导读:本文包含了粗糙度检测论文开题报告文献综述及选题提纲参考文献，主要关键词:预制混凝土构件,结合面,粗糙度,检测
粗糙度检测论文文献综述
张渤钰,沈岐平,赵勇,周丽娟[1]（2019）在《预制混凝土构件粗糙度检测技术研究进展综述》一文中研究指出预制混凝土构件结合面的粗糙度对装配式混凝土结构的结构安全具有重大意义。通常粗糙度的检测原理可分为"线"抽样和"面"抽样两大类。根据检测原理和数字化程度,分类总结了多种粗糙度检测方法,并根据是否定量分析、是否会对粗糙面造成破坏、检测成本、检测仪器便携性、与粗糙面有无接触等因素进行了各自优缺点的分析对比。基于各种3D测量成像技术的粗糙面检测方法具有较为明显的优势,且可与其他预制构件外观质量检测项目集成,符合建筑业信息化发展的趋势,值得进行更为深入的研究。(本文来源于《建筑科学》期刊2019年11期）
徐卫国[2]（2019）在《在线粗糙度检测仪在冷轧带钢生产中的应用》一文中研究指出介绍了在线粗糙度检测系统的功能、原理、设备组成、软件架构,其利用光路及内部机械结构,分析出带钢表面小坡面高度,进而用数据回归得出带钢长度和宽度方向的粗糙度。该系统在实际应用中体现出了良好的稳定性和可靠性,为山东钢铁集团日照有限公司冷轧工程生产高质量汽车钢板提供了可靠的保证。(本文来源于《轧钢》期刊2019年04期）
衷雪莲,李郝林[3]（2019）在《基于图像处理的磨削件表面粗糙度在线检测研究》一文中研究指出针对表面粗糙度检测的离线性,提出了一种基于图像处理的表面粗糙度在线检测方法。由于工件和摄像装置之间的相对运动,图像产生模糊。论文以运动模糊图像的退化模型为基础,采用迭代盲解卷积算法和正则化处理分离迭代过程中的噪声残差,得到点扩展函数的估计值;并采用点锐度函数进行清晰度评价;选用灰度差分统计法对图像进行分析。实验结果得出了对比度、角度方向二阶矩和熵与表面粗糙度的关系,验证了基于图像处理的表面粗糙度在线检测方法的可行性。(本文来源于《计算机与数字工程》期刊2019年06期）
尚建[4]（2019）在《基于机器视觉的磨削表面粗糙度检测的研究》一文中研究指出随着制造业的高速发展,粗糙度作为加工表面质量的评判指标之一,是检测中不可或缺的部分,其直接影响到零件以后的性能和寿命,因此粗糙度的检测对于制造业的发展具有重大的意义。传统的粗糙度检测技术已经不能够满足智能快速的需要,特别是在大批量生产、粗糙度要求全检的时候,因此许多国内外学者多年来一直都致力于新检测方法的研究。然而经过不同的加工方式,零件表面的纹理会呈现不同的排布方式,磨削表面的纹理主要以随机性为主,方向性不强,这是磨削表面识别研究的一难点。多年来对于粗糙度检测方法的研究,不同的检测方法受限于自身的设备和环境的要求得不到相应的应用;在研究新检测方法时,对于提取的特征大都是建立粗糙度与表面纹理特征之间的线性关系,没有从特征对于识别模型的重要性去分析;对于提取的特征值数量没有合理的规划,容易导致识别模型学习过于复杂和识别精度过低等问题。因此,本课题以磨削表面为研究对象,基于前面学者对于粗糙度识别特征的线性关系,从特征对模型识别精度的重要性和数量上分析,以BP神经网络模型为识别模型的识别方法。首先本文通过磨削实验和检测实验获取了5组不同粗糙度值的磨削表面图像,由于图片受获取设备自身和环境的原因含有噪声,因此本课题对于噪声的来源和性质进行了分析,了解到获取的图像主要以高斯白噪声为主,并通过PSNR和SSIM对不同滤波方式进行了效果评价,最终确定了双边滤波的方法。