一、基于正交法的神经网络结构研究和应用（论文文献综述）
罗椿旺[1]（2021）在《基于BP神经网络的激光选区熔化成形件表面粗糙度优化研究》文中研究指明激光选区熔化的特殊成形原理使得成形件的表面质量不理想,这会制约激光选区熔化的发展。成形件表面质量的优化则离不开对表面粗糙度的研究,而表面粗糙度受到成形参数以及其他外部条件的影响。通常对表面质量的研究需要通过反复实验得到成形件,这样不仅研究周期长,还会造成材料的浪费。为此,本文选取表面粗糙度为成形件表面质量的表征,以优化表面质量为目的,设计不同参数组合,并以BP神经网络为媒介,为激光选区熔化成形件表面粗糙度优化提供新途径。针对激光选区熔化成形件表面粗糙度和工艺参数件之间高度非线性的特点,首先建立BP神经网络表面粗糙度预测模型,用来预测在激光功率、扫描速度、铺粉层厚、铺粉间距等不同工艺参数组合下的成形件表面粗糙度。结果表明样本预测的平均相对误差为10.55%,说明BP神经网络能够表达激光选区熔化成形工艺和表面粗擦度的非线性耦合关系。为了解决BP神经网络对初始权值、阈值过于敏感的问题,本文利用遗传算法寻优能力,提供合适的初始权值、阈值给BP神经网络。遗传算法优化后BP神经网络样本预测的平均相对误差降低到6.91%,表明遗传算法对BP神经网络表面粗糙度预测模型的优化有效。为了进一步验证模型有效性,利用正交法设计实验,再通过模型预测,分析预测后的表面粗糙度值,表明在正交法设计的实验下,预测数据中各参数对表面粗糙度的影响规律符合实际。将遗传算法优化完成的神经网络预测模型作为遗传算法中的适应度函数,表面粗糙度值作为适应度值,建立激光选区熔化成形件表面粗糙度的优化模型。选取寻优求得的工艺参数组合（a）P=120W、V=500mm/s、H=0.12mm、T=20μm（b）P=120W、V=1300mm/s、H=0.12mm、T=20μm（c）P=60W、V=500mm/s、H=0.09mm、T=20μm（d）P=110W、V=1200mm/s、H=0.07mm、T=30μm等进行验证,发现成形件表面光滑,纹理清晰,熔道熔化完全,表面粗糙度实测值波动不大,且均低于样本值。结果表明,寻优得到的表面粗糙度达到了预期目标,对应的参数组合也能够满足实际情况,进一步说明寻优算法和BP神经网络的结合能够用在激光选区熔化成形件表面质量的优化上。
张星亮[2]（2020）在《基于可信评估的农业物联网异常数据检测及补值应用研究》文中研究表明将物联网技术与农业深度结合的智慧农业具有科学栽培、精准操控、绿色农业等强大优势。物联网的传感器采集数据过程中可能会发生数据异常的情况,在数据传输过程中还可能发生数据丢失的情况。若直接使用这些数据,势必对后续系统造成严重错误,对决策判定造成重大失误。本文将对采集的农业数据进行异常检测,并对异常值和传输过程的缺失值进行补值。对传感器采集的农业数据,本文提出采用马田系统（Mahalanobis-Taguchi System,MTS）进行异常检测,对于判定农业异常数据具有良好的效果。主要研究内容包括:（1）对正常数据和异常数据分别计算马氏距离（Mahalanobis Distance,MD）构建马氏空间（Mahalanobis Space,MS）。（2）为了降低后面检测和分析的工作量,采用正交表和信噪比来优化马氏空间,并通过f极大值方法来确定阈值。（3）利用采集的真实农业数据进行异常检测实验验证,实验结果表明利用马田系统对数据异常数据检测具有80.13%的正确率。对于数据中存在的异常值和缺失值,本文采用时间属性和信任属性组合方法进行异常值和缺失值补值,很好地解决了农业数据中存在的缺失问题。主要研究内容包括:（1）采用差分自回归移动平均模型（Auto Regressive Integrated Moving Average Model,ARIMA）对时间属性进行缺失值估值。将采集数据进行差分后,通过自相关函数和偏自相关函数确定自回归模型和移动平均模型的阶数,进而能够对数据进行时间属性的预测。（2）ARIMA模型补值可能会受到自身误差的影响而导致估值出现误差,为了降低误差,本文采用基于信任属性的多元线性回归模型（Multiple Linear Regression based on Trust Attribute,MLRTA）从信任属性对缺失值补值。利用节点之间的信息交互,通过主观逻辑将其转换为信任值,进而通过信任值来选取信任节点,由此使用多元线性回归估计缺失值。（3）采用权重分配方法将ARIMA模型和MLRTA模型进行组合成ARIMA-MLRTA算法,该算法对补值具有更高的准确性。（4）实验验证ARIMA-MLRTA算法相比于LIN估值算法、KMRA估值算法,ARIMA-MLRTA算法具有预测效果更好、预测准确率更高的优势。
石用伍[3]（2020）在《面向心肺慢病管理的穿戴式生理参数监测感知技术研究》文中认为随着社会的发展和全球人口老龄化的趋势越发严重,心肺慢病已成为威胁老龄化人群健康的头等病因,同时,心肺慢病不断呈现年轻化发病趋势。伴随医学科技的发展以及人民健康意识的提高,现代医疗模式更主张实现对“健康人”的生命体征信息动态健康监测管理,提倡“预防重于治疗”,关注治“未病”,让病人得到个体化、动态的医疗服务。心电、心率、脉搏、血氧饱和度、呼吸、体温、血压等这些人体基本的生理参数与疾病的防治密切相关。从技术手段上来说,除了医院专业的医疗设备可以实现对人体健康状态监测外,便捷、灵活的穿戴式生理参数监测系统为个性化实时的生理参数监测提供了技术支撑平台。现代医疗模式的转变,对医疗级穿戴式微型化、智能化设备提出了更高的要求,穿戴式生理参数监测采用微型化、智能化、高精度的各种传感器采集人体的生理参数,实现对人体健康生理参数无创连续的实时监测,是实现全面健康和个性化医疗较为有效的新型医疗监护模式。然而,具备微型化、低功耗、高精度的穿戴式系统感知技术的研究目前仍然是穿戴式医疗研究的难点之一。全面深入地开展穿戴式医疗感知技术的相关研究对于个性化疾病的诊断和治疗、解决健康管理、养老服务、慢病管理和看病难等问题都具有非常重要的意义。本文以“感知”为切入点,根据穿戴式生理参数监测系统感知技术环节存在的关键问题,主要针对脉搏、心率传感器感知材料制备及传感性能测试、面向心肺慢病管理的穿戴式生理参数监测系统、穿戴式心电信号的信息融合分类算法等几个方面进行了深入的研究,具体包含以下内容:（1）多金属盐酸盐/二维氧化石墨烯（polyoxometalate/two dimensional graphene nanosheets,简称POM/2D GNs）柔性穿戴式脉搏、心率传感器感知电极材料制备及传感性能研究。本文制备了POM/2D GNs复合材料,并对该材料进行X射线衍射（X-Ray Diffraction,简称XRD）、透射电镜（Transmission electron microscope,简称TEM）、X射线能谱分析（Energy dispersive X-ray spectroscopy,简称EDS）表征及电化学性能测试。构建了基于POM/2D GNs的水滴监测传感器模型,利用放置和移除水滴的方式对该传感装置的响应能力进行测试,结果表明,测量到的ΔADC值可以很好地响应水滴放置和移除POM/2D GNs传感器时的压力信号变化。