导读:本文包含了在线识别论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:在线,工况,花萼,轮毂,深度,视觉,机器。
在线识别论文文献综述
郭智杰,王明泉,张俊生,焦腾云[1]（2019）在《基于机器视觉的轮毂在线识别分类技术研究》一文中研究指出为了对生产线上的轮毂进行识别分类,本文开发了一套基于OpenCV和MFC平台的轮毂型号在线识别系统.首先提取轮毂的高度、外直径、中心孔直径、辐条数目、幅窗的周长面积比等特征参数.其中,通过图像预处理、边缘检测、圆拟合、系统标定等方法获取轮毂外直径,来表征各类轮毂的尺寸;通过提取辐条数目、中心孔直径、幅窗的周长面积比等具有旋转不变性的常量来表征各类轮毂的形状.然后为提取到的特征参数生成序列号,作为型号识别的特征参数.最后将生成的特征序列号与模板库中的标准数值进行比对,达到在线实时分类的效果.实验结果表明:该系统的识别准确率为98.7%,能够有效地完成轮毂的在线识别分类,为轮毂缺陷检测的自动化、智能化提供了保障.(本文来源于《测试技术学报》期刊2019年03期）
徐浩,王钢,汪隆君[2]（2019）在《基于深度学习的暂态电压稳定在线识别》一文中研究指出针对电力系统暂态电压稳定在线识别问题,提出了一种基于深度学习的识别方法,构建深层模型反映稳定类别与在线量测数据间的映射关系。采用多种先进处理技术对模型进行优化:为提高失稳样本分类准确率,修改原交叉熵目标函数;优化学习率以平衡模型的精度和速度;加入dropout技术防止过拟合;对隐层函数加入batch-norm处理技术以防止内部变量转变;为避免随机分组导致的准确率波动,采取10折交叉验证方法。以广东电网为研究对象,并与其他分类算法进行对比后表明所提方法识别精度高、速度快,且鲁棒性强,具有良好的工程应用价值。(本文来源于《电气自动化》期刊2019年01期）
李龙,彭彦昆,李永玉,王凡,张捷[3]（2018）在《基于纹理和梯度特征的苹果伤痕与果梗/花萼在线识别》一文中研究指出为了解决苹果果梗/花萼与伤痕在线识别的问题,利用自行设计的机器视觉检测系统在线采集苹果图像,通过自动分割合成算法将3个不同运动状态下的图像进行合成,使得合成后图像可以包含苹果的整个表面。再利用感兴趣区域提取算法提取出苹果合成图像中的果梗/花萼和伤痕部分。通过分析早期伤痕、中期伤痕和后期伤痕的纹理特征和边缘梯度特征,得出纹理特征适用于早中期伤痕与果梗/花萼的检测,而由于后期伤痕的褐变严重且多已出现凹陷,其纹理特征与果梗/花萼相似,故通过提取后期伤痕和果梗/花萼的边缘梯度特征值用于两者的区分。从SVM的建模结果来看,对于早中期伤痕,模型的总体判别正确率为97%,而后期伤痕的总体判别正确率为96%,并利用所得到的模型设计了用于果梗/花萼与伤痕区分的总体算法。最终通过80个带有不同种类伤痕的样本验证总体算法的正确率为95%,验证试验结果表明该算法可实现对果梗/花萼与伤痕的在线识别。(本文来源于《农业机械学报》期刊2018年11期）
卢绍文,王克栋,吴志伟,李鹏琦,郭章[4]（2019）在《基于深度卷积网络的电熔镁炉欠烧工况在线识别》一文中研究指出欠烧是电熔镁炉熔炼过程中由于原料杂质不均匀导致炉壁局部过热的异常工况,若不及时发现和处理,可能导致炉体烧穿.目前,欠烧工况主要依靠有经验的巡检工人在电熔镁生产现场"看火",劳动强度大且危险性高,容易漏检、误检.鉴于此,提出一种基于深度卷积网络的可见光RGB图像与红外热像相结合的电熔镁炉欠烧工况感知技术,并基于此开发原型系统.采用工业相机和红外热像仪获取电熔镁生产现场过程图像,利用深度学习技术并结合现场工人经验建立对欠烧工况视频图像的检测和识别模型,通过实时的图像分析,实现对欠烧工况的在线识别.将该技术在某氧化镁企业进行工业实验,验证了所提出技术的有效性.(本文来源于《控制与决策》期刊2019年07期）
