国防科技重点实验室基金(9140C8503010604)
- 作品数：1 被引量：12H指数：1
- 相关作者：王一波滕家绪钱耀川胡仲翔更多>>
- 相关机构：装甲兵工程学院更多>>
- 发文基金：国防科技重点实验室基金更多>>
- 相关领域：自动化与计算机技术金属学及工艺更多>>
- 基于水平集的激光条纹提取方法
- 三维扫描中,激光条纹提取的关键是对包含激光条纹的图像进行准确的分割。针对在光照条件强烈下传统的分割方法容易受到噪声和表面反射的影响而效果不佳,提出基于简化Mumford-Shah模型下的水平集分割方法。该方法利用水平集来...
- 王一波胡仲翔姚耀
- 关键词：水平集图像分割激光条纹
- 文献传递
- 磨削加工声发射虚拟仪器系统的不确定度评估
- 以磨削加工的声发射有效值（Root mean square,简称RMS）测量为例进行了虚拟仪器系统的不确定度评估。首先对磨削加工声发射虚拟仪器（Virtual Instruments,简称VI）系统进行了测量不确定度来源...
- 滕家绪杨军伟霍晓静胡仲翔
- 关键词：虚拟仪器不确定度声发射有效值
- 文献传递
- 用声发射信号和改进的BP神经网络预测磨削表面粗糙度被引量：12
- 2009年
- 针对磨削表面粗糙度传统BP（Back Propagation）神经网络模型在线预测时存在预测精度低、误差大等问题,以磨削声发射信号的RMS值、FFT值、标准差、方差和偏斜度5参量为输入单元,建立了三层BP神经网络来预测磨削表面粗糙度,并应用附加动量法和自适应学习速率法对其进行了改进。通过仿真优化了隐层单元数,利用模型对磨削加工10个频段的声发射信号样本进行优选,确定将300400kHz的声发射（Acoustic Emission,AE）信号作为表面粗糙度预测模型学习样本频段。实验结果显示：改进后的BP预测模型与传统BP模型相比,具有收敛速度快、预测精度高的特点,相对误差可控制在8.66%以内。
- 胡仲翔滕家绪钱耀川王一波
- 关键词：BP神经网络表面粗糙度声发射