为探索POM/2D GNs传感器在人体脉搏、心率监测领域的应用潜力,我们设计了一种柔性脉搏传感器装置模型,并将其固定于手腕脉搏处,进行连续15秒的脉搏监测记录。结果表明,基于POM/2D GNs的传感器对外部脉冲很敏感,监测结果与PPG技术监测到的脉搏波结果基本一致。因此,POM/2D GNs被证实可用于穿戴式医疗系统用来实现对人体脉搏、心率等生命体征参数的监测。这项工作为柔性穿戴式心电、脉搏传感器的制备开辟了新的途径。（2）2D GNs/ZnS:Mn2+/POM力致发光柔性穿戴式脉搏、心电传感器感知电极材料制备及传感性能研究。在POM/2D GNs脉搏传感器感知材料的基础上,本文进一步制备了2D GNs/ZnS:Mn2+/POM复合材料,并对该材料进行XRD、TEM、PL（光致发光）、ML（力致发光）和电化学性能表征。结果表明,该材料具有压力控制发光性能,ML强度和压力值在一定范围内呈线性关系。由于具有高导电性能的2D GNs和POM的引入,2D GNs/ZnS:Mn2+/POM电极具备对外界的刺激响应敏感和高导电特性。构建了2D GNs/ZnS:Mn2+/POM传感器装置模型,并对脉搏、心电信号进行监测,实验结果表明,该复合材料可以作为脉搏、心电传感器感知电极用于穿戴式脉搏、心率的监测。本文的研究进一步丰富了穿戴式柔性脉搏、心率传感器感知电极材料的制备方法,对柔性石墨烯基材料作为心电、脉搏传感器的新应用提供了一定的借鉴价值。（3）面向心肺慢病管理的穿戴式生理参数监测系统。本文设计的穿戴式心肺慢病生理参数监测系统充分结合了传统的心电监护设备的技术优势,以低功耗、小型化和兼顾生理信号测量的准确性为目标,选取ADS1292、AFE4400、STM32等低功耗模拟前端和芯片方案,设计了集3导联的心电信号采集和血氧饱和度监测模块为一体的穿戴式心肺慢病监测系统,经验证,该系统能有效地采集到心电和血氧饱和度信号。同时利用该系统对本文制备的石墨烯基感知材料POM/2D GNs进行了心电信号的采集验证。（4）深度卷积神经网络（Deep Convolutional Neural Network,简称DCNN）的心律失常分类算法研究。通过对前端采集到的心电信号中获取有用的信息辅助临床医生的诊断具有重要意义,也是智能穿戴设备系统的核心和关键感知技术之一。本文提出了一种基于深度卷积神经网络的心律失常分类算法,生成具有患者特异性的深层结构自动心拍分类模型,提出方法的优点包括减少了前期的心电信号噪声处理、单独的特征提取等步骤。提出模型对MIT-BIH心律失常数据库四类心拍识别的平均准确率为96.79%,平均特效度为97.85%,综合性能评价指标达95.98%。（5）卷积神经网络+长短时记忆网络+注意力机制（Convolutional Neural Network+Long Short-Term Memory+Attention,简称CLSTMA）组合神经网络模型的心律失常分类算法研究。本文在深度卷积神经网络的基础上进一步提出了CLSTMA组合神经网络模型。经过20轮次的训练和调参过程,生成具有患者特异性的深层结构自动心拍分类模型,提出方法减少了前期的心电信号噪声处理、单独的特征提取等步骤的同时,进一步增强了模型的泛化能力。提出的模型对MIT-BIH心律失常数据库四类心拍识别验证结果表明,模型的综合性能评价指标达96.86%,以室性早博为例,模型的准确率达到96.70%,特效度达到98.22%,与已有文献进行比较,该模型的整体性能优于文献报道的模型性能。综上,论文的研究成果进一步拓展和丰富了穿戴式医疗感知技术方面的研究,从感知技术层面上为心肺慢病监测系统乃至利用其他柔性穿戴技术实现对人体健康体征信息的采集、疾病的预防和诊断提供了理论基础和技术支持。
靳松[4]（2020）在《大型构件机器人焊接工艺参数的研究与优化》文中研究指明船舶、港机、航空、桥梁等大型构件由于其尺寸巨大,通常需要多个工件进行拼装、焊接,大型构件的焊接过程主要是通过人工焊接的法进行加工,既会对人的身体造成多种危害,又会面临效率低下,生产质量以及工期无法保证等问题,因此迫切需要采用机器人等成套的自动化焊接设备来取代人工。在焊接生产时,焊接接头的质量是评判产品是否合格的重要因素之一,而焊接的工艺参数的选择又决定了接头质量的好坏。为了提升大型构件的焊接质量,本文建立了基于遗传神经网络的焊缝预测模型。本文首先搭建了机器人焊接系统作为实验平台,主要包括ABB机器人及其配套设备、焊机、送丝机构以及图像采集装置,并设计了整个试验平台的通信以及控制系统,通过正交法设计试验方案并获取样本数据,对采集到的样本数据进行方差分析,得出了各因素水平波动对焊缝成形造成的变化。其次针对BP神经网络的缺陷,结合遗传算法对其进行改进,优化其初始权值与阈值,并将实验所得到的样本数据进行训练从而建立了焊缝成形的预测模型。并将创建好的模型用于评价遗传算法的个体适应度大小,通过遗传算法的全局寻优功能找出了符合预定焊缝成形的工艺参数。最后为了方便工作人员使用建立好的模型,本文以VC++为开发环境,搭建了一套焊接工艺参数优化的GUI界面,用户可以简单、直观地创建网络模型,并进行焊接工艺的设计与优化
张庚[5]（2020）在《基于模态变异的桥梁损伤识别软件的开发及应用》文中提出为确保桥梁结构在服役期间可以安全运营,及时对损伤做出预警,评估结构的安全性与使用寿命,并采取合适的养护和维修方案尤为重要,因此损伤识别技术被视为桥梁结构健康监测系统的核心。其中,基于结构模态变异的损伤识别方法理论清晰,直接反映结构的动力特性,得到了学者们的广泛关注,并提出了多种损伤识别方法。但由于实际桥梁结构的模态参数往往十分复杂,利用单一某种损伤识别方法已不足以满足实际工程的需求,迫切需要一套完善全面的损伤识别体系。由于各方法在应用条件与损伤识别机理上存在较大差异,识别效果不尽相同,工程人员在实际应用中往往难以抉择最合适的识别方法,且对工程人员的专业素养有着较高的要求。本课题对损伤识别方法进行了详细的梳理与分类,系统归纳现有基于模态变异的损伤识别方法,整理其发展进程,详细阐述各方法的损伤识别机理。利用ANSYS软件建立双跨连续梁作为标准算例模型并模拟不同损伤工况,对比各方法对标准模型的识别效果,分析各自的优缺点与应用上的限制。利用MATLAB软件将各方法编程实现,保存为可独立运行的函数脚本。依托MATLAB软件的APP设计工具,从软件交互界面与功能编程行为两方面设计桥梁结构损伤识别软件的界面布局与专业功能。软件共集成7个交互界面,作为结构物理模型重构、模态参数与敏感模态计算、损伤判断、损伤定位与可视化输出等功能的载体。搭建了MIDAS、ANSYS、ABAQUS有限元软件以及办公软件Word的接口,实现物理模型的一键重构与识别报告的一键导出。软件集成了2种敏感模态计算方法、4种损伤判断方法与32种损伤定位方法,支持一种或多种方法同时计算。并以ANSYS建成的双跨连续梁模型,对软件的功能模块与操作流程进行验证,证实软件的便捷、友好、高效。以浙江省健跳大桥为工程背景,验证软件的实际应用效果。利用MIDAS CIVIL建立健跳大桥的有限元模型,模拟两处损伤同时存在的损伤工况,选择损伤识别软件包含的全部识别方法检测结构的损伤情况。进一步验证本课题开发的损伤识别软件的实用性与工程应用价值。
