上海论文网提供毕业论文和发表论文,专业服务20年。

计算机论文范文5篇

  • 论文价格:150
  • 用途: 硕士毕业论文 Master Thesis
  • 作者:上海论文网
  • 点击次数:58
  • 论文字数:262800
  • 论文编号:el2021061715545322282
  • 日期:2021-06-17
  • 来源:上海论文网
计算机论文范文在哪里找?在当今社会,工业产品遍布在人们的正常生活中,各种行业也需要不同的工业产品。不仅是人们正常生活的简单工具,还是在各种劳动环境下工作,所必须的大型工业设备(大型塔吊)和基础设施,这些工业产品在工作生活中拥有着重要作用,同时保证人们享有高质量生活、正常工作,还对安全生产起到关键作用,工业产品的安全性得到各个行业用户的关注[6]。无损检测是在不损坏被检测工件的结构及特性情况下,对被检测工件质量、性能进行检测,同时检测焊缝内部是否隐藏缺陷,并进而对检测出的缺陷判定类型及分析数量的技术。无损检测技术所包含多种重要工业领域,例如机械设计制造、产品缺陷检验以及设备在线维护等[7]。通过了解被检测对象内部是否隐藏缺陷,以及确定缺陷结构和尺寸,有利于了解被检测对象生产状态及其加工工艺,这样就可以进一步开发和优化产品,同时保护生产安全运行[8-9]。无损检测有五种方法:射线法探伤、毛细法探伤、直流磁化法探伤、电磁感应法探伤和超声波法探伤,五种检测方法都有各自的优缺点。本文为大家提供了5篇关于计算机方面的论文范文,供大家参考。

 

计算机论文范文一:基于神经网络和遗传算法的选区激光熔化工艺优化研究

 

