定结果 |
6.3.4 不确定度合成 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 主要工作 |
7.2 论文创新点 |
7.3 存在的不足和工作展望 |
致谢 |
参考文献 |
在学期间研究成果 |
(4)单喷嘴流量试验器计算机测控系统研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题来源与研究背景 |
1.2 计算机控制系统概述 |
1.2.1 测控系统特点与研究现状 |
1.2.2 计算机测控系统组成与结构 |
1.3 发动机燃油喷嘴研究现状 |
1.3.1 喷嘴的发展 |
1.3.2 国内外喷嘴研究 |
1.3.3 喷嘴雾化特性研究的意义及必要性 |
1.4 本文研究内容 |
第二章 燃油流量试验器结构及测控系统设计 |
2.1 单喷嘴燃油流量试验器技术要求 |
2.2 单喷嘴燃油流量试验器结构 |
2.2.1 机械检测部分 |
2.2.2 计算机操作台 |
2.2.3 液压泵站 |
2.2.4 油雾分离部分 |
2.3 单喷嘴流量试验器测控系统结构、功能 |
2.3.1 硬件系统 |
2.3.2 软件系统 |
2.4 测控系统液压控制原理 |
2.4.1 压力控制系统 |
2.4.2 流量控制系统 |
2.4.3 温度控制系统 |
2.5 测控系统电气控制原理 |
2.5.1 燃油试验器动力控制系统 |
2.5.2 系统模拟量输入、输出电路 |
2.5.3 系统数字量输入、输出电路 |
2.6 计算机测控系统流程图 |
2.7 小结 |
第三章 数字图像处理 |
3.1 图像处理基本概念及特点 |
3.1.1 数字图像处理的定义 |
3.1.2 数字图像处理的特点 |
3.2 计算机图像处理系统及其部件 |
3.2.1 图像处理系统的部件 |
3.3 图像处理技术 |
3.3.1 阈值分割 |
3.3.2 图像锐化 |
3.3.3 边缘检测 |
3.3.4 曲线拟合 |
3.4 图像检测与处理系统软件程序设计 |
3.5 小结 |
第四章 喷嘴雾化特性分析 |
4.1 不均匀度定义与检测 |
4.1.1 不均匀度定义 |
4.1.2 不均匀度检测 |
4.2 喷雾锥角定义与检测 |
4.2.1 喷雾锥角定义 |
4.2.2 喷雾锥角检测 |
4.3 喷嘴压力流量特性 |
4.4 喷雾锥角特性 |
4.4.1 不同压力下喷雾锥角变化 |
4.4.2 不同温度下喷雾锥角 |
4.4.3 喷嘴不同周向转角下雾化角度 |
4.5 流量不均匀度特性 |
4.5.1 不同压力下喷雾不均匀度 |
4.5.2 不同温度下喷雾不均匀度 |
4.5.3 不同周向转角下喷雾不均匀度 |
4.6 本章小结 |
第五章 结论 |
5.1 总结与结论 |
5.2 工作展望 |
参考文献 |
在学研究成果 |
致谢 |
(5)基于单片机的工业在线数字图像检测系统研究与实现(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 本课题国内外的研究现状 |
1.2 本课题的研究意义 |
1.3 本课题的研究内容 |
2 数字图像的实时采集 |
2.1 引言 |
2.2 硬件设计 |
2.2.1 存储芯片的选取 |
2.2.2 MCU 的选择 |
2.2.3 数字图像芯片的选择 |
2.2.4 硬件总体设计 |
2.3 数字图像获取 |
3 数字图像处理 |
3.1 图像处理概述 |
3.1.1 数字图像处理的特点 |
3.1.2 数字图像处理的目的 |
3.1.3 数字图像处理内容 |
3.1.4 数字图像处理在嵌入式单片机中的特点 |
3.2 图像芯片OV9121 产生的数字图像特点 |
3.2.1 在各种模式下图像芯片OV9121 产生的数字图像的格式 |
3.2.2 OV9121 传感器输出数字图像特点 |
3.3 在本系统中对图像进行的处理 |