龙中秀[6]（2020）在《基于土质边坡数据分类模型的滑坡预测研究与实现》文中研究说明山体滑坡作为常见的地质灾害之一,对人民的生命财产安全和社会的经济效益造成了严重的负面影响。为减少滑坡灾害造成的损失,对滑坡进行预测是一种行之有效的手段。滑坡预测近年来成为研究重点,部分边坡稳定性滑坡预测方法依据滑坡灾害三阶段时空演化特征采用位移-时间曲线切线角取值进行滑坡预测,论文针对该种类型方法中存在假设监测起始点为等速滑坡阶段取滑坡速度值导致预测精度较低及预测算法效率有待提高的问题,提出了基于滑坡数据分类模型的滑坡预测算法,该算法无需假设性条件,在提高预测算法的准确度和运行效率方面有良好表现。论文运用数据分析、神经网络、智能算法等热门方法对滑坡监测数据进行处理,主要包括数据分析、分类和预测等重点。由于滑坡影响参数众多且复杂,因此论文采用灰色关联法改进正交试验分析法对各传感器测量参数与边坡稳定性系数的相关性进行了定量分析,有利于参数传感器重点布设与监测、滑坡监测与预警的成本控制以及后续的数据分类和滑坡预测。滑坡数据分类模型目的是将历史滑坡监测数据以滑坡灾害发生时间为判据分为安全数据与存在危险数据,经过对常用分类算法的比较与实验,最终在朴素贝叶斯算法、支持向量机算法、决策树算法中选择了以RBF函数为核函数的支持向量机SVM分类算法,并采用粒子群优化PSO算法对SVM分类算法进行改进,形成PSO-SVM模型对滑坡数据分类,分类结果为存在危险数据的数据组将继续后续的滑坡预测。滑坡预测包括滑坡位移预测与滑坡时间预报。采用适用于时间序列数据预测的长短时记忆LSTM神经网络对滑坡数据进行位移预测,由于预测结果与实际监测位移值存在一定误差,选用自回归积分移动平均ARIMA模型对LSTM的预测误差进行修正,组合后的LSTM-ARIMA算法根据滑坡监测数据来预测滑坡位移。滑坡时间预报则采用改进的Verhulst反函数模型,对改进反函数模型基于位移监测数据与预测数据进行非线性处理得到求解滑坡灾害发生时间的参数,根据解得的结果进行滑坡时间预报。经过实验室实际搭建边坡采集得到的参数验证,论文中的滑坡数据相关性分析结果与现实情况相符,建立的滑坡数据分类模型准确率达到了95.89%,滑坡位移预测结果平均均方根误差在2mm以内,最终预测得到的滑坡时间与真实记录的滑坡时间仅相差五分钟,结果表明论文中搭建的滑坡数据分类模型与滑坡预测算法具有实用性、精确性与高效性。
单海江[7]（2020）在《基于铣削加工的参数优化与机床节能策略的研究》文中进行了进一步梳理金属切削设备在制造业中是最基础的装备,是金属切削工作的母机。我国的金属切削设备数量庞大,涉及面广,生产及使用逐年增强,切削设备能耗日益增加,导致碳排放逐年增高,致使地球环境变化越来越不乐观,低能耗、低碳制造问题已经变成当今各国关注的焦点。铣削加工是金属切削加工领域重要的组成部分,但铣削机床在实际生产过程中效率低,耗能多,存在巨大的节能空间。铣削加工是典型的、复杂的非线性过程,要通过合理选择切削参数来节约能耗,降低生产成本,通过建立精确的数学模型来实现非常困难。本文从我国工业生产实际现状出发,使用最常用的硬质合金铣刀,铣削广泛使用的的40 Cr钢材,获得了30组实验数据,并应用了处理复杂非线性问题的神经网络算法,通过建立结构合理的神经网络,能够快速、准确的计算铣削用量,用数字体现铣削用量与铣削设备功率的关系。基于正交试验设计的方法,将选取的铣削参数做进一步的优化,从试验中可以看出不同的铣削参数对铣削设备输出功率的影响;同时,对不同铣削参数下加工时间的多少进行了对比分析;实验表明,在铣削参数中,其中每齿进给量对铣削设备加工时的输出功率和加工时间影响最大,其次是切削速度,影响最小的是背吃刀量。通过构建铣削设备加工能耗的模型,基于铣削实验,得到了不同切削用量对切削设备能耗的影响趋势,分析结果表明,铣削加工时选取大的进给量和背吃刀量,使用适宜的切削速度,可有效的提高铣削机床加工效率,并将能耗降至最低。
王洋[8]（2019）在《基于高光谱的水稻纹枯病特征提取与诊断方法研究》文中研究表明水稻病害的监测与诊断对保证国家粮食安全具有重要意义,基于分子生物学的病害检测方法可实现病害的精准分析,但该方法成本高、效率低、需要专业技术人员操作,在农业生产中难以实现,而近年来光谱技术在病害检测中的应用,为水稻病害高通量、快速的检测提供了可能,本研究以东北粳稻纹枯病为研究对象,展开病害光谱响应特征分析、病害识别、病害等级划分、病害指数估测等方面的探讨,主要研究内容如下:（1）研究基于水稻叶片尺度非成像高光谱数据,在叶片尺度对水稻单体植株是否染有纹枯病进行识别。采用了连续投影法、主成分分析法、正交法等方法对健康和受纹枯病胁迫的水稻光谱进行降维,重点研究了Gram-Schmidt正交投影法获取光谱基向量,从而得到病害识别特征的方法。识别结果证明,3种降维方法均可有效提取叶片尺度水稻纹枯病害特征光谱信息,Gram-Schmidt正交化提取基向量方法有利于水稻识别精度的提高,识别准确率为95%,同时也从数据分析的角度得到敏感特征波长位于550nm、675nm、730nm。（2）研究了水稻纹枯病叶片尺度病级识别。分析水稻光谱对纹枯病的响应特征,比较了染病和健康情况下水稻光谱的差别,得到叶片尺度光谱数据对纹枯病敏感波段630-700nm、720-820nm;以原始光谱信息、光谱一阶微分特征、相关植被指数、原始光谱连续统特征、Gram-Schmidt正交降维得到的基向量等分别作为输入变量来实现单株水稻病级的判别,结果证明基向量方法对于病级判断能力较强,对训练集和验证集样本判断准确率较高,表明Gram-Schmidt正交法能够实现叶片尺度水稻纹枯病严重程度的观测。（3）研究了冠层尺度上水稻纹枯病情指数估测。通过比较冠层各染病和健康情况下水稻光谱的差别,得到冠层尺度非成像高光谱数据冠层尺度光谱数据对纹枯病敏感波段583-635nm、655-741nm;对纹枯病敏感的特征或指数作为自变量,建立病情指数的估测模型,在冠层尺度上实现冠层水稻病情指数的估测。结果显示采用Gram-Schimdt正交化处理原始光谱的基向量为特征作为输入变量构建的一元线性模型为病情严重度反演的最佳模型。建模决定系数相对于其他特征具有优势,验证集的估测精度R2高达0.675,实现了近地面水平的冠层纹枯病检测。上述研究结果可以提高水稻纹枯病病害的无损检测的精度,监测水稻生育期内发生纹枯病发展状况、为水稻病害的快速检测仪器开发提供了理论方法。
吴伟[9]（2019）在《基于CAE的注塑车灯灯体变形的研究及优化》文中进行了进一步梳理车灯作为汽车外部主要功能零部件,主要具有提供夜间照明、昼夜信号的功能。灯体作为汽车车灯的重要部件之一,主要承担着密封、支撑、保护等作用。本文以某款尾灯灯体为研究对象,针对在实际生产中该制品变形严重,不满足实际生产精度要求等问题,采用试验和理论结合的方法,开展注塑成型过程中的研究工作,从而实现减小制品变形的目标。主要研究内容如下:（1）对灯体进行基于CAE分析的注塑方案确定,本课题所有分析均包含实际的水路冷却系统,然后通过对比多种方案的注塑结果确定最终方案。（2）对不同工艺参数下的试验数据进行类比,采用方差与极差分析的方法来确定各工艺参数的影响程度。引入温度波动的概念,利用信噪比选择合适的参数水平。（3）利用灰色理论求解多目标优化的问题,把体积收缩和最大变形两个结果作为优化目标,根据参数间关联程度的大小来判断相互间关系的强弱。从而获得出灰色理论下的最佳工艺参数。（4）由于正交试验的局限性,上述内容取得的工艺参数水平均来自于各个标准值,缺乏连续性,故利用灰色理论筛选出的两个关键参数,通过响应曲面法得到二阶拟合方程,求解方程在给定区间内的最优值,获得理论上的最佳工艺参数。（5）在Moldflow分析获得压力温度等注塑结果的基础上,对模具结构部分进行瞬态热分析,利用热分析的温度场作为结构静力学分析的边界条件进行耦合分析,同时施加压力载荷,得到模具变形结果。（6）利用前面各章节分析的结果进行了试模,结果表明,试模产品上各点的变形量小于给定的变形量,同时也验证了本文工作的可靠性和有效性。
