多媒体技术论文格式.doc

注：红色字体部分是需自己写的部分，不过请同学们注意格式（此段文字在写的时候删除）河南工程学院毕业设计（论文）题 目学生姓名 系（部） 软件学院 专 业 多媒体技术 指导教师 程 浩 2012年 月 日毕业设计（论文）开题报告题目名称 学生姓名专业多媒体技术班级多媒体技术10211、 选题的依据和意义二、国内外研究综述三、设计的内容四、毕业设计所用的方法五、主要参考文献与资料获得情况1 汪孝宜、刘中兵、徐佳晶等编著，JSP数据库开发实例精粹，电子工业出版社，20052 姚晓春、郑文清等编著，Java编程技术教程，清华大学出版社，1999六、指导教师审批意见 年 月 日河南工程学院毕业设计（或论文）摘 要本文在对摩擦焊接头的形成过程的分析和实验研究的基础上，用BP网络建立了摩擦焊主要工艺参数（摩擦时间、摩擦压力、顶锻压力）和接头性能（接头强度）的预测系统。在神经网络的训练过程中，在快速BP算法的基础上做了一些有效的改进，如：引入权值系数、选取相应的误差函数系数等。实验结果表明，该系统对摩擦时间、摩擦压力、顶锻压力和接头强度的预测值和实际值吻合良好，符合工程应用的要求。采用先进的超声C扫描成像系统对摩擦焊试件1的接头进行超声波无损检测，记录下其相应的超声扫描信号。在对扫描信号的处理中，使用目前无损检测领域较为前沿的信号处理方法小波包分析法，并通过分析不同区域的小波包分解系数灰度图把信号分为三类：无缺陷信号、未焊合缺陷信号、弱结合缺陷信号。该套分析方法又成功地将另外两个试件的超声波检测信号同样地分为三类。利用小波包法和幅频特性曲线法分别提取信号特征，并把其作为信号缺陷识别神经网络模型的输入，通过训练，建立了基于BP网络的摩擦焊接头超声波扫描信号的模式识别系统。该系统能够很好地区别各类信号，实现信号的自动识别分类。关键词：摩擦焊接头 神经网络 BP算法 超声波检测 信号特征AbstractThe friction welding-a modern connecting method is used in the various fields more and more widely and so the study of this field is now becoming more and more imperative.In this paper, on the base of analyzing and experimental studying on the process in the forming process of the friction welded joints, BP network is used to construct the neural network prediction system of the major technical parameters (friction-time ,friction force and so on) and the capability of the friction welding joints. During the training of the neural network, the influence, which is caused by the various network parameters, on the error function is discussed emphatically and the traditional BP algorithm is improved by importing the weight coefficient and error function coefficient . The forecast values can meet the actual values well.In addition, using ultrasonic testing machine test the friction welding joint and the modern analyzing method wavelet packet analyze is used to class the reflected echo scan signal into three sorts: good welding, un-welding and weak defect. After classing, the selected characters of signal according two analyze methods wavelet packet analyze and amplitude-frequency analyze are used to construct the classing-prediction neural network. At last, in order to convenient for practice application, visual C+ is applied to integrate these application programs into a small application-software.Key words:Friction Welding Joints Neural Network BP Algorithm Ultrasonic Testing Signal CharacterII目 录前言1第一章 绪论1第一节 摩擦焊1第二节 人工神经网络1一、人工神经网络2二、人工神经网络在焊接领域的应用3第三节 超声波无损检测第四节 课题研究内容及意义第二章 BP网络学习算法改进第一节 原始BP算法第二节 算法改进第三节 本章小结第三章 基于神经网络的摩擦焊工艺参数及接头性能预测系统的建立第一节 系统建模第二节 数据采集第三节 神经网络的构建一、网络结构参数的选取二、编程实现第四节 摩擦焊工艺参数预测一、摩擦时间二、摩擦压力三、顶锻压力参考文献附录V前 言摩擦焊以其优质、高效、节能、无污染、工艺适应性广的技术特色，深受制造业的重视，在航空、航天、核能、海洋开发等高技术领域及电力、机械制造、石油钻探、汽车制造等产业部门一直有着广泛的应用。