板材矫直机智能控制及应用2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载

板材矫直机智能控制及应用PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

前言1

第1章 绪论1

1.1 研究背景和意义1

1.2 国内外研究现状及存在的问题2

1.2.1 矫直机工业控制现状2

1.2.2 板形检测研究现状4

1.2.3 目前研究中存在的问题4

1.3 研究的主要工作及内容5

第2章 板材矫直机智能控制系统的相关技术8

2.1 连续式拉伸弯曲矫直机的原理及结构8

2.1.1 连续式拉伸弯曲矫直机的矫直原理8

2.1.2 连续式拉伸弯曲矫直机的组成结构10

2.2 板形及检测技术10

2.2.1 板形的描述方法11

2.2.2 基于结构光的板形检测技术14

2.3 图像采集及处理技术16

2.3.1 基于DirectShow的视频采集技术16

2.3.2 图像处理技术18

2.3.3 图像边缘检测技术20

2.4 智能控制技术28

2.4.1 人工神经网络的BP模型28

2.4.2 支持向量机30

2.4.3 统计学习理论31

2.4.4 支持向量机的原理33

2.4.5 支持向量机的关键参数37

2.4.6 支持向量机的特点39

2.4.7 遗传算法39

2.4.8 遗传算法的原理41

2.4.9 遗传算法的特点42

2.5 本章小结44

第3章 矫直机智能控制系统46

3.1 传统板形样本获取方法应用于智能控制的局限性46

3.2 矫直机的智能控制系统需求47

3.3 矫直机的智能控制系统设计48

3.4 本章小结50

第4章 基于激光测量的板形样本获取方法研究51

4.1 参数选择系统对板形数据的要求51

4.2 板形样本获取方法的研究52

4.2.1 激光三角法测量技术针对线板形检测应用的改进52

4.2.2 几种主要板形检测方法比较54

4.2.3 板形样本的特征模式54

4.3 样本筛选56

4.4 板形样本获取方案57

4.4.1 板形样本获取系统组成58

4.4.2 板形样本获取系统的处理流程60

4.5 本章小结62

第5章 激光板形检测中关键问题分析63

5.1 激光板形检测方法中边缘检测算法的研究65

5.1.1 经典边缘检测算法65

5.1.2 Canny边缘检测算法69

5.1.3 基于小波的多尺度边缘检测算法70

5.2 一种基于图像清晰度评价的边缘检测算法（ISEED）的研究74

5.2.1 图像清晰度评价算法74

5.2.2 改进的灰度差分边缘检测算法78

5.2.3 改进的Canny边缘检测算法80

5.2.4 一种基于图像清晰度评价的边缘检测算法的提出84

5.2.5 ISEED算法的边缘检测结果85

5.3 基于ISEED算法的激光板形检测方法86

5.4 本章小结86

第6章 板形样本获取系统的设计与实现88

6.1 板形样本获取系统详细设计88

6.1.1 图像采集模块设计88

6.1.2 图像处理模块设计90

6.1.3 伸长率及三维数据计算模块设计96

6.1.4 板形识别模块设计99

6.1.5 系统控制模块设计100

6.2 板形样本获取系统的实现102

6.2.1 图像处理模块的实现102

6.2.2 数据分析模块的实现105

6.3 本章小结113

第7章 矫直过程知识提取的样本学习算法研究114

7.1 样本学习114

7.1.1 样本的来源114

7.1.2 样本的形式化描述116

7.1.3 样本学习的特征116

7.2 样本学习问题的背景及目标117

7.2.1 样本学习算法的主要功能117

7.2.2 样本学习问题的基础解决方案的选择117

7.2.3 样本学习问题的基础解决方案的分析研究121

7.3 基于SVR的样本学习算法的分析与研究123

7.3.1 基于SVR的增量式样本学习算法123

7.3.2 基于SVR的批量样本的增量式学习算法124

7.3.3 基于SVR的批量样本的在线增量式学习算法125

7.4 算法的实现和效果分析127

7.5 本章小结131

第8章 矫直机工艺参数选择系统的研究与实现132

8.1 基于SVR-GA混合算法的总体框架132

8.2 基于SVR-GA混合算法的分析与研究134

8.2.1 染色体编码与解码134

8.2.2 初始群体的生成135

8.2.3 个体适应度的评估检测135

8.2.4 遗传算子137

8.2.5 混合算法的运行参数139

8..3 矫直机工艺参数选择系统的需求分析和总体设计140

8.3.1 工艺参数选择系统的功能140

8.3.2 工艺参数选择系统的需求141

8.3.3 参数选择系统的静态组成模型的设计141

8.3.4 参数选择系统的动态流程的设计142

8.3.5 参数选择的状态分析144

9.3.6 参数选择系统的数据流分析145

8.4 参数选择模型原型系统的详细设计与实现146

8.4.1 原型系统的实现环境及分层架构的实现146

8.4.2 公共数据结构的设计与实现148

8.4.3 样本库及样本库管理模块的设计与实现152

8.4.4 知识库及知识库管理模块的设计与实现154

8.4.5 样本学习模块的设计与实现156

8.4.6 参数选择模块的设计与实现158

8.4.7 信息查询模块的设计与实现159

8.4.8 人机交互界面子模块的设计与实现160

8.5 本章小结162

第9章 矫直机智能控制系统的应用163

9.1 控制系统的应用环境163

9.2 板形检测系统应用效果分析165

9.3 工艺参数选择系统的应用效果及性能分析167

9.3.1 工艺参数选择系统应用效果167

9.3.2 SVR-GA混合算法的性能结果分析171

9.4 矫直机控制系统的验证176

9.5 本章小结176

参考文献178