雷学伟[10]（2019）在《齿轮箱振动在线监测与诊断系统设计与开发》文中指出齿轮箱作为工业生产中最重要的机械设备之一,其运行状态、健康状况需要时刻得到监控。随着企业生产规模的逐步扩大,传统的齿轮箱设备监测手段已经无法满足企业的需求。从齿轮箱振动信号中挖掘出的信息可以高效、准确地诊断出当前齿轮箱设备的运行状态。因此,基于齿轮箱振动信号的故障诊断是目前齿轮箱状态监测的主要研究方向。本文结合齿轮箱设备使用企业的实际需求,设计与开发了齿轮箱振动在线监测与诊断系统。（1）分析齿轮箱设备实际应用场景对系统数据采集方式的影响,设计基于Wi-Fi传输的齿轮箱振动在线监测与诊断系统数据采集方案。（2）研究基于双树复小波变换的齿轮箱振动故障特征提取方法。针对齿轮箱振动在线监测与诊断系统的鲁棒性与计算效率要求,研究双树复小波变换的原理、结构与特性。结合齿轮箱振动信号在时域、频域内的特征提取与信息熵理论,最终实现齿轮箱振动故障多维特征向量提取。（3）深度置信网络是深度学习中一种重要的模型。本文研究深度置信网络的原理、组成、训练过程,利用齿轮箱振动实验平台数据进行深度置信网络模型搭建与训练。最后与BP神经网络、支持向量机等算法进行比较,证明其在齿轮箱振动故障诊断中良好的故障分类能力。（4）基于python开发了一款齿轮箱振动在线监测与诊断系统。该系统对齿轮箱进行故障诊断时能够达到99.7%的准确率。本系统能够同时对多台齿轮箱设备进行振动故障在线监测与诊断,具有一定的实用性。
二、基于正交法的神经网络结构研究和应用（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：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（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。
三、基于正交法的神经网络结构研究和应用（论文提纲范文）
（1）基于BP神经网络的激光选区熔化成形件表面粗糙度优化研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题研究的目的及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 激光选区熔化成形工艺优化现状 |
| 1.2.2 神经网络在各类领域的优化应用 |
| 1.3 本文主要研究内容及创新点 |
| 第2章 实验方法与设备 |
| 2.1 激光选区熔化技术成形原理及设备 |
| 2.2 实验方法与材料 |
| 2.3 成形件表面粗糙度测量原理与方法 |
| 2.3.1 测量原理 |
| 2.3.2 测量方法 |
| 2.4 本章小节 |
| 第3章 表面粗糙度预测模型的建立 |
| 3.1 MATLAB软件概述 |
| 3.2 人工神经网络概述 |
| 3.2.1 人工神经元模型 |
| 3.2.2 人工神经元的激励函数 |
| 3.2.3 人工神经网络的基本类型 |
| 3.2.4 反向传播神经网络的特点与优势 |
| 3.3 成形工艺参数的选择 |
| 3.4 样本数据的选取与处理 |
| 3.4.1 样本的选取 |
| 3.4.2 样本的归一化处理 |
| 3.5 激光选区熔化打印件表面粗糙度预测模型的建立 |
| 3.5.1 输入层和输出层的设计 |
| 3.5.2 隐含层的设计 |
| 3.5.3 各层激活函数的选择 |
| 3.5.4 训练算法的选择 |
| 3.5.5 BP神经网络中的性能函数 |
| 3.6 BP神经网络表面粗糙度预测模型的训练结果及分析 |
| 3.6.1 BP神经网络表面粗糙度预测模型的训练及分析 |
| 3.6.2 误差分析 |
| 3.7 本章小节 |
| 第4章 遗传算法优化粗糙度预测模型 |
| 4.1 遗传算法概述 |
| 4.1.1 遗传算法基本原理 |
| 4.1.2 遗传算法基本要素 |
| 4.1.3 遗传算法的控制参数 |
| 4.2 遗传算法优化BP神经网络模型 |
| 4.2.1 遗传算法优化表面粗糙度预测模型的流程 |
| 4.2.2 遗传算法优化网络控制参数的设置 |
| 4.3 GA-BP神经网络预测模型的结果与误差分析 |
| 4.3.1 遗传算法优化BP神经网络结果 |
| 4.3.2 GA-BP神经网络预测结果及误差分析 |
| 4.3.3 正交设计预测结果与分析 |
| 4.4 本章小结 |
| 第5章 激光选区熔化成形件表面粗糙度的优化 |
| 5.1 遗传算法控制参数的设置 |
| 5.2 遗传算法寻优结果与分析 |
| 5.2.1 寻优结果 |
| 5.2.2 结果分析 |
| 5.3 本章小结 |
| 第6章 结论与展望 |
| 6.1 论文总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要研究成果 |
（2）基于可信评估的农业物联网异常数据检测及补值应用研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 农业物联网研究现状 |
| 1.2.2 异常检测研究现状 |
| 1.2.3 马田系统研究现状 |
| 1.2.4 补值现状 |
| 1.3 研究内容及章节安排 |
| 1.3.1 研究内容 |
| 1.3.2 章节安排 |
| 第二章 相关技术介绍 |
| 2.1 物联网技术 |
| 2.1.1 物联网技术概念 |
| 2.1.2 物联网的层次 |
| 2.2 异常检测技术 |
| 2.2.1 数据异常检测定义 |
| 2.2.2 数据异常检测方法 |
| 2.3 数据缺失 |
| 2.3.1 数据缺失定义 |
| 2.3.2 数据缺失原因 |
| 2.3.3 缺失数据的处理方法 |
| 2.4 数据补值的相关方法 |
| 2.5 本章小结 |
| 第三章 基于马田系统的数据异常检测 |
| 3.1 马田系统 |
| 3.2 构建马氏空间 |
| 3.2.1 逆矩阵法 |
| 3.2.2 伴随矩阵法 |
| 3.2.3 施密特正交法 |
| 3.3 马氏空间的验证 |
| 3.4 马氏空间的优化 |
| 3.4.1 正交表 |
| 3.4.2 信噪比 |
| 3.5 分类和诊断 |
| 3.6 实验分析 |
| 3.6.1 马氏空间的构建和验证 |
| 3.6.2 马氏空间的优化 |
| 3.6.3 性能分析与诊断 |
| 3.6.3.1 确定阈值 |
| 3.6.3.2 分析与诊断 |
| 3.7 本章小结 |
| 第四章 基于信任-时间属性的缺失值估计 |
| 4.1 基于时间属性的预测值 |
| 4.1.1 数据预处理 |
| 4.1.2 ARIMA模型 |
