基于小波神经网络的冰刀刀刃磨损测量及验证

发布时间：2024-02-23 08:33

　　本课题来源于国家体育总局的一项招标项目,该招标项目要求研发一套能够自动研磨速滑冰刀和短道速滑冰刀的数控研磨机。作为数控研磨机解决方案的一部分,本课题主要解决冰刀刀刃磨损量的测量。 本论文提出了一种基于人工神经网络(ANN)的冰刀磨损量测量系统,并结合小波变换与神经网络的优点,对ANN进行了改进,得到了更为有效的小波神经网络。从对刀刃磨损量理论测量公式的推导,到测量算法的设计和仿真,再到系统的硬件实时实现,本论文介绍了该测量方案的流程。另外,详细论述了径向基函数(RBF)网络与小波神经网络对误差反相传播(BP)网络改进后的仿真训练过程;叙述了测量系统的基于数字信号处理器(DSP)硬件实时实现过程。最后的实验结果证明,这种方法可以用于自动冰刀研磨机在线自动测量冰刀磨损量。

【文章页数】：111 页

【学位级别】：硕士

【部分图文】：

图3.1速滑冰刀刀刃磨损状态

用于确定研磨是否标志，但实际测量的剩余磨损量小于由于现在的技术障，对研磨机的需求测量。可看作狭缝处理[4它的形状和大小有大小。本测量仪的问题的神经网络及下的磨损情况如图

图4.3小波的分解和重构示意图

-31-图4.3小波的分解和重构示意图信号的多尺度分析算法可表示如下：∑=kmmS(n)h(k2n)S(k)1(4.25)∑=kmmC(n)g(k2n)S(k)1(4.26)其中h(n)和g(n)分别是低通和高通滤波器，m是多尺度分解的层数，Sm(n)是Sm-1....

图4.5辅助式结合小波神经网络模型二

32图4.4辅助式结合小波神经网络模型一另一类方法如输人信号图4.5所示：即将输入信号进行小波变换后，直接将变换后的小波域信号作为神经网络的输入，因为经过小波变换已经把一个混频信号分解为若干个互不重叠的频带中的信号，相当于对原始信号进行了滤波或者检波，这时将其作为神经网络的输入....

图4.4辅助式结合小波神经网络模型一另一类方法如输人信号

32图4.4辅助式结合小波神经网络模型一另一类方法如输人信号图4.5所示：即将输入信号进行小波变换后，直接将变换后的小波域信号作为神经网络的输入，因为经过小波变换已经把一个混频信号分解为若干个互不重叠的频带中的信号，相当于对原始信号进行了滤波或者检波，这时将其作为神经网络的输入....

本文编号：3907343