多媒体技术（论文）格式.docVIP

PAGE 河南工程学院毕业设计（或论文） 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1021 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，2005 [2] 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） PAGE II 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β、选取相应的误差函数系数α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 Abstract The 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 βand error function coefficient α. 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 an