3.3.1 图像灰度处理 |
3.3.2 对数字图像进行边缘检测 |
3.3.3 轮廓跟踪与提取 |
4 嵌入式单片机中数字图像的模式识别 |
4.1 模式识别概述 |
4.1.1 定义 |
4.1.2 模式识别系统 |
4.1.3 图像识别的方法 |
4.2 统计模式识别与机器学习方法 |
4.2.1 统计模式识别 |
4.2.2 机器学习概述 |
4.2.3 机器学习系统的基本结构 |
4.2.4 机器学习的主要策略 |
4.3 嵌入式单片机中进行机器学习的特点 |
4.3.1 存储空间问题 |
4.3.2 速度问题 |
4.3.3 机器学习的表示问题 |
4.3.4 特征值的选取问题 |
4.3.5 机器学习的方法问题 |
4.4 嵌入式单片机中数字图像的机器学习 |
4.4.1 数字图像的直方图 |
4.4.2 数字图像的统计信息学习 |
4.4.3 数字图像的位置信息学习 |
4.4.4 不同灰度区域的统计信息和位置信息学习 |
4.4.5 特征值的学习 |
5 工业在线数字图像检测系统设计与实现 |
5.1 系统总体设计 |
5.1.1 系统需求概述 |
5.1.2 系统的总体结构 |
5.2 系统测试软件总体设计 |
5.2.1 系统测试软件的开发环境 |
5.2.2 系统测试软件功能模块设计 |
5.2.3 系统测试软件结构 |
5.3 工业在线数字图像检测系统的数字图像处理过程 |
5.4 工业在线数字图像检测系统机器学习过程 |
5.5 工业在线数字图像检测系统模式识别过程 |
5.6 工业在线数字图像检测系统对特殊工件检测的应对方法 |
6 试验数据分析与结论 |
6.1 产品直方图统计结果 |
6.2 机器学习的学习效果(即对合格产品的判别) |
6.3 对实际产品的测试效果 |
6.4 结论 |
致谢 |
参考文献 |
附录A 作者在攻读硕士学位期间的其它工作 |
发表的论文 |
科研项目 |
个人获奖 |
附录B 原始图像数据 |
(6)基于数字图像处理浮选测控系统研究(论文提纲范文)
摘要 |
Abstract |
引言 |
1 绪论 |
1.1 课题的提出及其意义 |
1.1.1 课题的提出 |
1.1.2 课题的意义及应用前景 |
1.2 国内外研究现状 |
1.3 本文的主要研究内容及章节安排 |
1.3.1 本文的主要研究内容 |
1.3.2 论文章节安排 |
2 选煤厂浮选工艺参数自动测控系统 |
2.1 浮选基本理论阐述 |
2.1.1 浮选基本原理 |
2.1.2 矿物的可浮性 |
2.1.3 浮选药剂 |
2.1.4 气泡的形成和性质 |
2.1.5 选煤厂浮选工艺流程 |
2.1.6 浮选过程的主要工艺参数 |
2.1.7 煤的矿物质与灰分 |
2.2 选煤厂浮选工艺参数的自动控制 |
2.2.1 浮选自动控制系统概述 |
2.2.2 需要控制的浮选工艺参数 |
2.2.3 浮选工艺参数自动测控系统的现状 |
2.3 浮选过程精煤灰分自动调节系统 |
2.3.1 同位素测灰仪测灰法 |
2.3.2 调整加药量的灰分开环控制系统 |
2.4 对目前浮选工艺参数自动测控系统及其局限性的分析 |
2.5 浮选精煤在线灰分回控方案 |
2.5.1 概述 |
2.5.2 实现方案 |
2.5.3 浮选药剂的自动添加及灰分回控 |
2.6 基于数字图像处理的浮选测控方式的优势 |
2.7 本章结论 |
3 基于数字图像处理的浮选测控系统的硬件实现 |
3.1 系统硬件整体方案设计 |
3.1.1 硬件配置方案及设备选型 |
3.1.2 系统的信号流程图 |
3.1.3 上位机与下位机的通信方案设计 |
3.2 固体图像传感器 |
3.2.1 固体图像传感器概论 |
3.2.2 固体图像传感器原理及分类 |
3.2.3 固体图像传感器的优缺点 |
3.2.4 线阵 CCD |
3.2.5 图像传感器应用系统设计中光源与照度的匹配 |