本文以厦门五星珑科技有限公司自主研发的选区激光熔化设备WXL-120P作为试验平台,以316L不锈钢粉末作为试验材料,基于神经网络和遗传算法,建立选区激光熔化成形件致密度预测模型,实现了工艺参数优化,全文主要结论总结如下:(1)开展选区激光熔化成形工艺试验,基于BP神经网络算法,建立了激光功率(P)、扫描速度(V)、扫描间距(S)和铺粉厚度(T)与成形件致密度之间的联系,通过对训练完成的网络进行仿真测试,结果表明测试样本值和预测值的相对误差控制在8%以内,该网络适用于选区激光熔化成形件致密度预测仿真优化。(2)利用遗传算法对BP神经网络进行优化,获得最佳的神经网络初始化参数,优化后的BP神经网络测试样本最大相对误差从7.38%下降4.19%,平均绝对误差从2.8709下降到1.1453,平均绝对百分比误差从3.67%下降到1.46%,有效地提高了网络的预测精度和性能稳定性。(3)将优化后的模型作为适应度函数,利用遗传算法极值寻优能力在两种层厚下得到最优工艺参数组合为:①P=114W、V=1050mm/s、S=0.04mm、T=20μm②P=160W、V=900mm/s、S=0.04mm、T=25μm,将最优工艺参数进行打印试验得到成形件致密度均可达99.53%以上,近乎致密且无明显冶金缺陷。并探究了工艺参数对成形件致密度影响,得出在一定范围内扫描间距和铺粉厚度对成形件致密度影响较大,而激光功率和扫描速度相对而言对其影响程度稍小。(4)为了使选区激光熔化成形工艺参数优化过程变得简单、易操作,同时以便工艺优化后续拓展到其他设备及材料,开发出选区激光熔化成形工艺参数优化系统,为企业生产提供一定的指导作用,通过该系统只需输入相关参数就可以快速得到符合要求的SLM工艺参数组合,降低了算法使用的复杂性,提升了基于神经网络和遗传算法的选区激光熔化成形件致密度预测优化理论的实际应用价值。
摘要
Abstract
第一章绪论
    1.1课题研究的背景和意义
    1.2选区激光熔化工艺参数优化的研究现状
    1.3神经网络和遗传算法在工艺优化的应用
    1.4课题的研究内容与章节安排
第二章选区激光熔化成形工艺试验研究
    2.1选区激光熔化技术
        2.1.1选区激光熔化技术原理和工艺
        2.1.2选区激光熔化冶金缺陷
    2.2试验材料
    2.3试验设备
    2.4试验方案
        2.4.1选区激光熔化工艺参数的选择
        2.4.2试验方案设计
        2.4.3成形件致密度测量
        2.4.4成形件缺陷观察
    2.5试验结果
    2.6本章小结
第三章基于BP神经网络的工艺参数预测模型的建立
    3.1人工神经网络
    3.2BP神经网络
        3.2.1BP基本原理及学习方法
        3.2.2BP神经网络的特点
    3.3工艺参数与致密度的BP网络预测模型的建立
        3.3.1数据样本
        3.3.2数据的归一化处理
        3.3.3网络层数的设计
        3.3.4其他参数的确定
    3.4BP神经网络训练及测试
        3.4.1BP神经网络训练
        3.4.2BP神经网络测试
    3.5本章小结
第四章基于遗传算法的选区激光熔化工艺参数优化
    4.1遗传算法的基本原理
    4.2遗传算法优化BP神经网络流程
    4.3遗传算法优化BP神经网络的关键技术
    4.4遗传算法优化BP神经网络结果分析
    4.5选区激光熔化成形工艺参数优化
        4.5.1选区激光熔化成形工艺参数优化算法设计
        4.5.2选区激光熔化成形工艺参数优化结果分析
    4.6工艺参数对成形件致密度影响研究
    4.7本章小结
第五章基于选区激光熔化成形工艺参数优化可视化界面设计
    5.1开发平台的选择及简介
    5.2工艺参数优化界面总体框架设计
        5.2.1工艺参数优化界面总体框架
        5.2.2选区激光熔化成形工艺优化界面操作流程
    5.3工艺参数优化模块界面设计
    5.4本章小结
第六章总结和展望
    6.1本文工作总结
    6.2未来工作展望
参考文献

 

计算机论文范文二:基于数字图像处理的线束端面分析与研究

 