经过滤波之后的图片,在前人研究的基础之上通过灰度图像的灰度共生矩阵和Tamura纹理特征提取了相应的21个相关特征,由于之前研究时建立在线性关系之上,没有从对识别模型重要性上考虑,其次没有注重灰度共生矩阵方向上的差异,于是本课题针对SBS算法和随机森林算法的不足并结合二者算法的优势,最终选取了12个对识别模型更重要的特征,从而降低了模型的学习复杂度,且考虑了特征间的差异性。最后对于提取的特征,建立了BP神经网络模型对其进行识别,通过实验从模型的隐藏层层数、节点数、L2正则化系数、训练图片的数量、迭代次数等参数进行了优化设计,从而提高了模型的识别率,整体达到98.07%,训练时间也明显缩减到37.4s。通过以上的研究,最终本课题研究出了一种适用于磨削表面的,能够去噪且通过特征分析而对特征进行筛选的,基于BP神经网络模型的高效快速准确的检测方法。(本文来源于《华侨大学》期刊2019-05-28）
闵莉,王哲,董帅[5]（2019）在《基于Hough变换和GLCM的端铣表面粗糙度检测》一文中研究指出研究基于计算机视觉的非接触式端铣表面粗糙度检测方法。通过图像采集系统获取端铣工件表面图像,并进行图像预处理。基于Hough变换旋转图像,提取特定方向下GLCM的特征参数,较大程度缩短了计算时间。确定了适于表征端铣表面粗糙度的4个GLCM特征参数。采用BP神经网络算法研究纹理特征参数与粗糙度Ra之间的关系,构建粗糙度BP神经网络检测模型。实验表明,基于Hough变换的GLCM纹理特征参数提取方法能快速实现粗糙度纹理特征的提取,而BP神经网络检测模型具有较好的预测效果,能够满足端铣表面粗糙度测量的精度要求。(本文来源于《控制工程》期刊2019年04期）
杨长军[6]（2019）在《涂布纸板表面粗糙度检测方法综述及其对后续加工的指导意义》一文中研究指出介绍几种用于纸板表面粗糙度测试仪器的测试原理、方法、使用范围以及对涂布纸板后续加工的指导意义,初步探讨光学法测试对金银卡覆合的意义。(本文来源于《中华纸业》期刊2019年06期）
边栋梁[7]（2019）在《利用光学方法检测表面粗糙度和表面缺陷的研究》一文中研究指出钢材的表面质量对其产品的性能和寿命有着重要的影响,表面粗糙度和表面缺陷是衡量表面质量的重要指标。随着社会生产力的提高,优质钢材的需求量越来越大,对于钢材表面粗糙度和表面缺陷的检测也愈发重要。现阶段,大多数的表面质量检测手段仅局限于表面粗糙度或者表面缺陷一种参数的检测,并且大多适用于离线测量,能够同时在线测量表面粗糙度和表面缺陷的技术仍不够完善。在总结和归纳了现有技术的基础上,本文搭建了一套表面粗糙度和表面缺陷检测系统。该系统利用激光散射技术测量工件的表面粗糙度,测量范围为0.025μm~0.8μm。利用机器视觉技术检测工件的表面凹槽和凸起。分析采集的表面散射图像,提取了散射特征值S、亮点比BPR和亮灰度比BGR叁个特征参数来评价表面粗糙度,得到了它们和表面粗糙度之间的关系式。同时,使用BP神经网络、支持向量回归机(SVR)和卷积神经网络(CNN)实现了表面粗糙度的预测,其中BP神经网络和SVR预测的均方根误差分别为0.0012和0.0192,CNN模型分类的准确率为100%。使用图像处理算法判断并定位了工件表面的凹槽和凸起,计算了它们在测量方向上的尺寸,并验证了激光作为光源检测表面缺陷的可行性。完成了0.2mm~1mm表面凹槽的宽度测量以及直径为3mm和4mm的表面凸起测量,测量的均方根误差分别为0.0122和0.2458。使用SolidWorks软件设计了透明窗模拟装置以实现表面参数的在线检测,并利用其Flow Simulation模块进行流体仿真。使用该装置进行了表面粗糙度的在线测量,验证了仿真结果和装置的可行性。实验结果表明,该装置能够用于冷却液存在时工件表面粗糙度的在线测量。本文的研究为在线检测工件表面粗糙度和表面缺陷奠定了一定的基础。(本文来源于《南京航空航天大学》期刊2019-03-01）
