《板材矯直機智慧型控制及套用》是2010年6月機械工業出版社出版的圖書,作者是劉凱、徐宏喆。
基本介紹
- 書名:板材矯直機智慧型控制及套用
- 作者:劉凱,徐宏喆
- ISBN: 9787111300465
- 定價:36.00
- 出版社:機械工業出版社
- 出版時間:2010-6-1
內容簡介,作者簡介,圖書目錄,
內容簡介
本書是作者從事板材矯直機智慧型控制系統研究工作的總結,系統地介紹了有關板材矯直機智慧型控制系統研究的最新成果,較全面地反映了這一領域的學術水平。全書共分九章,介紹了矯直機工藝參數選擇方法的發展過程和研究現狀;系統介紹了板材矯直機智慧型控制系統的相關技術;研究了矯直機智慧型控制系統;提出了基於雷射測量的板形樣本獲取方法和基於雷射測量的板形樣本獲取系統的設計與實現;分析了雷射板形檢測中的關鍵問題;研究了矯直過程知識提取的樣本學習算法和矯直工藝參數選擇系統的研究與實現;給出了矯直機控制系統的套用舉例。
本書取材新穎,研究結合實際,注意將理論研究和工程實際結合、數值分析和實驗研究結合。本書可作為高等院校機電工程專業的教師和研究生教學參考,並可供從事板材矯直機智慧型控制研究的工程技術人員參考。
作者簡介
劉凱,男,1957年11月生,日本國近畿大學工學博士,西安理工大學教授,博士生導師,副校長。主要從事機械傳動的理論和套用研究,MEMS的理論與套用研究。承擔了原機械工業部基金、“九五”、“十五”、“十一五”國家重點科技攻關項目等共15項縱向課題和10多項橫向課題研究。近幾年在國內外學術期刊上發表論文50餘篇,並被SCI、EI等檢索20餘篇,出版英文專著1部。1998年獲“陝西省優秀留學回國人員獎”。現為中國機械工程學會機械傳動分會委員,無級變速傳動專業、齒輪傳動專業委員會委員,陝西省機械工程學會副理事長。
圖書目錄
前言
第1章 緒論
1.1 研究背景和意義
1.2 國內外研究現狀及存在的問題
1.2.1 矯直機工業控制現狀
1.2.2 板形檢測研究現狀
1.2.3 目前研究中存在的問題
1.3 研究的主要工作及內容
第2章 板材矯直機智慧型控制系統的相關技術
2.1 連續式拉伸彎曲矯直機的原理及結構
2.1.1 連續式拉伸彎曲矯直機的矯直原理
2.1.2 連續式拉伸彎曲矯直機的組成結構
2.2 板形及檢測技術
2.2.1 板形的描述方法
2.2.2 基於結構光的板形檢測技術
2.3 圖像採集及處理技術
2.3.1 基於DirectShow的視頻採集技術
2.3.2 圖像處理技術
2.3.3 圖像邊緣檢測技術
2.4 智慧型控制技術
.2.4.1 人工神經網路的BP模型
2.4.2 支持向量機
2.4.3 統計學習理論
2.4.4 支持向量機的原理
2.4.5 支持向量機的關鍵參數
2.4.6 支持向量機的特點
2.4.7 遺傳算法
2.4.8 遺傳算法的原理
2.4.9 遺傳算法的特點
2.5 本章小結
第3章 矯直機智慧型控制系統
3.1 傳統板形樣本獲取方法套用於智慧型控制的局限性
3.2 矯直機的智慧型控制系統需求
3.3 矯直機的智慧型控制系統設計
3.4 本章小結
第4章 基於雷射測量的板形樣本獲取方法研究
4.1 參數選擇系統對板形數據的要求
4.2 板形樣本獲取方法的研究
4.2.1 雷射三角法測量技術針對線板形檢測套用的改進
4.2.2 幾種主要板形檢測方法比較