本文针对生产中对于电缆线束端面组织只能给出定性或半定量的问题,开发了一套基于数字图像处理的定量端面分析系统,实现特征参数的自动测量。综合计算机技术、数字图像处理和定量金相分析等不同领域的专业知识,对线束端面检测过程进行了系统性的研究,并在图像预处理、分割、特征参数测量等方面,选取了最适合端面线芯形状特点的分析与测量方法。大量试验证明该系统能够有效提取出金相图像中的线束线芯组织,并完成相关参数的测量,其精度满足企业生产的需求。总的来说,本文具体的研究工作和成果如下:(1)图像处理方面:首先用加权平均法对金相图像进行灰度化,针对不同原因造成的灰度差异,系统提供了灰度变换和直方图均衡两类方法进行对比度增强。分析对比了三种滤波方法,选择中值滤波去除图像中的噪声,并用二阶微分Laplance算子来完成图像的锐化。由于线束中各线芯灰度较低,背景灰度较高,且直方图没有明显的双峰,采用最大类间方差法的最佳全局阈值处理来完成图像分割,并取得良好的分割效果。引入形态学图像处理来纠正分割后仍可能存在的缺陷问题。(2)特征参数测量方面:为了能够定量表征线束端面的压接质量,选取了平均直径、周长、平均面积和压缩比、形状因子共五个特征参数作为参考,结合定量金相的测量方法,分别对每个特征参数作了具体分析。用显微刻度尺实现了系统的标定,并对测量误差进行了分析。(3)基于VisualStudio开发环境设计了定量端面分析系统,整个系统分为四个功能性子模块:图像采集模块、图像处理模块、特征参数模块和结果输出模块。根据各模块实现功能的不同,完成相关硬件选择与程序设计。采用Qt软件完成系统的界面设计,根据实际需要,用户可以自主选择合适的操作或功能。本系统将数字图像处理方法和实际工程应用相结合,很好的满足了企业生产需求,为线束端面定量研究提供了一种有效的方法。但由于个人能力有限和环境条件约束等原因,该系统仍存在很多不足之处,对于后续研究工作有如下几方面的展望:(1)在线束端面金相试样的制备过程中,并不能完全去除掉研磨端面的腐蚀液或其它多于物,这将严重影响图像的分割效果,进而影响特征参数的准确性。因此,在以后的研究中需要进一步改进图像处理算法,使得各线芯的特征区域能被有效地提取出来。(2)缺少量化评价功能,选取的特征参数只能作为参考依据,没有与产品使用性能之间建立明确的函数关系,线束端面压接质量没有清晰的界限。另外,寻求适合线束端面的量化特征参数仍然需要进一步地探讨。
摘要
Abstract
第1章绪论
    1.1课题背景与研究意义
    1.2金相分析技术概述
    1.3国内外相关技术研究现状
        1.3.1国外发展现状
        1.3.2国内发展现状
    1.4本文的主要研究内容
第2章定量线束端面分析系统设计
    2.1试样制备
    2.2系统结构设计
        2.2.1图像采集模块
        2.2.2图像处理模块
        2.2.3特征参数测量模块
        2.2.4结果输出模块
    2.3系统的软件实现
        2.3.1界面设计及功能实现
        2.3.2系统检测流程
    2.4本章小结
第3章线束端面的数字图像处理
    3.1数字图像处理技术
    3.2图像预处理
        3.2.1灰度化
        3.2.2图像增强
    3.3图像处理
        3.3.1图像反转
        3.3.2图像分割
        3.3.3形态学图像处理
    3.4本章小结
第4章特征参数测量
    4.1定量金相的测量方法
        4.1.1计点法
        4.1.2线分法
        4.1.3面积计量法
        4.1.4联合测量法
    4.2链码与边界追踪
    4.3系统定标
    4.4线束端面测量参数分析
        4.4.1平均直径的测量
        4.4.2周长的测量
        4.4.3平均面积和压缩比的测量
        4.4.4形状因子的测量
    4.5试验结果分析
    4.6误差分析
    4.7本章小结
结论
参考文献

 

计算机论文范文三:基于超声相控阵的LPG球形储罐焊缝缺陷检测技术研究

 

