基于图像的金属雾化过程监控系统设计与实现-控制工程专业论文.docxVIP

优秀毕业论文 精品参考文献资料 大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究工 作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外，本 论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请学 位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献均 已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 作者签名： 训呙 万方数据 大连理工大学专业学位硕士学位论文摘 大连理工大学专业学位硕士学位论文 摘 要 进入21世纪以来，人工智能和物联网技术的飞速发展不断推动着制造技术的革新 和进步，在此基础上，德国提出“工业4．0”计划旨在提升制造业的智能化水平。与此同 时，“中国制造2025”计划也对我国工业智能化的发展提出了明确的要求。机器视觉和 机器学习作为智能算法的代表，自诞生以后一直以能够更大程度上的代替人工操作为首 要目的而不断的发展和完善，它们在工业领域也得到了越来越广泛的应用。 在金属粉末的制备方法中，气雾化法以其产品的球形度高、均匀度好且成本低廉的 特点一直占据市场中的主导地位。但在生产过程中粉末的粒径容易因为各种因素的影响 而产生波动，对于这些影响因素，大量的研究人员通过不断的实验试图找到其影响粉末 粒径的机理，其中最著名的机理模型就是Lubanska公式。该公式指出，金属粉末的粒径 受包括雾化气流速和气液质量流量在内的诸多因素的影响，雾化过程中的多相耦合作用 也大大增加了其机理模型的复杂程度。因此，通过建立机理模型来实现对金属粉末粒径 的估计并不现实，我们很难通过这些难以测量的影响因素来准确的给出粉末粒径的估计 值。 本文将从全新的角度来实现对金属粉末粒径的预估工作。雾化过程作为气雾化法制 备金属粉末中最重要的生产流程，其状态参数往往可以表征当前的生产情况。因此，本 文从金属雾化时的喷粉图像作为切入点。首先，对于图像的降噪和复原，提出了基于中 值滤波器的GT medfilt滤波算法，在消除大部分图像噪声的同时很好的保留了图像细 节；然后在HSV颜色空间下使用基于强度的最大类间方差阈值分割算法，将目标区域 完整的与背景分离开并对其重要几何特征进行了提取；对于雾化流场的温度分布，采用 比色测温法实现了对目标温度场的重构；最后通过对Lubanska公式的简化分析，选取 合适的生产数据进行预测模型的监督性学习，建立了基于雾化图像数据和LS．SVM算法 的金属粉末粒径及跨度预测模型。 该预测方法既有效的利用了经验机理模型所提供的指导意义，又避免了机理建模过 于复杂且难以实现的缺点。通过与实际数据的比对证实了该预测模型可以较好的对Dso 粒径和粉末跨度进行数值预估。同时，使用机器视觉和机器学习代替人工操作也增强了 系统的科学性和稳定性，为实际生产提供了量化的数据参考。在文章最后给出了系统框 架和功能的设计过程以及在实际生产中的应用情况。 关键词：金属粉末：气雾化法；图像识别；LS-SVM；预测； 万方数据 基于图像的金属雾化过程监控系统设计与实现Image-based 基于图像的金属雾化过程监控系统设计与实现 Image-based Supervision System Design and Implementation of Metal Atomization Process Abstract In the 2 1 st century，the rapid development of artificial intelligence and the internet of things technology constantly promote the innovation and progress of manufacture industry， Germany proposed”industry 4．0”project aims to promote the intelligent level ofmanufacturing。 Meanwhile，‘‘China manufacturing 2025’’claims clearly for the development of intelligent industry in our country．As the representative of the intelligent algorithm，machine vision and machine learning have made continuous development for replacing manual