表面粗糙度是機械加工中描述工件表面微觀形狀重要的參數(shù)。在機械零件切削的過程中，刀具或砂輪遺留的刀痕，切屑分離時的塑性變形和機床振動等因素，會使零件的表面形成微小的蜂谷。這些微小峰谷的高低程度和間距狀況就叫做表面粗糙度，也稱為微觀不平度。表面粗糙度的測量是幾何測量中的一個重要部分，它對于現(xiàn)代制造業(yè)的發(fā)展起了重要的推動作用。世界各國競相進行粗糙度測量儀的研制，隨著科學(xué)技術(shù)的發(fā)展，各種各樣的粗糙度測量系統(tǒng)也競相問世。對于粗糙度的測量，隨著技術(shù)的更新，國家標(biāo)準(zhǔn)也一直在變更。最新執(zhí)行的國家標(biāo)準(zhǔn)(GB/T6062-2002)，規(guī)定了粗糙度測量的參數(shù)，以及制定了觸針式測量粗糙度的儀器標(biāo)準(zhǔn)[1]。 隨著新國家標(biāo)準(zhǔn)的執(zhí)行，許多陳舊的粗糙度測量儀已經(jīng)無法符合新標(biāo)準(zhǔn)的要求。而且生產(chǎn)工藝的提高使得原有方案的采集精度和采集速度，滿足不了現(xiàn)代測量技術(shù)的需要。目前，各高校公差實驗室及大多數(shù)企業(yè)的計量部門所使用的計量儀器(如光切顯微鏡、表面粗糙度檢查儀等)只能測量單項參數(shù)，而能進行多參數(shù)測量的光電儀器價格較貴，一般實驗室和計量室難以購置。因此如何利用現(xiàn)有的技術(shù)，結(jié)含現(xiàn)代測控技術(shù)的發(fā)展，職制出性能可靠的粗糙度測量儀，能有效地降低實驗室測量儀器的成本，具有很好的實用價值和研究意義。 基于上述現(xiàn)狀，本文在參考舊的觸針式表面粗糙度測量儀技術(shù)方案的基礎(chǔ)上，提出了一種基于ARM嵌入式系統(tǒng)的粗糙度測量儀的設(shè)計。這種測量儀采用了先進的傳感器技術(shù)，保證了測量的范圍和精度；采用了集成的信號調(diào)理電路，降低了信號在調(diào)制、檢波、和放大的過程中的失真；采用了ARM處理器，快速的采集和控制測量儀系統(tǒng)；采用了強大的PC機人機交互功能，快速的計算粗糙度的相關(guān)參數(shù)和直觀的顯示粗糙度的特性曲線。 論文主要做了如下工作：首先，論文分析了觸針式粗糙度測量儀的發(fā)展以及現(xiàn)狀；然后，詳細敘述了系統(tǒng)的硬件構(gòu)成和設(shè)計，包括傳感器的原理和結(jié)構(gòu)分析、信號調(diào)理電路的設(shè)計、A/D轉(zhuǎn)換電路的設(shè)計、微處理器系統(tǒng)電路以及與上位機接口電路的設(shè)計。同時，還對系統(tǒng)的數(shù)據(jù)采集進行了研究，開發(fā)了相應(yīng)的固件程序及接口程序，完成數(shù)據(jù)采集軟件的編寫，并且對表面粗糙度參數(shù)的算法進行程序的實現(xiàn)。編寫了控制應(yīng)用程序，完成控制界面的設(shè)計。最終設(shè)計出一套多功能、多參數(shù)、高性能、高可靠、操作方便的表面粗糙度測量系統(tǒng)。
標(biāo)簽： ARM 測量
上傳時間： 2013-04-24
上傳用戶：KIM66
表面粗糙度是機械加工工藝中主要的技術(shù)參數(shù)， 對零件質(zhì)量和產(chǎn)品性能有著極為重要的影響。 以加工表面粗糙度與切削用量三要素的關(guān)系為對象， 采用正交試驗方法， 利用立方氮化硼刀具對冷作模具鋼 Cr12MoV 進行硬態(tài)干式車削試驗，測量得到選定參數(shù)條件下的加工表面粗糙度值，并應(yīng)用人工智能神經(jīng)網(wǎng)絡(luò)方 法建立了加工表面粗糙度預(yù)測模型。結(jié)果表明，該預(yù)測模型具有很好的預(yù)測精度， 其最大誤差不超過 5% 。模 型可以對不同切削速度、 進給量和切削深度參數(shù)組合下加工后的表面粗糙度進行預(yù)測，對干式硬車條件下的切 削用量選擇和零件表面質(zhì)量的控制具有重要指導(dǎo)意義。
標(biāo)簽： 基于神經(jīng)網(wǎng)絡(luò)的車削加工表面粗糙度智能預(yù)測
上傳時間： 2016-03-20
上傳用戶：happycats
字元辨識系統(tǒng)-利用二元化之後利用類神經(jīng)網(wǎng)路系統(tǒng)來辨識字原碼
標(biāo)簽： 系統(tǒng) 二元
上傳時間： 2013-12-28
上傳用戶：waizhang
類神經(jīng)網(wǎng)路，MLP程式碼，可以計算多層架構(gòu)之類神經(jīng)網(wǎng)路運算~C
標(biāo)簽：
上傳用戶：txfyddz
小弟撰寫的類神經(jīng)網(wǎng)路backpropagataion,可以train如xor等互斥問題,使用bcb所完成,因為開發(fā)介面較為便利, 大部分使用類別的方法撰寫,所以若有興趣移植到vc的朋友,應(yīng)該也不會有太大的障礙。
標(biāo)簽： backpropagataion train bcb xor
上傳時間： 2013-12-30
上傳用戶：jeffery
類神經(jīng)網(wǎng)路的基本運算-TLU,為所有學(xué)習(xí)類神經(jīng)入門的的第一個演算法,單一的neural做簡易的training,雖無法解xor的問題,但卻是人類史上的類神經(jīng)的第一步.
標(biāo)簽： training neural TLU xor
上傳時間： 2015-12-02
上傳用戶：851197153
追隨sin函數(shù),輸出有包含物插曲線圖,到傳遞神經(jīng)網(wǎng)路
標(biāo)簽： sin
上傳時間： 2014-01-08
上傳用戶：change0329
神經(jīng)網(wǎng)路學(xué)習(xí)分類..Neural Fault Classifier for Transmission Line Protection A Modular Approach
標(biāo)簽： Transmission Classifier Protection Approach
上傳時間： 2016-01-16
上傳用戶：shizhanincc
屬於SUGENO模糊模型可以藉由類神經(jīng)網(wǎng)路架構(gòu)來替代
標(biāo)簽： SUGENO 模糊模型
上傳時間： 2014-01-16
上傳用戶：eclipse
有SOM、LVQ、ART三種不同方式的類神經(jīng)網(wǎng)路可以參考的實例
標(biāo)簽： SOM LVQ ART 方式
上傳時間： 2016-01-25
上傳用戶：qwe1234
蟲蟲下載站版權(quán)所有 京ICP備2021023401號-1