3.3 视频信号处理与计算机数据采集 |
3.3.1 CCD视频信号的二值化处理 |
3.3.2 CCD视频信号的量化处理 |
3.3.3 线阵 CCD输出信号的数据采集与计算机接口 |
3.4 本章结论 |
4 浮选泡沫图像特征及物理参数分析 |
4.1 图像处理理论基础 |
4.1.1 常用图像文件格式 |
4.1.2 图像的光学知识 |
4.1.3 灰度与二值化图像 |
4.1.4 图像的数字化 |
4.1.5 图像灰度修正 |
4.1.6 图像边缘提取 |
4.2 煤的性质和其光学特性 |
4.2.1 密度对灰分的影响 |
4.2.2 煤的光学性质 |
4.2.3 煤的灰分值与煤样光学性质的关系 |
4.3 浮选泡沫图像的基本特征 |
4.4 浮选泡沫图像的预处理及噪声清除 |
4.4.1 均值滤波 |
4.4.2 中值滤波 |
4.5 浮选泡沫图像的边缘检测 |
4.5.1 常见边缘检测算子及其应用 |
4.5.2 浮选泡沫图像的边缘检测 |
4.6 浮选泡沫图像的纹理分析 |
4.6.1 纹理分析概述 |
4.6.2 浮选泡沫图像表面纹理分析 |
4.6.3 基于灰度共生矩阵的图像纹理统计特征 |
4.7 本章结论 |
5 实验过程及其结果分析 |
5.1 浮选测控系统的实现 |
5.1.1 系统功能流程图 |
5.1.2 系统的软硬件平台 |
5.1.3 实验注意事项 |
5.2 浮选泡沫层精煤灰分数据分析 |
5.2.1 多元线性回归分析的基本原理 |
5.2.2 回归分析评价及回归系数的检验 |
5.2.3 原始实验数据采集 |
5.3 本章结论 |
6 本课题的主要结论及工作展望 |
6.1 本课题的主要结论 |
6.2 存在的主要问题及努力方向 |
6.2.1 存在的主要问题 |
6.2.2 工作展望 |
参考文献 |
致谢 |
作者简介 |
(7)数字图像识别在测控系统中的应用(论文提纲范文)
第1章 绪论 |
1.1 数字图像处理 |
1.1.1 数字图像处理的发展概况 |
1.1.2 数字图像处理技术的典型应用 |
1.2 图像识别 |
1.2.1 图像识别在测控领域的应用 |
1.3 选题意义 |
1.3.1 国内外在数字图像处理领域的发展趋势 |
1.3.2 本论文的研究内容及成果 |
第2章 数字图像识别系统 |
2.1 图像识别的硬件系统 |
2.1.1 CCD摄像机 |
2.1.2 图像采集卡 |
2.1.3 计算机 |
2.1.4 显示器和打印机 |
2.2 本论文中采用的图像识别系统 |
2.2.1 硬件结构 |
2.2.2 软件组成 |
第3章 图像处理的基本理论 |
3.1 图像的数字化 |
3.2 灰化 |
3.3 图像的变换 |
3.4 图像增强 |
3.4.1 直方图 |
3.4.2 图像平滑化处理 |
3.4.3 图像尖锐化处理 |
3.4.4 利用模板离散卷积进行图像增强 |
3.5 二值图像的处理 |
3.6 动态图像的处理 |
3.6.1 动态图像的含义 |
3.6.2 静止背景下的运动目标检测—差分法 |
第4章 图像识别的基本理论及其应用 |
4.1 图像识别概述 |
4.2 图像识别方法 |
4.2.1 统计方法 |
4.2.2 句法结构识别方法 |
4.3 图像识别的应用 |
第5章 图像识别在测控系统中的应用 |
5.1 关于识别方法的研究与评述 |
5.1.1 半自动图像识别法 |
5.1.2 自动图像识别法 |
5.2 模式样本的预处理 |
5.2.1 数学形态学简介 |
5.2.2 轮廓跟踪法标记图像 |
5.2.3 链码法标记图像 |
5.2.4 标号法标记图像 |
5.2.5 三种数学形态学算法的优劣比较 |
5.3 特征参数的选择 |
5.4 识别分析 |
5.4.1 判别分析 |
5.4.2 聚类分析 |
5.4.3 聚类分析应用举例 |
5.4.4 小结 |
第6章 自动测控系统中对象的主要模式及分类 |