宋国成[8]（2019）在《表面粗糙度对磁粉检测的影响分析》一文中研究指出文章就表面粗糙度对磁粉检测的影响议题进行了探讨,通过实验建模得到了工件表面粗糙度和磁场幅值之间的关系,分析了表面粗糙度对磁粉检测结果可靠性的影响,供相关人士参考借鉴。(本文来源于《冶金与材料》期刊2019年01期）
彭超,阎孟昆,张世泽[9]（2018）在《电缆接头表面粗糙度检测设备及质量评估研究》一文中研究指出电缆接头的安装关键工艺控制对于保障电缆附件的可靠运行尤为重要。基于电缆绝缘表面粗糙度对电缆可靠性的影响机制,本文分析了电缆接头在安装处理时的表面轮廓特征,进而使用白光干涉法设计了电缆绝缘表面粗糙度的测量装置,对不同类型的表面粗糙度参数进行分析,提出了电缆接头安装质量评估的关键参数。据此对电缆安装可靠性进行定量的评价。从而指导电缆接头的安装。(本文来源于《湖南电力》期刊2018年06期）
王迎雪,吴玉彬,姜爱龙,高桂丽,徐振宇[10]（2018）在《耦合剂及粗糙度对超声波法检测蠕化率声速的影响》一文中研究指出超声波法检测蠕化率是依据预先建立的超声波声速与蠕墨铸铁蠕化率之间的关系模型来快速预测的,声速的测量至关重要。借助ECHOMETER1076超声波声速仪、探针式表面粗糙度测量仪、定量金相等,结合试验和数值模拟方法,详细研究了耦合剂种类及厚度、试样表面粗糙度等因素在超声波法检测蠕化率时对声速测量的影响规律。结果表明,声阻抗在(0.13～0.3)×10~6 g/cm~2·s之间的常用耦合剂对声速测量造成的影响不大。在耦合剂最常涂抹的厚度0.2 mm之内,声速的变化范围在77 m/s以内。当试样表面粗糙度R_a≤5μm时对声速测量基本无影响。这些为精确测量声速和准确预测蠕化率提供了依据。(本文来源于《铸造》期刊2018年12期）
粗糙度检测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
介绍了在线粗糙度检测系统的功能、原理、设备组成、软件架构,其利用光路及内部机械结构,分析出带钢表面小坡面高度,进而用数据回归得出带钢长度和宽度方向的粗糙度。该系统在实际应用中体现出了良好的稳定性和可靠性,为山东钢铁集团日照有限公司冷轧工程生产高质量汽车钢板提供了可靠的保证。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
粗糙度检测论文参考文献
[1].张渤钰,沈岐平,赵勇,周丽娟.预制混凝土构件粗糙度检测技术研究进展综述[J].建筑科学.2019
[2].徐卫国.在线粗糙度检测仪在冷轧带钢生产中的应用[J].轧钢.2019
[3].衷雪莲,李郝林.基于图像处理的磨削件表面粗糙度在线检测研究[J].计算机与数字工程.2019
[4].尚建.基于机器视觉的磨削表面粗糙度检测的研究[D].华侨大学.2019
[5].闵莉,王哲,董帅.基于Hough变换和GLCM的端铣表面粗糙度检测[J].控制工程.2019
[6].杨长军.涂布纸板表面粗糙度检测方法综述及其对后续加工的指导意义[J].中华纸业.2019
[7].边栋梁.利用光学方法检测表面粗糙度和表面缺陷的研究[D].南京航空航天大学.2019
[8].宋国成.表面粗糙度对磁粉检测的影响分析[J].冶金与材料.2019
[9].彭超,阎孟昆,张世泽.电缆接头表面粗糙度检测设备及质量评估研究[J].湖南电力.2018
[10].王迎雪,吴玉彬,姜爱龙,高桂丽,徐振宇.耦合剂及粗糙度对超声波法检测蠕化率声速的影响[J].铸造.2018