【摘要】：為進(jìn)一步提高單CCD雙光路激光三角法動(dòng)態(tài)在線測(cè)厚系統(tǒng)的測(cè)量精度,提出了一種基于RBF神經(jīng)網(wǎng)絡(luò)的CCD靶面上光斑位置與被測(cè)物厚度之間函數(shù)關(guān)系的擬合算法。通過理論分析之后,設(shè)計(jì)了基于RBF神經(jīng)網(wǎng)絡(luò)直接擬合CCD靶面上兩光斑位置信息與被測(cè)物厚度之間關(guān)系和現(xiàn)有的最小二乘法擬合三次多項(xiàng)式模型方法進(jìn)行實(shí)驗(yàn)對(duì)比,兩種方法分別得到了一個(gè)網(wǎng)絡(luò)和一個(gè)近似數(shù)學(xué)模型。通過使用十組標(biāo)準(zhǔn)厚度塞尺在不同位置進(jìn)行驗(yàn)證實(shí)驗(yàn),發(fā)現(xiàn)前者方法計(jì)算出的厚度值更加靠近塞尺的客觀值。實(shí)驗(yàn)結(jié)果表明,用RBF神經(jīng)網(wǎng)絡(luò)擬合兩個(gè)光斑坐標(biāo)和被測(cè)物厚度之間的關(guān)系,成功地提高了現(xiàn)有系統(tǒng)精度,魯棒性好,時(shí)間復(fù)雜度尚可。
[Abstract]:In order to improve the measurement accuracy of the dynamic on-line thickness measurement system with single CCD and double optical path laser triangulation, a fitting algorithm based on RBF neural network is proposed for fitting the functional relationship between the spot position on the CCD target surface and the thickness of the object being measured. After theoretical analysis, the relationship between the location information of two spot on the target surface of CCD and the thickness of the measured object is designed based on RBF neural network, and the existing least square fitting cubic polynomial model method is compared. The two methods obtain a network and an approximate mathematical model, respectively. By using ten groups of standard gauge stoppers at different locations, it is found that the thickness calculated by the former method is closer to the objective value of the stopper. The experimental results show that the RBF neural network is used to fit the relationship between the two spot coordinates and the measured object thickness, which improves the accuracy, robustness and time complexity of the existing system successfully.
【作者單位】： 武漢科技大學(xué)信息科學(xué)與工程學(xué)院冶金自動(dòng)化與檢測(cè)技術(shù)教育部工程研究中心;中交第二公路勘察設(shè)計(jì)研究院有限公司;
【分類號(hào)】：TN249;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫渝生;一種激光測(cè)厚裝置[J];應(yīng)用激光;2003年02期

2 侯勇;;量子神經(jīng)網(wǎng)絡(luò)及在發(fā)酵過程中的應(yīng)用[J];中國(guó)釀造;2010年02期

3 賈花萍;;量子神經(jīng)網(wǎng)絡(luò)在交通運(yùn)輸能力預(yù)測(cè)中的應(yīng)用[J];微型電腦應(yīng)用;2012年05期

4 李盼池;王海英;戴慶;肖紅;;量子過程神經(jīng)網(wǎng)絡(luò)模型算法及應(yīng)用[J];物理學(xué)報(bào);2012年16期

5 岳祖洲;龔建民;;一種單通道相干光實(shí)現(xiàn)雙極Hopfield神經(jīng)網(wǎng)絡(luò)的方法[J];應(yīng)用激光;1993年06期

6 姜淑娟;劉偉軍;南亮亮;;基于神經(jīng)網(wǎng)絡(luò)的激光熔覆高度預(yù)測(cè)[J];機(jī)械工程學(xué)報(bào);2009年03期

7 王麗;;改進(jìn)神經(jīng)網(wǎng)絡(luò)方法對(duì)導(dǎo)線耦合串?dāng)_的預(yù)測(cè)[J];晉中學(xué)院學(xué)報(bào);2010年03期

8 張坤;梁林;;二階微粒群優(yōu)化神經(jīng)網(wǎng)絡(luò)的混沌系統(tǒng)辨識(shí)方法[J];計(jì)算機(jī)系統(tǒng)應(yīng)用;2012年05期

9 ;1996年中國(guó)神經(jīng)網(wǎng)絡(luò)學(xué)術(shù)大會(huì)將在西南交通大學(xué)召開[J];學(xué)術(shù)動(dòng)態(tài)報(bào)道;1995年04期