6.1 产品或机械设备零部件常见的故障及特征 |
6.2 自动测控系统中对象的主要模式及聚类结果 |
第7章 图像识别在测控系统中的应用实例 |
7.1 图像识别在列车轮对故障检测中的应用 |
7.1.1 列车轮对中的主要缺陷 |
7.1.2 国外检测列车轮对故障的发展动向 |
7.2 轮对踏面测试系统 |
7.3 程序的实现方法 |
7.4 图像的预处理 |
7.4.1 图像的数字化 |
7.4.2 图像预处理的过程 |
7.5 图像识别的实例 |
7.5.1 图像识别的实例一 |
7.5.2 图像识别的实例二 |
7.5.3 图像识别的实例三 |
结论 |
致谢 |
参考文献 |
(8)基于LabVIEW的采煤机实验装置声音信号分析(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题来源及背景 |
1.1.1 课题来源 |
1.1.2 课题研究背景 |
1.2 课题研究现状及存在问题 |
1.2.1 煤岩识别技术的研究现状及不足 |
1.2.2 声音信号分析方法的研究现状及不足 |
1.3 论文研究内容、结构及意义 |
1.3.1 主要研究内容 |
1.3.2 研究意义 |
1.4 本章小结 |
2 采煤机调高实验装置 |
2.1 调高实验装置组成 |
2.2 调高实验装置液压系统 |
2.2.1 液压系统原理图 |
2.2.2 电液比例方向阀 |
2.2.3 液压缸 |
2.3 调高实验装置电控柜 |
2.3.1 变频器 |
2.3.2 电机综合保护器 |
2.4 减速器及相关计算 |
2.5 本章小结 |
3 调高实验装置测控系统设计 |
3.1 测控系统方案设计 |
3.2 测控系统硬件设计 |
3.2.1 传感器 |
3.2.2 数据采集卡的配置与使用 |
3.3 调高实验装置测控系统软件设计 |
3.3.1 软件设计流程分析 |
3.3.2 软件模块化设计 |
3.4 测控系统调试实验 |
3.4.1 调试实验方案 |
3.4.2 模拟输出和液压缸位移信号调试实验 |
3.4.3 油液压力信号调试实验 |
3.4.4 摇臂倾角信号调试实验 |
3.4.5 振动与声音信号调试实验 |
3.5 本章小结 |
4 采煤机截割声音信号降噪研究 |
4.1 声音信号概述 |
4.2 A计权声级计设计 |
4.3 小波阈值降噪原理 |
4.4 小波阈值降噪仿真分析 |
4.4.1 仿真信号的构建 |
4.4.2 小波基函数的选择 |
4.4.3 小波分解层数的确定 |
4.4.4 阈值选取规则的确定 |
4.4.5 阈值函数的选择 |
4.5 本章小结 |
5 基于EEMD的采煤机截割声音信号特征提取 |
5.1 基于经典信号分析方法的特征提取 |
5.1.1 FFT分析 |
5.1.2 功率谱估计 |
5.1.3 倍频程分析 |
5.2 基于EEMD分析的时域特征参数提取 |
5.3 实验分析 |
5.3.1 实验步骤 |
5.3.2 实验数据特征值提取 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介及读研期间主要科研成果 |
(9)面向工厂化褐菇种植的智能蘑菇采摘机器人设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 国外农业采摘机器人研究现状 |
1.2.2 国内农业采摘机器人研究现状 |
1.2.3 蘑菇采摘机器人发展现状 |
1.3 蘑菇采摘机器人难点及需求 |
1.4 开发技术路线 |
1.5 主要研究内容和论文结构 |
1.5.1 研究内容 |
1.5.2 论文结构 |
第二章 蘑菇采摘机器人机械结构设计 |
2.1 机器人总体设计方案 |
2.2 机械结构设计 |
2.2.1 SolidWorks软件简介 |
2.2.2 移动升降平台设计 |
2.2.3 导轨伸缩系统设计 |