近些年，又有一些摩擦焊的新技术如超塑性摩擦焊、线性摩擦焊、搅拌摩擦焊等更使其在高新技术产业和传统产业部门具有巨大的技术潜力和广阔的市场应用前景。计算机技术、信息处理、智能检测等高新技术的高速发展为摩擦焊接的研究提供了有效的工具和手段。神经网络技术具有突出的预测和分类功能；超声波无损检测可以在不破坏试件的前提下检测接头的缺陷；信号的小波分析技术可以弥补以往使用傅利叶变换法处理信号的不足，达到对信号细节的“聚焦”和提取。这些技术的应用使得摩擦焊接技术以高新技术面貌展现在人们面前。第一章 绪论第一节 摩擦焊摩擦焊是一种压焊方法，它是在外力作用下，利用焊件接触面之间的相对摩擦运动和塑性流动所产生的热量，使接触面及其近区金属达到粘塑性状态并产生适当的宏观塑性变形，通过两侧材料间的相互扩散和动态再结晶而完成焊接的。1891年，美国批准将摩擦焊作为焊接方法的第一个专利，当时是利用摩擦热来连接钢缆。随后德国、英国、前苏联、日本等国家也先后开展了摩擦焊的生产与应用。我国是世界上研究摩擦焊最早的国家之一，早在1957年就实验成功了铝-铜摩擦焊。在摩擦焊焊接过程中，被焊的材料通常不熔化，仍处于固相状态。与熔焊相比，首先摩擦焊不会产生与熔化和凝固冶金有关的一些焊接缺陷和焊接脆化现象；其次，摩擦焊的焊接过程中的轴向压力和扭矩对焊接表面及近区的作用能够产生一些力学冶金效应（如：晶粒细化、组织致密、夹杂物弥散分布、焊接表面的“自清理”作用等）；再者，摩擦焊的焊接时间短、热影响区窄、热影响区组织无明显粗化，正是这些特点使得摩擦焊能够得到与母材等强度的焊接接头，这也是决定摩擦焊接头具有优异性能的关键因素。而且，摩擦焊中需要控制的焊接参数较其它焊接方法少，仅有压力、时间、速度、位移，使得该种连接方法具有很高的可靠性。第二节 人工神经网络一、人工神经网络“人工神经网络”(Artificial Neural Network，简称A.N.N.)是在对人脑组织结构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统，由大量高度互联的简单处理单元组成。这种简单的处理单元称为神经元。对应于生物神经元结构，可以建立起神经元的模型，如图1-1所示。其中Xi为神经元的输入，是阈值，Ui为神经元内部状态，Si为外部输入信号（在某些情况下，它可以控制神经元Ui，使Ui可以保持在某一状态）。大脑之所以能够处理极其复杂的分析、推理工作，一方面是因为其神经元个数的庞大，另一方面还在于神经元能够对输入信号进行非线性处理。因此，对图1-1可进一步建立起更接近于工程的数学模型。二、人工神经网络在焊接领域的应用焊接过程是一个存在高度非线性的多变量耦合作用，同时具有大量随机不确定因素的复杂过程，这种复杂性决定了其数学模型建立的困难性，而神经网络则可以在不作任何假设的情况下实现对过程的建模及控制。另外，神经网络的非线性映射及自学习等特点也使它优于一般的统计方法。因此，ANN的应用已渗透到焊接领域的各个方面，如焊缝跟踪、缺陷检测、工艺参数选取和性能预测等，成为了该学科的前沿阵地。1、焊缝跟踪随着自动焊和机器人焊接的普及，焊缝跟踪技术已经成为当前国内外机器人技术及焊接工作者研究的重点之一。将专用摄像机摄取的弧焊区图像送入计算机，用神经网络进行处理，获得控制量以控制跟踪执行机构跟踪焊缝。由于神经网络具有容错性，故能很好的排除干扰，实现对焊缝的精确跟踪。2、焊接缺陷检测焊接缺陷检测的方法很多，神经网络和各种方法的联合诊断能够获得更多的信息。参考文献1 袁增任.人工神经元网络极其应用M，清华大学出版社，1999年10月版；2 刘增良.模糊逻辑与神经网络M，北航出版社，1996年5月版；3 徐秉铮，张百灵，韦岗.神经网络理论与应用M，华南理工大学出版社，1994年12 月版；4 张忠典，李严等.人工神经元网络法估测点焊接头力学性能J，焊接学报，1997（1）；5 崔朝宏，李午申.人工神经网络在焊接中的应用现状及发展趋势J，焊接技术，2000年2月；6 （美）A.S.潘迪Abhijit s.Pandya，（美）R.B.梅西Robert B.Macy.神经网络模式识别及其实现；7 龚敛，朱亮.Matlab 5.x入门与提高M，清华大学出版社，2000年3月版；8 楼顺天，施阳.基于Matlab的系统分析与设计M，西安电子科技大学出版社，1998年9月版；9 从爽.面向MATLAB工具箱的人工神经网络理论与应用M，中国科大出版社，1998年11月版；10 刘志俭等.MATLAB应用程序接口用户指南M，科学出版社，000年8月；11 周明等.MATLAB图形技术、绘图及图形用户接口M，西工大出版社，1999年11月；12 陈怀琛等.MATLAB及其在理工课程中的应用指南M，西安电子科技大学出版社，2000年1月；13 徐昕，李涛，伯晓晨.MATLAB工具箱应用指南M，电子工业出版社，2000年5月；14 李强，赵伟.MATLAB数据处理与应用M，国防工业出版社，2001年1月；15 张智星.MATLAB程序设计与应用M，清华大学出版社，2002年4月；16 虞和济，陈长征，张省，周建男.基于神经网络的智能诊断M，冶金工业出版社，2000年5月版；17 李志远，钱乙余，张九海.现代先进连接方法M，机械工业出版社，2000年6月版；18 俞卞章，李志钧，金明录.数字信号处理M，西工大出版社，1998年8月版；19 方平，谭义明，吴禄，张勇.人工神经网络技术在点焊质量控制中的应用研究J，航空学报，2000年1月；致 谢（由作者自定）6河南工程学院毕业设计