期刊文献+

基于RBF神经网络的工件模式识别 被引量:1

在线阅读 下载PDF
导出
摘要 为了提高工件识别速度,根据实际待识别零件特征将零件分成两大类(旋转类、拉伸类),并预留了两类可识别零件,由训练速度快、结构简单、识别准确率高的RBF神经网络来实现模式识别,并根据零件图像特征选取了面积比、平滑度、三阶矩、一致性、熵等5个特征为训练样本作为神经网络的输入,实例证明这种方法切实可行,且其训练速度快,识别准确率高。
出处 《机械制造》 2007年第6期13-15,共3页 Machinery
  • 相关文献

参考文献3

  • 1徐秉铮,张百灵,韦岗.神经网络原理与应用[M].广州:华南理工大学出版社,1994.
  • 2陈曙光,刘平,田保红.切削表面粗糙度的人工神经网络预测[J].工具技术,2005,39(4):30-32. 被引量:8
  • 3郭晶,孙伟娟.神经网络理论与MATLAB7实现[M].北京:电子工业出版社,2005.

二级参考文献3

共引文献44

同被引文献7

  • 1RUBIO J D J, YU W. A New Discrete-Time Sfiding-Mode Control with Time-varying Gain and Neural Identification [J].International Journal of Control, 2006, 79(4): 338-348.
  • 2BAYRAMOGLU H,KOMURCUGIL H. Nonsingular Deeo- upled Terminal Sliding-mode Control for a Class of Fourth- order Nonlinear Systems [J].Communieations In Nonlinear Science and Numerical Simulation, 2013,18 ( 9 ):2527-2539.
  • 3CHEN B, NIU Y G.,ZOU Y Y. Adaptive Sliding Mode Control for Stoehastie Markovian Jumping Systems with Actuator Degradation [J]. Automatiea, 2013,49 (6):1748- 1754.
  • 4WANG J, RAD A B, CHAN P T. Indriect Adaptive Fuzzy Sliding Mode Control: Part I:Fuzzy Switching [J].Fuzzy Sets and Systems,2001, 122(1 ):21-30.
  • 5蔚永强,郭宏,谢占明.直驱式伺服系统的神经网络自适应滑模控制[J].电工技术学报,2009,24(3):74-79. 被引量:11
  • 6王丽梅,左莹莹.基于模糊神经网络滑模控制的xy平台轮廓控制[J].机床与液压,2014,42(11):23-26. 被引量:4
  • 7乐治后.基于RBF神经网络的光伏电池故障诊断[J].上海电气技术,2015,8(3):28-32. 被引量:9

引证文献1

二级引证文献3

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部