2.2.4 采摘机械手臂设计 |
2.2.5 柔性手爪设计 |
2.2.6 蘑菇采摘机器人整体设计 |
2.3 机构有限元分析仿真实验 |
2.3.1 有限元分析软件平台 |
2.3.2 腰部支撑块仿真优化 |
2.3.3 大臂结构仿真优化 |
2.3.4 小臂结构仿真优化 |
2.3.5 手臂结构强度及自由模态仿真 |
2.3.6 采摘手爪结构仿真 |
2.4 关节驱动电机参数计算及选型 |
2.4.1 导轨系统电机计算及选型 |
2.4.2 采摘手臂电机计算及选型 |
2.5 本章小结 |
第三章 机器人运动学、动力学分析及虚拟样机仿真 |
3.1 蘑菇采摘机器人运动学分析 |
3.1.1 运动学分析基础 |
3.1.2 运动学正解 |
3.1.3 运动学逆解 |
3.2 蘑菇采摘机器人手臂动力学分析 |
3.2.1 机器人手臂雅克比矩阵 |
3.2.2 雅克比矩阵的一般情况 |
3.2.3 手臂系统总动能和总势能 |
3.2.4 拉格朗日动力学方程 |
3.3 基于多目标遗传算法的手臂尺寸优化 |
3.3.1 优化变量 |
3.3.2 约束条件 |
3.3.3 目标函数 |
3.3.4 遗传算法优化求解 |
3.4 蘑菇采摘机器人虚拟样机仿真 |
3.4.1 Adams软件简介 |
3.4.2 虚拟样机模型构建及设置 |
3.4.3 求解及结果分析 |
3.5 本章小结 |
第四章 蘑菇采摘机器人测控软硬件系统设计 |
4.1 测控系统总体方案 |
4.2 测控硬件系统设计 |
4.2.1 蘑菇视觉识别与定位系统 |
4.2.2 伸缩导轨模块控制系统 |
4.2.3 升降平台模块控制系统 |
4.2.4 手臂运动模块控制系统 |
4.2.5 柔性手爪模块控制系统 |
4.2.6 电源系统 |
4.3 测控软件系统设计 |
4.3.1 软件系统总体方案 |
4.3.2 上位机软件设计 |
4.3.3 下位机软件设计 |
4.4 本章小结 |
第五章 基于深度视觉的蘑菇识别与测量系统研究 |
5.1 深度相机简介 |
5.2 相机成像基础 |
5.2.1 坐标系的定义 |
5.2.2 相机模型成像原理 |
5.3 相机校准 |
5.4 蘑菇图像识别与测量 |
5.4.1 蘑菇图像处理流程 |
5.4.2 蘑菇图像动态阈值分割 |
5.4.3 基于改进Hough变换的蘑菇粘连识别方法 |
5.4.4 基于原位测量的蘑菇定位方法 |
5.5 测量结果与分析 |
5.6 本章小结 |
第六章 实验研究 |
6.1 蘑菇采摘机器人物理样机研制 |
6.2 手爪力传感器的标定及采摘测试 |
6.3 不同光照下蘑菇定位试验 |
6.4 蘑菇采摘机器人模拟采摘测试 |
6.5 本章小结 |
第七章 结论与展望 |
7.1 研究总结 |
7.2 创新及特色 |
7.3 不足与展望 |
参考文献 |
致谢 |
攻读硕士学位期间学术成果 |
(10)输电线路带电作业机器人上下线平台的研究与设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 课题研究的背景和意义 |
1.2 输电线路机器人上下线国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 视觉检测算法研究现状 |
1.3.1 视觉检测算法国内外现状 |
1.3.2 视觉检测算法在电力自动化领域中的应用 |
1.4 论文主要工作及内容安排 |
第二章 输电线路机器人简介及其上下线方案 |
2.1 输电线路机器人简介 |
2.1.1 输电线路机器人作业环境 |
2.1.2 输电线路机器人本体结构简介 |
2.2 输电线路机器人上下线方案 |
2.2.1 人工吊装上下线方案 |
2.2.2 具有上下线平台的机器人上下线总体方案 |
2.2.3 上下线平台作业控制流程 |
2.3 上下线平台设计关键问题探讨 |
2.4 本章小结 |