杨德功[5]（2018）在《极端条件下滑动电接触结构损伤在线识别方法》一文中研究指出滑动电接触是工业自动化设备中非常重要的构件,其电接触质量的好坏将直接影响工业设备的安全运行及工业生产效率。当前对于电接触质量的评估主要是对电接触滑轨表面损伤进行健康监测。滑动电接触轨道表面损伤主要由滑块与轨道的磨损、刨削及烧蚀产生,由于滑轨工作在极端条件(多场耦合干扰、滑动速度高达数km/s、脉冲电流达数十k A)环境下,目前对于滑轨表面损伤的微小损伤还没有一种特别完善的识别方案。针对滑动电接触滑轨表面出现的微小损伤,本文结合能够真实模拟滑动电接触滑轨极端工作环境的高速滑动电接触试验机,开展了在极端条件下对滑轨表面出现的瞬态微小损伤进行在线识别方法的研究。为了实现对滑轨表面损伤的在线识别,本文在总结国内外结构健康诊断方法的基础上,研究分析了传统基于结构动态特性不能有效识别结构微小损伤的不足,提出改进的基于滑轨动态特性的滑轨表面在线损伤识别方法。首先采用能够识别滑轨振动信号局部特征的小波分析方法对信号进行小波包二层分解,然后利用对微小信号响应度高的希尔伯特-黄变换(Hilbert-Huang Transform,HHT)方法对信号瞬时振幅与瞬时频率求解,由各测量点振动信号瞬时振幅、瞬时频率在时间域上“突变”来完成对滑轨表面损伤的在线识别及定位。由于滑轨处在滑动电接触结构的内部,且受到脉冲大电流引起的强电磁冲击力,给滑轨振动信号的采集造成了巨大制约。为了准确提取滑轨表面的瞬时振动信号,本文采用抗强电磁场干扰的压电加速度传感器对滑轨振动信号进行采集,并基于有限元分析方法研究分析了在滑动电接触在外加预紧力作用下滑轨的振动特性变化。由仿真结果知,在实验中施加液压预紧力可以提高对滑轨瞬态振动信号提取的准确度。应用基于本文所提方法的滑轨损伤在线识别系统进行多次实验,比较首次实验与多次实验后滑轨瞬态振动信号的变化,以及实验前后滑轨表面实际图片对比,实验结果与理论分析存在一致性。该研究结果可为其它复杂环境下的结构损伤在线识别提供参考。(本文来源于《燕山大学》期刊2018-05-01）
章楠[6]（2018）在《基于工况在线识别的汽车电能管理系统的研究与实现》一文中研究指出近年来,尽管混合动力汽车和纯电动汽车的相关技术得到了较快的发展,但是由于技术、成本等原因,燃油汽车依然是市场上的主流车型。随着车载电控单元和电气设备数量的不断增加,电能消耗占整车能耗的比重也越来越大,整车电能管理已经成为提升车辆燃油经济性的重要手段。因此,开发实时高效的燃油汽车动态电能管理方法,对于降低车辆的燃油消耗,提升车辆的燃油经济性有着重要的意义。本课题以安徽省自然科学基金和企业委托项目为依托,研究了基于工况在线识别的汽车电能管理系统。首先,介绍了现有的整车电源系统和电能管理技术,分析了与之相关的汽车总线技术。其次,建立了一种基于I-LVQ神经网络的工况识别模型。定义了“相似工况”概念并引入了分类概率模型,设计了I-LVQ模型训练算法。再次,提出了基于工况在线识别的整车电能管理策略。建立了移动时间窗识别机制,基于用电负载功率最优分配设计了特定工况下的电能管理算法。再次,建立了一种总线式电能管理系统,设计并实现了对应的能量管理控制器。最后,在CANoe软件中进行了通信验证实验,搭建了整车试验台架并进行了整车试验,试验结果验证了节点通信的可行性以及电能管理策略的有效性。本文的研究对于减少整车能量消耗,延长蓄电池使用寿命,提升燃油经济性有着重要的研究意义和应用价值。(本文来源于《合肥工业大学》期刊2018-04-01）
连静,常静,李琳辉,周雅夫,吕仁志[7]（2016）在《基于模糊在线识别的并联混合动力客车自适应控制策略》一文中研究指出针对一款并联混合动力客车提出了一种基于模糊在线识别的自适应控制策略.基于自主研发的混合动力车数据采集监控系统构建符合本地车辆实际行驶道路特点的典型工况,设计模糊工况识别算法对车辆实际行驶的工况类型进行在线识别.根据最小等效燃油消耗控制算法和电池电量平衡控制方法,结合工况识别的结果调用相应最优控制参数,对发动机和电池的功率分配进行实时优化计算,实现对整车的控制.实验结果表明,所设计的模糊识别方法能够较好地完成行驶工况类型的识别.基于此所提出的自适应控制方法能够在满足车辆需求功率和电池SOC维持在有效工作区间内的前提下完成发动机和电池的最优功率分配,显着提高整车的燃油经济性.(本文来源于《北京理工大学学报》期刊2016年03期）
姜红,王美华,张振亚,李学会[8]（2015）在《液压泄漏在线识别系统的开发与应用》一文中研究指出针对冶金行业缺少行之有效的液压泄漏在线监测手段这一技术难题,开发了液压泄露在线识别系统,通过对液压油品泄漏的总量监测和对易泄漏部位的重点监测,点面兼顾,实现了对整个液压系统油品泄漏情况的在线自动识别。实际应用证明该系统工作可靠,检测结果准确,节油效果显着。(本文来源于《冶金自动化》期刊2015年06期）