10 梁政,黃際英,藺勝利;神經(jīng)網(wǎng)絡(luò)方法在降雨去極化效應(yīng)預(yù)報(bào)中的應(yīng)用[J];電波科學(xué)學(xué)報(bào);1998年02期

相關(guān)會(huì)議論文 前4條

1 徐慧;徐海樵;張必銀;;基于LVQ神經(jīng)網(wǎng)絡(luò)的水聲目標(biāo)識(shí)別技術(shù)[A];中國(guó)造船工程學(xué)會(huì)電子技術(shù)學(xué)術(shù)委員會(huì)——2012年水下復(fù)雜戰(zhàn)場(chǎng)環(huán)境目標(biāo)識(shí)別與對(duì)抗及仿真技術(shù)學(xué)術(shù)交流論文集[C];2012年

2 王季紅;王良厚;孫健;;基于LM算法BP神經(jīng)網(wǎng)絡(luò)的放射性核素識(shí)別[A];第十六屆全國(guó)核電子學(xué)與核探測(cè)技術(shù)學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2012年

3 豐樹強(qiáng);張國(guó)光;竇玉玲;蘇丹;胡繼峰;沈冠仁;;BP神經(jīng)網(wǎng)絡(luò)在爆炸物識(shí)別中的應(yīng)用[A];中國(guó)原子能科學(xué)研究院年報(bào) 2009[C];2010年

4 張文龍;于洪潔;;延遲反饋完全連接Hindmarsh-Rose神經(jīng)網(wǎng)絡(luò)的混沌同步[A];第九屆全國(guó)動(dòng)力學(xué)與控制學(xué)術(shù)會(huì)議會(huì)議手冊(cè)[C];2012年

相關(guān)博士學(xué)位論文 前4條

1 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時(shí)滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

2 談宏瑩;基于太赫茲時(shí)域譜物質(zhì)檢測(cè)技術(shù)及實(shí)驗(yàn)研究[D];燕山大學(xué);2016年

3 李欣;量子計(jì)算與過程神經(jīng)網(wǎng)絡(luò)研究及應(yīng)用[D];大連理工大學(xué);2010年

4 李鵬華;量子計(jì)算在動(dòng)態(tài)遞歸與自組織神經(jīng)網(wǎng)絡(luò)中的機(jī)理及應(yīng)用研究[D];重慶大學(xué);2012年

相關(guān)碩士學(xué)位論文 前10條

1 王天飛;基于激光測(cè)厚的AOD爐爐襯侵蝕檢測(cè)方法研究[D];長(zhǎng)春工業(yè)大學(xué);2016年

2 李天瓊;基于免疫RBF神經(jīng)網(wǎng)絡(luò)的混沌時(shí)間序列預(yù)測(cè)模型研究[D];遼寧工程技術(shù)大學(xué);2015年

3 李晉國(guó);小波和神經(jīng)網(wǎng)絡(luò)在近紅外光譜反演模型中的應(yīng)用[D];山西農(nóng)業(yè)大學(xué);2016年

4 馬建兵;神經(jīng)網(wǎng)絡(luò)在混沌時(shí)間序列預(yù)測(cè)中的應(yīng)用研究[D];蘭州交通大學(xué);2010年

5 崔向麗;基于神經(jīng)網(wǎng)絡(luò)的高能物理粒子鑒別的應(yīng)用研究[D];蘭州大學(xué);2013年

6 呂且妮;多級(jí)衍射全息光柵與神經(jīng)網(wǎng)絡(luò)的光學(xué)互連[D];陜西師范大學(xué);2000年

7 夏雷;基于CCD技術(shù)的激光測(cè)厚系統(tǒng)的研究[D];浙江理工大學(xué);2013年

8 郭照斌;Bagging算法神經(jīng)網(wǎng)絡(luò)的抗噪聲能力及應(yīng)用[D];大連理工大學(xué);2009年

9 申新穎;基于神經(jīng)網(wǎng)絡(luò)和小波的肉類光譜識(shí)別方法研究[D];吉林大學(xué);2007年

10 石慧;基于BP神經(jīng)網(wǎng)絡(luò)的微波大信號(hào)散射函數(shù)建模技術(shù)[D];西安電子科技大學(xué);2009年

，

本文編號(hào)：2121918