第三章 上下线平台总体结构设计 |
3.1 上下线平台整体机械结构设计 |
3.2 横向移动机构 |
3.2.1 承重横担 |
3.2.2 上下线平台底座 |
3.3 机器人承载台 |
3.3.1 承载台旋转机构 |
3.3.2 对接标识线 |
3.4 对接组件 |
3.4.1 上下线平台对接组件介绍 |
3.4.2 上下线平台与机器人对接及分离过程 |
3.5 本章小结 |
第四章 上下线平台视觉检测与运动控制 |
4.1 SSD算法 |
4.1.1 SSD算法网络结构 |
4.1.2 目标损失函数 |
4.2 基于DSSD的对接标识线检测方法 |
4.2.1 DSSD算法网络结构 |
4.2.2 深度残差网络ResNet |
4.2.3 网络训练 |
4.2.4 对接标识线检测结果 |
4.3 Hough直线检测和对接标识线顶点求取 |
4.3.1 图像预处理 |
4.3.2 图像空间的Hough变换 |
4.3.3 直线检测和交点求取 |
4.4 目标点坐标测量 |
4.4.1 相机小孔成像原理 |
4.4.2 相机内参数 |
4.4.3 一般双目立体视觉测量模型 |
4.4.4 平视双目立体视觉测量模型 |
4.5 基于模糊-PID的上下线平台运动控制 |
4.5.1 上下线平台运动学建模 |
4.5.2 模糊-PID控制 |
4.6 本章小结 |
第五章 上下线平台测控系统的研究与设计 |
5.1 测控系统整体结构 |
5.2 测控系统硬件设计及选型 |
5.2.1 上下线平台主控制板 |
5.2.2 电机及电机驱动器 |
5.2.3 微型摄像机和视频服务器 |
5.2.4 系统电源管理 |
5.2.5 传感器及其他设备 |
5.2.6 地面控制端 |
5.3 测控系统软件设计 |
5.3.1 上下线平台本体控制软件 |
5.3.2 地面控制端人-机交互软件设计 |
5.4 上下线平台测控系统的电磁防护 |
5.4.1 输电线路电场强度分析 |
5.4.2 输电线路磁感应强度分析 |
5.4.3 测控系统硬件防护 |
5.4.4 测控系统软件防护 |
5.5 本章小结 |
第六章 上下线平台实验分析 |
6.1 模拟线路试验 |
6.1.1 试验条件 |
6.1.2 试验过程 |
6.1.3 模拟线路试验结果及分析 |
6.2 110V现场线路实验 |
6.2.1 实验条件 |
6.2.2 实验过程 |
6.2.3 现场实验结果及分析 |
6.3 本章小结 |
总结与展望 |
参考文献 |
致谢 |
附录A (攻读硕士学位期间发表论文) |
附录B (攻读硕士学位期间获得的奖励) |
附录C (攻读硕士学位期间参与的项目) |
四、数字图像识别在测控系统中的应用(论文参考文献)
- [1]低粒子真空阀门分析验证平台的测控系统的研究与实现[D]. 刘绘生. 电子科技大学, 2020(07)
- [2]基于图像识别的体积管自动检定系统[D]. 许璇. 中国石油大学(华东), 2019(09)
- [3]环形流速标准装置研制及数据处理方法研究[D]. 张龙. 国防科技大学, 2017(02)
- [4]单喷嘴流量试验器计算机测控系统研究[D]. 王秀梅. 沈阳工业大学, 2009(S2)
- [5]基于单片机的工业在线数字图像检测系统研究与实现[D]. 杨维剑. 重庆大学, 2007(05)
- [6]基于数字图像处理浮选测控系统研究[D]. 王海波. 安徽理工大学, 2006(10)
- [7]数字图像识别在测控系统中的应用[D]. 宁静. 西南交通大学, 2002(02)
- [8]基于LabVIEW的采煤机实验装置声音信号分析[D]. 马涛. 安徽理工大学, 2020(03)
- [9]面向工厂化褐菇种植的智能蘑菇采摘机器人设计[D]. 张俊. 南京农业大学, 2019(08)
- [10]输电线路带电作业机器人上下线平台的研究与设计[D]. 蒋磊. 长沙理工大学, 2019(07)