使用超声相控阵检测技术检测LPG球罐焊缝缺陷。针对LPG球罐焊缝缺陷,特别定制了Q345R钢焊接试板,在焊缝中预制气孔、未焊透、裂纹、夹渣、未熔合五种缺陷;超声相控阵设备选用CTS-PA22S相控阵模块,该模块基于.NET平台采用C++语言进行相控阵软件二次开发,完善相控阵检测系统;使用相控阵设备对焊缝缺陷进行了扫查,然后对记录的扫查结果进行识别分类:针对得到的五种缺陷回波A扫信号,选取db18小波基进行小波包分解,提取缺陷能量特征;然后将特征能量作为输入值放到BP神经网络模型与深度神经网络模型进行缺陷识别分类,根据实验结果,可得到以下结论:(1)用相控阵设备检测Q345R钢焊缝缺陷时,不同缺陷的A扫幅值也有一定的差距,未熔合缺陷最容易检出的,幅值最高,气孔缺陷的幅值最低,不容易检出,该现象与缺陷体积大小对超声反射波的影响有关。(2)选择dB18小波基作为小波包分解的最优小波基。五种缺陷的高频特征能量比例差别不大,但其低频带能量数值有较大的差别。根据小波包分解结果来看,对于气孔的(3,0)节点来说,能量比例高于86%,对裂纹缺陷(3,0)节点的能量比例在79%左右,夹渣缺陷(3,0)节点的能量比例在62%左右,未熔合缺陷与未焊透缺陷节点的能量比例相差不大。(3)将五种缺陷的特征能量比例作为深度神经网络的输入参数,实验结果准确度为90%,其准确率较高,可以达到实际应用要求。根据上述的研究分析结果,超声相控阵检测的不同缺陷的超声反射波信号可通过数据处理,能达到对缺陷的准确分类结果。(4)对相控阵模块二次开发,对其中功能进行开发,使其可以保留设置参数,对屏幕进行截屏,其次完善了系统界面
计算机论文格式
Kinect体感游戏
中文摘要
abstract
第1章绪论
    1.1研究背景和意义
        1.1.1背景
        1.1.2研究意义
    1.2国内外研究现状
        1.2.1国外研究现状
        1.2.2国内研究现状
    1.3本文研究内容
第2章相控阵超声检测技术
    2.1超声波声学理论
        2.1.1超声波的波形
        2.1.2声压
        2.1.3声强
        2.1.4声特征阻抗
        2.1.5分贝值dB
    2.2超声相控阵工作原理
        2.2.1波的干涉
        2.2.2惠更斯原理
        2.2.3超声相控阵发射与接收
        2.2.4超声相控阵的偏转与聚焦
        2.2.5探头阵列参数
        2.2.6探头近场区特型
    2.3超声相控阵成像分辨率原理与方法研究
        2.3.1超声相控阵波型转换研究
        2.3.2超声相控阵检测检测分辨率
        2.3.3超声相控阵聚焦声束特性原理
    2.4超声相控阵的成像模式
        2.4.1超声相控阵扫查方式
        2.4.2超声相控阵扫查成像方式
    2.5本章小结
第3章焊缝缺陷特征提取技术研究
    3.1引言
    3.2小波变换及小波包变换
        3.2.1小波变换
        3.2.2小波包变换
        3.2.3构造特征向量
    3.3焊缝缺陷实验数据采集
        3.3.1实验材料及实验设备
        3.3.2超声相控阵参数设置
        3.3.3缺陷数据采集
    3.4基于小波包变换的焊缝缺陷特征提取技术研究
        3.4.1样本数据的选择
        3.4.2小波包变换结果分析
    3.5本章小结
第4章焊缝缺陷识别技术研究
    4.1引言
    4.2BP神经网络
        4.2.1BP神经网络介绍
        4.2.2BP神经网络识别分类结果
    4.3深度神经网络
        4.3.1从感知机到神经网络
        4.3.2深度神经网络的基本结构
        4.3.3深度学习网络传播算法原理
    4.4深度神经网络识别分类结果
    4.5本章小结
第5章焊缝检测用超声波相控阵软件平台开发
    5.1引言
    5.2CTS-PA22S模块参数
    5.3.NET平台介绍
    5.4通信协议与数据格式
        5.4.1控制接口通信协议
        5.4.2数据接口通信协议
        5.4.3数据包类型
    5.5软件界面开发
    5.6总结
第6章结论与展望
    6.1总结
    6.2展望
参考文献

 

计算机论文范文四:基于Kinect的肢体动作识别

 