| 4.1.2.1 自回归模型 |
| 4.1.2.2 移动平均模型 |
| 4.1.2.3 自回归移动平均模型 |
| 4.1.2.4 差分自回归移动模型 |
| 4.1.3 判断方法及阶数确立 |
| 4.1.3.1 相关函数评估方法 |
| 4.1.3.2 阶数的确立 |
| 4.2 基于信任属性的预测值 |
| 4.2.1 主观逻辑 |
| 4.2.1.1 主观逻辑理论基础 |
| 4.2.1.2 折扣算子 |
| 4.2.1.3 融合算子 |
| 4.2.2 直接信任 |
| 4.2.3 间接信任 |
| 4.2.4 综合信任 |
| 4.2.5 多元线性回归 |
| 4.3 权重分配 |
| 4.4 异常数据估值及实验验证 |
| 4.4.1 实验环境和数据集 |
| 4.4.2 实验对比方案和评价指标 |
| 4.4.3 性能分析 |
| 4.4.3.1 真实值与预测值的误差比较 |
| 4.4.3.2 算法对比 |
| 4.5 缺失数据估计 |
| 4.5.1 实验环境与数据集 |
| 4.5.2 采样时间间隔对算法的影响 |
| 4.6 本章小结 |
| 第五章 结论与展望 |
| 5.1 本文总结 |
| 5.2 下一步工作 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 攻读硕士学位期间发表的论文和科研成果 |
（3）面向心肺慢病管理的穿戴式生理参数监测感知技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 柔性可穿戴心率、脉搏传感器系统 |
| 1.2.1 柔性心率传感器监测机制 |
| 1.2.2 柔性传感器的结构组成 |
| 1.2.3 研究现状 |
| 1.3 面向健康生命体征监测的穿戴式系统 |
| 1.3.1 研究现状 |
| 1.3.2 穿戴式生理参数监测系统关键感知技术 |
| 1.4 存在的问题和研究方向 |
| 1.5 论文的研究内容、结构、目的及意义 |
| 1.5.1 研究内容和组织结构 |
| 1.5.2 研究的目的和意义 |
| 第二章 穿戴式心肺慢病生理参数监测的生理学基础 |
| 2.1 心脏的电生理学 |
| 2.2 心电图各波段含义及临床意义 |
| 2.3 心率、脉搏产生及临床意义 |
| 2.3.1 心率的产生及临床意义 |
| 2.3.2 脉搏的产生及临床意义 |
| 2.3.3 心率与脉搏的关系 |
| 2.4 血氧饱和度的产生及意义 |
| 2.5 心律失常类型和指标 |
| 2.6 本章小结 |
| 第三章 POM/2D GNs柔性穿戴式脉搏传感器制备及传感特性 |
| 3.1 多金属氧酸盐概述 |
| 3.2 石墨烯和氧化石墨烯概述 |
| 3.3 石墨烯基复合材料在柔性传感器中的应用 |
| 3.4 实验部分 |
| 3.4.1 2DGNs悬浮液的制备 |
| 3.4.2 POM/2D GNs柔性材料制备 |
| 3.5 仪器与材料表征方法 |
| 3.6 结果与讨论 |
| 3.6.1 样品的XRD表征 |
| 3.6.2 样品的TEM、EDS表征 |
| 3.6.3 样品电化学性能 |
| 3.7 POM/2D GNs传感器模型构建及传感特性 |
| 3.7.1 POM/2D GNs传感器工作电路 |
| 3.7.2 POM/2D GNs传感特性测试 |
| 3.8 本章小结 |
| 第四章 2D GNs/Zn S:Mn~(2+)/POM柔性心率传感器制备及传感特性 |
| 4.1 力致发光材料及其在健康监测领域的应用 |
| 4.2 实验部分 |
| 4.2.1 ZnS:Mn~(2+)纳米材料制备 |
| 4.2.2 2D GNs/Zn S:Mn~(2+)/POM复合材料制备 |
| 4.3 仪器与材料表征方法 |
| 4.4 结果与讨论 |
| 4.4.1 样品的XRD表征 |
| 4.4.2 样品的TEM表征 |
| 4.4.3 样品的电化学性能 |
| 4.4.4 样品的光致发光性能测试 |
| 4.5 2D GNs/Zn S:Mn~(2+)/POM柔性心率传感器构建及传感特性 |
| 4.5.1 样品的发光与压力关系的实验验证 |
| 4.5.2 2D GNs/Zn S:Mn~(2+)/POM柔性传感器工作电路 |
| 4.5.3 2D GNs/Zn S:Mn~(2+)/POM心率监测实验 |
| 4.6 理论分析与探讨 |
| 4.7 本章小结 |
| 第五章 心肺慢病穿戴式生理参数监测系统 |
| 5.1 心肺慢病穿戴式生理参数监测系统设计 |
| 5.1.1 系统设计核心目标 |
| 5.1.2 系统结构 |
| 5.2 心电信号采集监测模块设计 |
| 5.2.1 心电信号采集模拟前端 |
| 5.2.2 心电信号处理MCU |
| 5.2.3 心电信号采集硬件电路设计 |
| 5.3 血氧饱和度监测模块设计 |
| 5.3.1 血氧信号采集模拟前端 |
| 5.3.2 血氧信号处理MCU |
| 5.3.3 指套式血氧传感器 |
| 5.3.4 血氧饱和度信号采集硬件电路设计 |
| 5.4 电源模块设计 |
| 5.5 穿戴式心肺慢病信号采集及性能测试 |
| 5.6 穿戴式心肺慢病监测系统样机 |
| 5.7 柔性石墨烯基电极的心电信号采集实验 |
| 5.8 本章小结 |
| 第六章 基于DCNN模型的智能心律失常分类识别算法 |
| 6.1 智能心拍分类技术研究 |
| 6.2 深度卷积神经网络的心电分类原理 |
| 6.3 心律失常分类的深度卷积神经网络模型 |
| 6.3.1 心电信号数据源 |
| 6.3.2 心拍数据集生成 |
| 6.3.3 ECG深度卷积神经网络结构及参数 |
| 6.4 实验结果及分析 |
| 6.4.1 实验平台及评价指标 |
| 6.4.2 结果与分析 |
| 6.5 本章小结 |
| 第七章 基于CLSTMA组合模型的智能心律失常分类识别算法 |
| 7.1 CLSTMA组合模型心电分类基本原理 |
| 7.1.1 长短时记忆网络 |
| 7.1.2 注意力机制 |
| 7.2 ECG时序信号预测分类算法 |
| 7.3 心律失常分类的CLSTMA组合模型 |
| 7.4 实验与结果分析 |
| 7.4.1 实验平台 |
| 7.4.2 心电信号数据来源 |
| 7.4.3 CLSTMA组合神经网络模型参数及评价指标 |
| 7.4.4 结果与分析 |
| 7.5 讨论 |
| 7.6 本章小结 |
| 第八章 总结与展望 |
| 8.1 研究内容总结 |
| 8.2 主要创新点 |
| 8.3 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 Ⅰ 英文缩略词表 |
| 附录 Ⅱ 研究生期间取得成果 |
（4）大型构件机器人焊接工艺参数的研究与优化（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景和意义 |
| 1.2 大型构件自动化焊接设备研究现状 |
| 1.3 焊接工艺参数优化研究现状 |
| 1.3.1 DOE法优化焊接工艺参数 |
| 1.3.2 神经网络优化焊接工艺参数 |
| 1.4 本文研究内容 |