张驰,陈立平,黄文倩,郭志明,王庆艳[9]（2015）在《基于编码点阵结构光的苹果果梗/花萼在线识别》一文中研究指出为解决苹果机器视觉自动分级时果梗/花萼识别的难题,提出一种基于位置变化的点阵结构光编码方法,并用于苹果果梗/花萼的在线检测。通过分析投射在物体和参考平面上光斑的成像规律,提出将光斑的位置变化作为编码基元;在二元域中,利用编码基元生成M阵列,将其作为近红外点阵结构光的编码模式;通过分析匹配后的差值矩阵,识别果梗/花萼的位置。在线实验结果表明:该方法可以有效地实现果梗/花萼的在线识别,在满足实时性要求前提下,平均识别正确率可达到93.17%。(本文来源于《农业机械学报》期刊2015年07期）
麻金贺[10]（2014）在《轮毂在线识别系统的研究》一文中研究指出机器视觉技术涉及神经生物学、计算机学、图像处理学、模式识别和人工智能等多门学科，具有高效率、高精度、非接触和易集成等特点，是实现现代集成制造技术的基础。将机器视觉技术应用到轮毂生产之中，可以在很大程度上提高生产过程的机械化和智能化水平。本文首先分析了目前国内外汽车轮毂生产中在线识别技术存在的问题，在机器视觉技术的基础上，综合图像处理、数据分析和模式识别等相关技术，以不同类型、不同材料的轮毂为研究对象，利用光电开关、运动控制卡等硬件获取轮毂图像，采用霍夫变换等算法实现图像处理、图像分割和特征提取。本识别系统以Visual C++6.0为平台，采用Intel开源的图像处理库OpenCV对图像进行处理。其次采用中值滤波对图像进行去噪处理。针对轮毂生产铸造成型过程中轮坯的边缘处会产生或大或小的毛刺，严重影响后续轮毂图像的分析、识别的现象，选用数学形态学的方法来消除毛刺、平滑轮坯边缘以及填充因外界干扰而引起的图像内部空隙。最后，经过标定后的工业相机定位轮毂的位置，运动控制卡引导机械手对轮毂进行相应操作，实现机器人自动上下料、自动钻孔、自动搬运和自动码垛。轮毂在线识别系统的研究可以很好的适应轮毂的批量生产，实现快速的在线识别定位，克服了轮毂生产过程中手动搬运、装夹和分拣的弊端。本文开展的面向形状识别的机器视觉系统的研究工作，为实现工业生产现代新型的识别技术和手段做了有益的尝试和探讨。(本文来源于《燕山大学》期刊2014-05-01）
在线识别论文开题报告
（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：
针对电力系统暂态电压稳定在线识别问题,提出了一种基于深度学习的识别方法,构建深层模型反映稳定类别与在线量测数据间的映射关系。采用多种先进处理技术对模型进行优化:为提高失稳样本分类准确率,修改原交叉熵目标函数;优化学习率以平衡模型的精度和速度;加入dropout技术防止过拟合;对隐层函数加入batch-norm处理技术以防止内部变量转变;为避免随机分组导致的准确率波动,采取10折交叉验证方法。以广东电网为研究对象,并与其他分类算法进行对比后表明所提方法识别精度高、速度快,且鲁棒性强,具有良好的工程应用价值。
（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。
在线识别论文参考文献
[1].郭智杰,王明泉,张俊生,焦腾云.基于机器视觉的轮毂在线识别分类技术研究[J].测试技术学报.2019
[2].徐浩,王钢,汪隆君.基于深度学习的暂态电压稳定在线识别[J].电气自动化.2019
[3].李龙,彭彦昆,李永玉,王凡,张捷.基于纹理和梯度特征的苹果伤痕与果梗/花萼在线识别[J].农业机械学报.2018
[4].卢绍文,王克栋,吴志伟,李鹏琦,郭章.基于深度卷积网络的电熔镁炉欠烧工况在线识别[J].控制与决策.2019
[5].杨德功.极端条件下滑动电接触结构损伤在线识别方法[D].燕山大学.2018
[6].章楠.基于工况在线识别的汽车电能管理系统的研究与实现[D].合肥工业大学.2018
[7].连静,常静,李琳辉,周雅夫,吕仁志.基于模糊在线识别的并联混合动力客车自适应控制策略[J].北京理工大学学报.2016
[8].姜红,王美华,张振亚,李学会.液压泄漏在线识别系统的开发与应用[J].冶金自动化.2015
[9].张驰,陈立平,黄文倩,郭志明,王庆艳.基于编码点阵结构光的苹果果梗/花萼在线识别[J].农业机械学报.2015
[10].麻金贺.轮毂在线识别系统的研究[D].燕山大学.2014
论文知识图
![漂移通量法进行流型辨[182]](http://image.cnki.net/GetImage.ashx?id=1012034728.nh0004&suffix=.jpg)