4.2.3 板形樣本的特徵模式
4.3 樣本篩選
4.4 板形樣本獲取方案
4.4.1 板形樣本獲取系統組成
4.4.2 板形樣本獲取系統的處理流程
4.5 本章小結
第5章 雷射板形檢測中關鍵問題分析
5.1 雷射板形檢測方法中邊緣檢測算法的研究
5.1.1 經典邊緣檢測算法
5.1.2 Canny邊緣檢測算法
5.1.3 基於小波的多尺度邊緣檢測算法
5.2 一種基於圖像清晰度評價的邊緣檢測算法(ISEED)的研究
5.2.1 圖像清晰度評價算法
5.2.2 改進的灰度差分邊緣檢測算法
5.2.3 改進的Canny邊緣檢測算法
5.2.4 一種基於圖像清晰度評價的邊緣檢測算法的提出
5.2.5 ISEED算法的邊緣檢測結果
5.3 基於ISEED算法的雷射板形檢測方法
5.4 本章小結
第6章 板形樣本獲取系統的設計與實現
6.1 板形樣本獲取系統詳細設計
6.1.1 圖像採集模組設計
6.1.2 圖像處理模組設計
6.1.3 伸長率及三維數據計算模組設計
6.1.4 板形識別模組設計
6.1.5 系統控制模組設計
6.2 板形樣本獲取系統的實現
6.2.1 圖像處理模組的實現
6.2.2 數據分析模組的實現
6.3 本章小結
第7章 矯直過程知識提取的樣本學習算法研究
7.1 樣本學習
7.1.1 樣本的來源
7.1.2 樣本的形式化描述
7.1.3 樣本學習的特徵
7.2 樣本學習問題的背景及目標
7.2.1 樣本學習算法的主要功能
7.2.2 樣本學習問題的基礎解決方案的選擇
7.2.3 樣本學習問題的基礎解決方案的分析研究
7.3 基於SVR的樣本學習算法的分析與研究
7.3.1 基於SVR的增量式樣本學習算法
7.3.2 基於SVR的批量樣本的增量式學習算法
7.3.3 基於SVR的批量樣本的線上增量式學習算法
7.4 算法的實現和效果分析
7.5 本章小結
第8章 矯直機工藝參數選擇系統的研究與實現
8.1 基於SVR-GA混合算法的總體框架
8.2 基於SVR-GA混合算法的分析與研究
8.2.1 染色體編碼與解碼
8.2.2 初始群體的生成
8.2.3 個體適應度的評估檢測
8.2.4 遺傳運算元
8.2.5 混合算法的運行參數
8.3 矯直機工藝參數選擇系統的需求分析和總體設計
8.3.1 工藝參數選擇系統的功能
8.3.2 工藝參數選擇系統的需求
8.3.3 參數選擇系統的靜態組成模型的設計
8.3.4 參數選擇系統的動態流程的設計
8.3.5 參數選擇的狀態分析
8.3.6 參數選擇系統的數據流分析
8.4 參數選擇模型原型系統的詳細設計與實現
8.4.1 原型系統的實現環境及分層架構的實現
8.4.2 公共數據結構的設計與實現
8.4.3 樣本庫及樣本庫管理模組的設計與實現
8.4.4 知識庫及知識庫管理模組的設計與實現
8.4.5 樣本學習模組的設計與實現
8.4.6 參數選擇模組的設計與實現
8.4.7 信息查詢模組的設計與實現
8.4.8 人機互動界面子模組的設計與實現
8.5 本章小結
第9章 矯直機智慧型控制系統的套用
9.1 控制系統的套用環境
9.2 板形檢測系統套用效果分析
9.3 工藝參數選擇系統的套用效果及性能分析
9.3.1 工藝參數選擇系統套用效果
9.3.2 SVR-GA混合算法的性能結果分析
9.4 矯直機控制系統的驗證
9.5 本章小結
參考文獻