随着社会逐渐进入信息化与智能化,肢体动作识别成为了计算机视觉和模式识别领域的研究热点,有些情况下无法进行语言的交流,此时肢体动作便成为了交流的重要手段,所以肢体动作识别在智能监控系统、人机交互和保健康复训练等领域有重要的作用。如何提高人体动作识别的准确性及稳定性,让机器更好的理解人体的动作,让机器更快地满足人的需求、理解人的表达成为研究热点。本文使用Kinect感知器采集肢体动作骨骼点数据,研究相关算法对肢体动作进行分类识别,将识别的肢体动作与移动机器人相结合,应用到实际生活中。课题主要工作内容如下:(1)使用VisualStudio2015与Access数据库ODBC连接,实现VisualStudio2015对Access数据库的所有操作;根据肢体动作易识别和机器人易实现两原则,定义了静态肢体动作和动态肢体动作,并搭建肢体动作骨骼数据采集环境,完成静态肢体数据和动态肢体数据的采集,建立了静态肢体动作数据库和动态肢体数据库。(2)研究使用深度学习神经网络算法对已建立的静态肢体动作数据库数据进行训练与识别,并同模板匹配算法和K-NN算法的识别效果进行对比分析,得出三种算法的静态肢体动作识别率均达到90%以上;研究使用深度学习神经网络算法和支持向量机算法对已建立的动态肢体动作数据库数据进行训练与识别,并对两者的分类效果进行对比分析,得出两种算法的识别率均达到80%以上,验证了深度学习神经网络算法在肢体动作识别方面的有效性;(3)设计基于肢体动作识别的远程控制机器人系统。搭建人在回路的验证平台,将肢体识别与移动机器人相结合,实验者通过网络摄像机监测外部环境,当有突发情况出现时,实验者根据网络摄像机监控的外界环境和机器人位置摆出动作,将识别出的肢体动作传达给机器人,实现机器人的实时控制。
计算机论文范文
Kinect摄像机外观图
中文摘要
abstract
第1章绪论
    1.1研究背景及研究意义
    1.2国内外研究现状
    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2章建立肢体动作数据库
    2.1获取骨骼数据
        2.1.1人体感知器Kinect
        2.1.2骨骼追踪
        2.1.3骨骼点数据结构
    2.2建立静态肢体动作数据库
        2.2.1静态肢体动作定义
        2.2.2静态肢体骨骼点数据采集
    2.3建立动态肢体动作数据库
        2.3.1动态肢体动作定义
        2.3.2动态肢体骨骼数据采集
    2.4本章小结
第3章静态肢体动作识别
    3.1数据特征提取
    3.2基于神经网络的静态肢体动作识别
        3.2.1神经网络结构
        3.2.2肢体识别结构模型设计
        3.2.3模型训练
        3.2.4模型测试
        3.2.5模型测试结果
    3.3基于模板匹配的静态肢体识别
        3.3.1建立模板
        3.3.2欧氏距离匹配
        3.3.3识别效果
    3.4K-NN静态肢体动作识别
        3.4.1分类过程
        3.4.2识别效果
    3.5静态肢体动作识别效果对比分析
    3.6本章小结
第4章动态肢体动作识别
    4.1数据特征提取
    4.2基于神经网络的动态肢体动作识别
        4.2.1肢体识别结构模型设计
        4.2.2模型训练
        4.2.3模型测试
        4.2.4模型测试结果
    4.3SVM动态肢体动作识别
        4.3.1SVM算法原理
        4.3.2样本训练
        4.3.3SVM分类器测试效果
    4.4动态肢体动作识别效果对比分析
    4.5本章小结
第5章基于肢体动作识别的远程机器人控制系统
    5.1远程机器人控制平台搭建
    5.2远程机器人控制系统软件设计
        5.2.1上位机软件设计
        5.2.2服务器软件设计
        5.2.3环境监测界面设计
    5.3远程机器人控制实验过程
        5.3.1设定肢体动作控制机器人指令
        5.3.2机器人动作跟随测试
        5.3.3远程控制机器人实验过程
    5.4远程机器人控制实验结果
    5.5本章小结
第6章总结与展望
    6.1主要工作总结
    6.2肢体识别研究展望
参考文献

 

计算机论文范文五:基于机器视觉的微生物样本识别系统研发

 

