基于RBF神经网络的高精度在线激光测厚算法

发布时间：2018-07-14 14:19

【摘要】：为进一步提高单CCD双光路激光三角法动态在线测厚系统的测量精度,提出了一种基于RBF神经网络的CCD靶面上光斑位置与被测物厚度之间函数关系的拟合算法。通过理论分析之后,设计了基于RBF神经网络直接拟合CCD靶面上两光斑位置信息与被测物厚度之间关系和现有的最小二乘法拟合三次多项式模型方法进行实验对比,两种方法分别得到了一个网络和一个近似数学模型。通过使用十组标准厚度塞尺在不同位置进行验证实验,发现前者方法计算出的厚度值更加靠近塞尺的客观值。实验结果表明,用RBF神经网络拟合两个光斑坐标和被测物厚度之间的关系,成功地提高了现有系统精度,鲁棒性好,时间复杂度尚可。
[Abstract]:In order to improve the measurement accuracy of the dynamic on-line thickness measurement system with single CCD and double optical path laser triangulation, a fitting algorithm based on RBF neural network is proposed for fitting the functional relationship between the spot position on the CCD target surface and the thickness of the object being measured. After theoretical analysis, the relationship between the location information of two spot on the target surface of CCD and the thickness of the measured object is designed based on RBF neural network, and the existing least square fitting cubic polynomial model method is compared. The two methods obtain a network and an approximate mathematical model, respectively. By using ten groups of standard gauge stoppers at different locations, it is found that the thickness calculated by the former method is closer to the objective value of the stopper. The experimental results show that the RBF neural network is used to fit the relationship between the two spot coordinates and the measured object thickness, which improves the accuracy, robustness and time complexity of the existing system successfully.
【作者单位】： 武汉科技大学信息科学与工程学院冶金自动化与检测技术教育部工程研究中心;中交第二公路勘察设计研究院有限公司;
【分类号】：TN249;TP183

【相似文献】

相关期刊论文 前10条

1 孙渝生;一种激光测厚装置[J];应用激光;2003年02期

2 侯勇;;量子神经网络及在发酵过程中的应用[J];中国酿造;2010年02期

3 贾花萍;;量子神经网络在交通运输能力预测中的应用[J];微型电脑应用;2012年05期

4 李盼池;王海英;戴庆;肖红;;量子过程神经网络模型算法及应用[J];物理学报;2012年16期

5 岳祖洲;龚建民;;一种单通道相干光实现双极Hopfield神经网络的方法[J];应用激光;1993年06期

6 姜淑娟;刘伟军;南亮亮;;基于神经网络的激光熔覆高度预测[J];机械工程学报;2009年03期

7 王丽;;改进神经网络方法对导线耦合串扰的预测[J];晋中学院学报;2010年03期

8 张坤;梁林;;二阶微粒群优化神经网络的混沌系统辨识方法[J];计算机系统应用;2012年05期

9 ;1996年中国神经网络学术大会将在西南交通大学召开[J];学术动态报道;1995年04期

10 梁政,黄际英,蔺胜利;神经网络方法在降雨去极化效应预报中的应用[J];电波科学学报;1998年02期

相关会议论文 前4条

1 徐慧;徐海樵;张必银;;基于LVQ神经网络的水声目标识别技术[A];中国造船工程学会电子技术学术委员会——2012年水下复杂战场环境目标识别与对抗及仿真技术学术交流论文集[C];2012年

2 王季红;王良厚;孙健;;基于LM算法BP神经网络的放射性核素识别[A];第十六届全国核电子学与核探测技术学术年会论文集（下册）[C];2012年

3 丰树强;张国光;窦玉玲;苏丹;胡继峰;沈冠仁;;BP神经网络在爆炸物识别中的应用[A];中国原子能科学研究院年报 2009[C];2010年

4 张文龙;于洪洁;;延迟反馈完全连接Hindmarsh-Rose神经网络的混沌同步[A];第九届全国动力学与控制学术会议会议手册[C];2012年

相关博士学位论文 前4条

1 石艳超;忆阻神经网络的混沌性及几类时滞神经网络的同步研究[D];电子科技大学;2014年

2 谈宏莹;基于太赫兹时域谱物质检测技术及实验研究[D];燕山大学;2016年

3 李欣;量子计算与过程神经网络研究及应用[D];大连理工大学;2010年

4 李鹏华;量子计算在动态递归与自组织神经网络中的机理及应用研究[D];重庆大学;2012年

相关硕士学位论文 前10条

1 王天飞;基于激光测厚的AOD炉炉衬侵蚀检测方法研究[D];长春工业大学;2016年

2 李天琼;基于免疫RBF神经网络的混沌时间序列预测模型研究[D];辽宁工程技术大学;2015年

3 李晋国;小波和神经网络在近红外光谱反演模型中的应用[D];山西农业大学;2016年

4 马建兵;神经网络在混沌时间序列预测中的应用研究[D];兰州交通大学;2010年

5 崔向丽;基于神经网络的高能物理粒子鉴别的应用研究[D];兰州大学;2013年

6 吕且妮;多级衍射全息光栅与神经网络的光学互连[D];陕西师范大学;2000年

7 夏雷;基于CCD技术的激光测厚系统的研究[D];浙江理工大学;2013年

8 郭照斌;Bagging算法神经网络的抗噪声能力及应用[D];大连理工大学;2009年

9 申新颖;基于神经网络和小波的肉类光谱识别方法研究[D];吉林大学;2007年

10 石慧;基于BP神经网络的微波大信号散射函数建模技术[D];西安电子科技大学;2009年

，

本文编号：2121918