| 第二章 机器人焊接实验平台设计 |
| 2.1 焊接工艺参数对焊缝的影响 |
| 2.1.1 焊缝成形与焊接质量的关系 |
| 2.1.2 机器人焊接主要工艺参数 |
| 2.2 机器人焊接实验平台总体架构 |
| 2.3 机器人焊接系统组成 |
| 2.3.1 ABB-IRB2600 工业机器人 |
| 2.3.2 焊机装置 |
| 2.3.3 焊缝图像采集装置 |
| 2.4 机器人焊接系统控制设计 |
| 2.4.1 基于Profibus-DP的总线技术 |
| 2.4.2 机器人与焊机的通讯 |
| 2.5 本章小结 |
| 第三章 基于正交设计法的实验样本采集与分析 |
| 3.1 实验设计 |
| 3.1.1 实验方法选择 |
| 3.1.2 正交实验设计原理 |
| 3.2 实验方案设计 |
| 3.2.1 实验指标的确定 |
| 3.2.2 因素表的制定 |
| 3.2.3 设计实验方案 |
| 3.3 焊接实验实施 |
| 3.3.1 焊前准备工作与焊接的实施 |
| 3.3.2 焊后样件处理与数据采集 |
| 3.4 实验结果分析 |
| 3.5 本章小结 |
| 第四章 基于遗传神经网络的焊缝成形预测与工艺参数优化 |
| 4.1 BP神经网络 |
| 4.1.1 神经元模型 |
| 4.1.2 BP神经网络结构 |
| 4.1.3 BP神经网络的局限性与不足 |
| 4.2 遗传算法 |
| 4.2.1 遗传算法简介 |
| 4.2.2 遗传算法基本构成要素 |
| 4.2.3 遗传算法计算步骤 |
| 4.3 基于遗传算法优化的BP神经网络的焊缝成形预测模型构建 |
| 4.3.1 遗传算法与神经网络的结合方式 |
| 4.3.2 BP神经网络设计 |
| 4.3.3 面向神经网络权值与阈值优化的遗传算法设计 |
| 4.4 结果分析 |
| 4.5 基于遗传算法的焊接工艺参数寻优 |
| 4.6 本章小结 |
| 第五章 大型构件焊接工艺参数优化界面设计 |
| 5.1 系统功能介绍 |
| 5.2 系统界面设计 |
| 5.2.1 网络训练模块设计 |
| 5.2.2 焊缝形状预测模块界面设计 |
| 5.2.3 焊接工艺参数优化模块界面设计 |
| 5.3 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 在学期间取得的科研成果和科研情况说明 |
| 致谢 |
（5）基于模态变异的桥梁损伤识别软件的开发及应用（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 前言 |
| 1.2 桥梁损伤识别研究的意义和内涵 |
| 1.2.1 桥梁结构损伤识别的重要性 |
| 1.2.2 桥梁结构损伤识别的层次划分 |
| 1.3 桥梁结构损伤识别的研究现状 |
| 1.3.1 基于频率的损伤识别 |
| 1.3.2 基于模态振型的损伤识别 |
| 1.3.3 基于柔度模态的损伤识别 |
| 1.3.4 基于曲率模态的损伤识别 |
| 1.3.5 基于应变模态的损伤识别 |
| 1.3.6 基于模态应变能的损伤识别 |
| 1.4 本文主要研究内容 |
| 2 基于模态变异的桥梁损伤识别指标对比研究 |
| 2.1 前言 |
| 2.2 桥梁损伤识别有限元模型简介 |
| 2.3 损伤识别指标的述评与分析 |
| 2.3.1 基于频率的损伤识别指标 |
| 2.3.2 基于振型的损伤识别指标 |
| 2.3.3 基于柔度模态的损伤识别指标 |
| 2.3.4 基于曲率模态的损伤识别指标 |
| 2.3.5 基于应变模态的损伤识别指标 |
| 2.3.6 基于模态应变能的损伤识别指标 |
| 2.4 敏感模态的概念与计算方法 |
| 2.5 本章小结 |
| 3 桥梁损伤识别软件的整体架构与功能设计 |
| 3.1 前言 |
| 3.2 整体架构与主要功能设计概述 |
| 3.3 软件各功能的交互界面设计 |
| 3.3.1 软件主界面设计 |
| 3.3.2 项目新建功能的子界面设计 |
| 3.3.3 模型重构功能的子界面设计 |
| 3.3.4 损伤识别方法选择功能的子界面设计 |
| 3.3.5 模态阶数选择功能的子界面设计 |
| 3.3.6 用户指南功能的子界面设计 |
| 3.4 本章小结 |
| 4 桥梁损伤识别软件功能模块开发 |
| 4.1 前言 |
| 4.2 软件开发平台的选取 |
| 4.2.1 常用编程语言的对比分析 |
| 4.2.2 MATLAB的 App设计工具 |
| 4.3 App Designer的界面开发 |
| 4.4 主界面的功能实现逻辑与开发 |
| 4.4.1 菜单栏的功能开发 |
| 4.4.2 状态信息栏的功能开发 |
| 4.4.3 绘图区的功能开发 |
| 4.4.4 控制区的功能开发 |
| 4.5 各功能模块子界面的功能实现逻辑与开发 |
| 4.5.1 项目新建子界面 |
| 4.5.2 损伤识别方法选择子界面 |
| 4.5.3 模态阶数选择子界面 |
| 4.5.4 使用说明子界面 |
| 4.6 本章小结 |
| 5 桥梁损伤识别软件的验证和应用 |
| 5.1 前言 |
| 5.2 基于双跨连续梁模型的软件验证 |
| 5.3 基于某实桥有限元模型的软件验证 |
| 5.3.1 浙江健跳大桥工程简介 |
| 5.3.2 健跳大桥的Midas模型与损伤工况模拟 |
| 5.3.3 健跳大桥的损伤识别分析 |
| 5.4 本章小结 |
| 6 总结与展望 |
| 6.1 本文主要结论 |
| 6.2 未来研究的展望 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（6）基于土质边坡数据分类模型的滑坡预测研究与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 滑坡数据分析及分类 |
| 1.2.2 滑坡预测 |
| 1.3 研究目标及研究内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.4 主要内容与章节安排 |
| 第2章 模型设计理论基础 |
| 2.1 技术路线 |
| 2.2 土质边坡滑坡基本特征 |
| 2.3 模型针对问题 |
| 2.4 本章小结 |
| 第3章 分类模型建立与实现 |
| 3.1 滑坡参数敏感度 |
| 3.1.1 改进正交分析法 |
| 3.1.2 参数敏感性实验 |
| 3.1.3 敏感性分析 |
| 3.2 数据分类模型 |
| 3.2.1 分类算法选择 |
| 3.2.2 数据分类试验 |
| 3.2.3 模型改进与训练结果 |
| 3.3 本章小结 |
| 第4章 滑坡预测设计实现 |
| 4.1 滑坡位移预测 |
| 4.1.1 LSTM神经网络与ARIMA模型 |
| 4.1.2 位移预测实验 |
| 4.1.3 模型评价与分析 |
| 4.2 滑坡时间预测 |
| 4.2.1 改进反函数模型 |
| 4.2.2 滑坡时间预报 |
| 4.3 本章小结 |
| 第5章 整体测试与验证 |
| 5.1 滑坡环境搭建 |
| 5.1.1 物理边坡 |
| 5.1.2 数据采集与分布 |
| 5.2 测试结果及分析 |