一体化、智能化的微生物培养与检测设备是时代发展的必然产物,既可以节约资源投入,又可以提升工作效率。并且对于需要进行微生物数量检测的部门更是将其视为必需品。近年来,视觉技术尤为火热,不少科研人员投入该领域进行深入研究,使该技术越来越成熟,Python语言作为一门可以实现机器视觉项的编程语言,也随之快速发展[90]。通过程序算法对微生物进行图像处理,检测效果合理并且效率高,尤其是对大规模的待检样品,可实现自动化检测,并且计数准确,参考价值高。本研究基于Python语言对微生物图像进行基本的处理工作,最终完成对微生物图像中菌落的计数,并搭建了微生物培养与检测的一体化设备。具体研究内容如下:(1)运用Python软件,完成了微生物图像的灰度处理、降噪处理、边缘检测、阈值分割、粘连分割等图像处理操作。(2)对比了不同降噪算法处理微生物图像时的效果,并选出最佳处理算法。(3)通过改进的Sobel算子完成了微生物图像边缘的检测。(4)通过改进的最大类间方差法完成了微生物图像的阈值分割,并对比了不同阈值时的分割效果。(5)利用基于自适应距离变换的分水岭算法对粘连的微生物进行分割,避免了粘连情况对计数时造成的误差。(6)通过编写轮廓检测的Python实现了微生物图像中菌落的计数,并分析了其可行性。(7)完成了微生物培养与检测设备的硬件搭建,同时开发了显示图像处理结果的软件界面,并将计数结果显示在该系统中。
中文摘要
abstract
第1章绪论
    1.1课题的背景及意义
    1.2国内外研究现状
        1.2.1基于Python图像处理的国内外研究现状
        1.2.2微生物图像处理的国内外研究现状
        1.2.3微生物计数的国内外研究现状
        1.2.4微生物培养控制柜的国内外研究现状
    1.3论文主要内容及章节安排
第2章基于机器视觉的微生物图像预处理
    2.1基于Python图像处理的研究与实践
        2.1.1Python的应用特性
        2.1.2Python图像处理的PIL库
        2.1.3Python图像处理的实际应用分析
    2.2微生物图像的采集
    2.3微生物图像的降噪与边缘检测
        2.3.1灰度处理在Python中的应用
        2.3.2图像降噪在Python中的应用
        2.3.3改进Sobel算子的边缘检测在Python中的应用
    2.4本章小结
第3章基于机器视觉的微生物图像分割算法的研究
    3.1阈值分割算法在Python中的应用
        3.1.1传统阈值分割算法的应用
        3.1.2改进最大类间方差法的微生物图像分割
        3.1.3不同阈值的分割效果分析
    3.2粘连微生物的分割在Python中的应用
        3.2.1粘连微生物的判别
        3.2.2粘连微生物的分割算法研究
        3.2.3粘连分割算法在Python中的实现
    3.3培养皿边缘的剔除
    3.4本章小结
第4章微生物图像中菌落计数与浓度计算
    4.1微生物图像中菌落的计数与分析
        4.1.1微生物图像中菌落数量的计算方法
        4.1.2基于Python的菌落计数及结果分析
    4.2微生物图像中菌落浓度的分析
    4.3本章小结
第5章微生物培养与检测设备的设计与搭建
    5.1微生物培养与检测设备的机械结构设计
        5.1.1培养皿平台移动机构设计
        5.1.2机械搬运手、光源及拍照模块设计
        5.1.3加热板及整体框架设计
    5.2系统软件的开发
        5.2.1登录界面设计
        5.2.2登录主页设计
        5.2.3监测计数界面设计
    5.3本章小结
第6章结论与展望
    6.1总结
    6.2展望
参考文献
 论文写作涉及到的论文选题、标题、摘要、提纲、开题报告、答辩等方面,本网为大家提供相关的写作素材,有任何问题,欢迎随时咨询。
123
限时特价,全文150.00元,获取完整文章,请点击立即购买,付款后系统自动下载

也可输入商品号自助下载

下载

微信支付

查看订单详情

输入商品号下载

1,点击按钮复制下方QQ号!!
2,打开QQ >> 添加好友/群
3,粘贴QQ,完成添加!!