| 5.3 本章小结 |
| 总结与展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士学位期间发表的论文及研究成果 |
（7）基于铣削加工的参数优化与机床节能策略的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景及意义 |
| 1.2 国内外研究现状及发展趋势 |
| 1.2.1 国内外机床加工设备能耗研究现状 |
| 1.2.2 切削设备能耗的研究趋势及在实际中的应用 |
| 1.3 本文研究内容 |
| 第二章 铣削加工实验 |
| 2.1 实验使用的硬件 |
| 2.1.1 实验使用的设备 |
| 2.1.2 实验使用的刀具 |
| 2.1.3 实验使用的毛坯 |
| 2.2 实验使用的软件 |
| 2.3 实验取得的数据 |
| 2.4 本章小结 |
| 第三章 铣削加工参数的神经网络计算 |
| 3.1 铣削加工过程的影响因素 |
| 3.2 神经网络简述 |
| 3.3 神经网络方法在铣削加工中的应用 |
| 3.3.1 神经网络总维数的确定 |
| 3.3.2 隐层单元数量的确定 |
| 3.3.3 神经网络参数的计算过程分析 |
| 3.3.4 基于神经网络的参数计算 |
| 3.4 本章小结 |
| 第四章 基于正交试验的铣削参数优化及能耗分析 |
| 4.1 铣削加工能耗模型研究现状 |
| 4.2 正交试验设计的优化方法 |
| 4.2.1 正交试验设计简述 |
| 4.2.2 正交试验设计工具简介 |
| 4.2.3 正交表的选取原则 |
| 4.2.4 正交表的应用过程 |
| 4.2.5 正交试验获得结果的分析 |
| 4.2.6 正交设计软件 |
| 4.3 基于正交试验的铣削加工能耗优化 |
| 4.3.1 基于正交试验的铣削功率的优化 |
| 4.3.2 基于正交试验的铣削时间的优化 |
| 4.3.3 基于正交试验的铣削加工能耗的优化 |
| 4.4 本章小结 |
| 第五章 结论与展望 |
| 5.1 结论 |
| 5.2 创新点 |
| 5.3 展望 |
| 参考文献 |
| 作者简介 |
| 作者在攻读硕士学位期间获得的学术成果 |
| 致谢 |
（8）基于高光谱的水稻纹枯病特征提取与诊断方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究状况 |
| 1.2.1 光谱技术在病虫害检测中的应用 |
| 1.2.2 作物病虫害光谱检测的现状 |
| 1.3 水稻病虫害光谱诊断的主要问题分析 |
| 1.4 研究内容和技术路线 |
| 1.4.1 研究目的及研究内容 |
| 1.4.2 研究的技术路线 |
| 第二章 试验设计与方法 |
| 2.1 试验设计与样本采集 |
| 2.1.1 叶片尺度病害试验 |
| 2.1.2 冠层尺度病害试验 |
| 2.2 水稻纹枯病样本光谱数据获取 |
| 2.2.1 纹枯病样本光谱提取感兴趣区域分析 |
| 2.2.2 高光谱数据转换 |
| 2.2.3 叶片和冠层光谱数据的处理 |
| 2.3 高光谱数据预处理 |
| 2.3.1 数据规范化处理 |
| 2.3.2 数据平滑处理 |
| 2.4 高光谱降维方法 |
| 2.4.1 植被指数 |
| 2.4.2 连续投影法 |
| 2.4.3 主成分分析法 |
| 2.4.4 基于Gram-Schmidt正交化基向量方法 |
| 2.5 识别分类方法 |
| 2.5.1 支持向量机 |
| 2.5.2 BP神经网络 |
| 2.6 模型性能评价 |
| 2.6.1 定量校正模型评价 |
| 2.6.2 定性判别模型评价 |
| 2.7 本章小结 |
| 第三章 基于叶片尺度光谱特征的水稻纹枯病识别 |
| 3.1 主成分分析法光谱特征提取 |
| 3.2 连续投影法光谱特征波长提取 |
| 3.3 .基于Gram-Schmidt正交化方法的基向量特征提取 |
| 3.3.1 Gram-Schmidt正交化变换原始光谱的改进 |
| 3.3.2 观测窗宽度设置 |
| 3.3.3 .基向量对应敏感波段 |
| 3.4 不同特征对病害识别结果对比 |
| 3.5 本章小结 |
| 第四章 叶片尺度的水稻纹枯病害级别判定 |
| 4.1 纹枯病叶片尺度光谱响应特征 |
| 4.2 叶片尺度水稻纹枯光谱与单株病级相关情况 |
| 4.2.1 基于原始光谱的敏感波段选择 |
| 4.2.2 基于光谱敏感度的敏感波段选择 |
| 4.2.3 水稻纹枯病病情严重程度敏感波段选择 |
| 4.3 水稻纹枯病胁迫下叶片光谱特征 |
| 4.3.1 植被指数 |
| 4.3.2 光谱微分特征和连续统的特征 |
| 4.3.3 Gram-Schmidt正交法提取的基向量特征 |
| 4.4 水稻纹枯病叶片光谱特征与病级相关性分析 |
| 4.5 水稻纹枯病病级的判别 |
| 4.5.1 基于BP判别模型的水稻纹枯病病情严重程度判别 |
| 4.5.2 基于多分类SVM的水稻纹枯病病情严重程度判别 |
| 4.6 本章小结 |
| 第五章 冠层尺度的水稻纹枯病害级别判定 |
| 5.1 纹枯病冠层尺度光谱响应特征 |
| 5.2 水稻纹枯病冠层尺度光谱与病情指数相关情况 |
| 5.3 水稻纹枯病冠层光谱特征 |
| 5.3.1 基于冠层原始光谱数据的植被指数和光谱特征参数 |
| 5.3.2 Gram-Schmidt正交化冠层原始光谱数据获取基向量特征 |
| 5.4 水稻纹枯病冠层尺度病情指数估测模型 |
| 5.5 区域尺度高光谱图像识别水稻纹枯病害程度 |
| 5.6 本章小结 |
| 第六章 结论与展望 |
| 6.1 结论 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 攻读硕士期间发表论文 |
（9）基于CAE的注塑车灯灯体变形的研究及优化（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究概况 |
| 1.3 本论文主要研究工作 |
| 第二章 注塑成型数值分析与前处理环节 |
| 2.1 引言 |
| 2.2 注塑过程CAE理论 |
| 2.2.1 流动充填过程 |
| 2.2.2 保压过程 |
| 2.2.3 冷却过程 |
| 2.2.4 残余应力与翘曲变形分析 |
| 2.3 注塑软件CAE |
| 2.3.1 分析模块介绍 |
| 2.3.2 注塑成型模拟技术 |
| 2.4 产品前处理 |
| 2.4.1 AMCD前处理 |
| 2.4.2 AMI网格修复 |
| 2.5 本章小结 |
| 第三章 车灯灯体浇口方案 |
| 3.1 引言 |
| 3.2 灯体材料 |
| 3.3 浇口位置分析 |
| 3.4 浇口方案建立 |
| 3.4.1 单浇口浇注 |
| 3.4.2 双浇口浇注 |
| 3.5 成型窗口分析 |
| 3.6 浇注方案对比 |
| 3.6.1 压力分析 |
| 3.6.2 熔接线分析 |
| 3.6.3 变形分析 |
| 3.6.4 其余结果对比 |
| 3.7 水路冷却系统及建模 |
| 3.8 本章小结 |
| 第四章 注塑工艺参数的优化 |
| 4.1 引言 |
| 4.2 注塑工艺对制品质量的影响 |
| 4.2.1 温度 |
| 4.2.2 压力 |
| 4.2.3 时间 |
| 4.3 模型简化 |
| 4.4 基于正交试验的工艺优化 |
| 4.4.1 正交试验介绍 |
| 4.4.2 试验参数 |
| 4.4.3 试验及结果 |
| 4.4.4 试验结果分析法 |
| 4.4.5 试验分析 |
| 4.4.6 优化结果分析 |
| 4.5 基于信噪比(S/N)的工艺优化 |
| 4.5.1 信噪比(S/N) |
| 4.5.2 试验安排及结果 |
| 4.5.3 试验分析 |
| 4.5.4 优化结果分析 |
| 4.6 优化比较 |
| 4.7 本章小结 |
| 第五章 灰色理论在控制变形上的应用 |
| 5.1 引言 |
| 5.2 灰色关联理论 |
| 5.3 灰色关联理论应用 |
| 5.3.1 灰色关联试验 |
| 5.3.2 结果分析 |
| 5.4 响应面法 |
| 5.4.1 响应面法应用 |
| 5.4.2 体积收缩率计算 |
| 5.4.3 变形计算 |
| 5.4.4 响应面分析 |
| 5.4.5 方案验证 |
| 5.5 方案对比 |
| 5.6 本章小结 |
| 第六章 热力耦合分析 |
| 6.1 引言 |
| 6.2 热力学分析 |
| 6.2.1 模型选取与简化 |
| 6.2.2 材料参数 |
| 6.2.3 热载荷的施加及求解 |
| 6.3 热力耦合分析 |
| 6.3.1 载荷选取 |
| 6.3.2 载荷的施加及求解 |
| 6.4 变形分析 |
| 6.5 本章小结 |
| 第七章 实验分析 |
| 7.1 引言 |
| 7.2 试模准备 |
| 7.3 实验结果分析 |
| 7.3.1 最大外形尺寸要求 |
| 7.3.2 产品外形尺寸数据 |
| 7.3.3 安装尺寸要求 |
| 7.3.4 尺寸数据测量 |
| 7.4 本章小结 |
| 第八章 结论与展望 |
| 8.1 结论 |
| 8.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
| 学位论文数据集 |
（10）齿轮箱振动在线监测与诊断系统设计与开发（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 机械设备在线监测与诊断系统研究现状 |
| 1.2.2 齿轮箱振动信号分析方法研究现状 |
| 1.2.3 齿轮箱振动故障诊断方法研究现状 |
| 1.3 主要研究内容与结构安排 |
| 2 齿轮箱振动在线监测与诊断系统需求分析与总体设计 |
| 2.1 系统需求分析 |
| 2.1.1 系统功能需求分析 |
| 2.1.2 系统开发需求分析 |
| 2.2 系统总体架构设计 |
| 2.2.1 系统客户端架构 |
| 2.2.2 系统网络体系架构 |
| 2.3 系统功能模块总体设计 |
| 2.4 系统关键技术分析 |
| 2.4.1 WiFi传输技术 |
| 2.4.2 特征提取 |
| 2.4.3 基于深度学习的故障诊断技术 |
| 2.5 本章小结 |
| 3 基于Wi-Fi的齿轮箱振动信号采集系统研究 |
| 3.1 数据采集无线传输协议 |
| 3.2 数据采集系统整体方案设计 |
| 3.3 数据采集系统具体设计 |
| 3.3.1 数据采集系统硬件选择 |
| 3.3.2 数据采集系统软件设计 |
| 3.4 数据传输协议与存储 |
| 3.4.1 数据传输协议 |
| 3.4.2 数据存储 |
| 3.5 本章小结 |
| 4 基于双树复小波变换的齿轮箱振动故障特征提取 |
| 4.1 时域特征与频域特征 |
| 4.1.1 时域特征 |
| 4.1.2 频域特征 |
| 4.2 小波变换理论 |
| 4.3 双树小波变换理论及特性 |
| 4.3.1 双树小波变换结构 |
| 4.3.2 双树复小波变换滤波器组设计 |
| 4.3.3 双树复小波性质分析 |
| 4.4 双树复小波能量熵 |
| 4.5 齿轮箱振动故障特征提取实验 |
| 4.5.1 实验数据 |
| 4.5.2 时域特征与频域特征提取与分析 |
| 4.5.3 基于DTCWT时频域特征提取与分析 |
| 4.6 本章小结 |
| 5 基于深度置信网络的齿轮箱故障诊断研究 |
| 5.1 深度置信网络 |
| 5.1.1 受限玻尔兹曼机 |
| 5.1.2 受限玻尔兹曼机的训练过程 |
| 5.1.3 深度置信网络的训练过程 |
| 5.2 基于深度置信网络的故障诊断 |
| 5.2.1 诊断方法 |
| 5.2.2 特征向量 |
| 5.2.3 基于深度置信网络的齿轮箱故障诊断模型搭建 |
| 5.3齿轮箱振动故障诊断实验 |
| 5.3.1 诊断流程 |
| 5.3.2 诊断与分析 |
| 5.3.3 故障诊断结果分析 |
| 5.3.4 DBN与 SVM、BPNN诊断能力对比 |
| 5.4 本章小结 |
| 6 齿轮箱振动在线监测与诊断系统详细设计与实现 |
| 6.1 系统功能模块详细设计 |
| 6.1.1 系统主界面设计 |
| 6.1.2 数据采集模块设计 |
| 6.1.3 基本信息模块设计 |
| 6.1.4 数据特征提取模块设计 |
| 6.1.5 故障诊断模块设计 |
| 6.2 系统数据库模块设计 |
| 6.2.1 数据流向分析 |
| 6.2.2 数据库模块总体设计 |
| 6.2.3 数据库表设计 |
| 6.3 系统运行环境 |
| 6.4 系统运行实例 |
| 6.4.1 系统登录界面 |
| 6.4.2 系统主界面 |
| 6.4.3 信息管理 |
| 6.4.4 数据采集 |
| 6.4.5 特征提取 |
| 6.4.6 故障诊断 |
| 6.4.7 数据管理 |
| 6.5 本章小结 |
| 7 总结与展望 |
| 7.1 全文总结 |
| 7.2 工作展望 |
| 致谢 |
| 参考文献 |
| 附录 |
四、基于正交法的神经网络结构研究和应用（论文参考文献）
- [1]基于BP神经网络的激光选区熔化成形件表面粗糙度优化研究[D]. 罗椿旺. 厦门理工学院, 2021(06)
- [2]基于可信评估的农业物联网异常数据检测及补值应用研究[D]. 张星亮. 河北地质大学, 2020(05)
- [3]面向心肺慢病管理的穿戴式生理参数监测感知技术研究[D]. 石用伍. 贵州大学, 2020(01)
- [4]大型构件机器人焊接工艺参数的研究与优化[D]. 靳松. 天津理工大学, 2020(05)
- [5]基于模态变异的桥梁损伤识别软件的开发及应用[D]. 张庚. 大连理工大学, 2020(02)
- [6]基于土质边坡数据分类模型的滑坡预测研究与实现[D]. 龙中秀. 西南交通大学, 2020(07)
- [7]基于铣削加工的参数优化与机床节能策略的研究[D]. 单海江. 沈阳建筑大学, 2020(04)
- [8]基于高光谱的水稻纹枯病特征提取与诊断方法研究[D]. 王洋. 沈阳农业大学, 2019(03)
- [9]基于CAE的注塑车灯灯体变形的研究及优化[D]. 吴伟. 浙江工业大学, 2019(02)
- [10]齿轮箱振动在线监测与诊断系统设计与开发[D]. 雷学伟. 南京理工大学, 2019(06)