基于SFAM網(wǎng)絡(luò)的機(jī)械零件形狀識(shí)別研究.pdf

1、隨著科學(xué)技術(shù)的發(fā)展，生產(chǎn)方式發(fā)生了深刻的變化，對(duì)生產(chǎn)自動(dòng)化的科技含量提出了新的要求，傳統(tǒng)的生產(chǎn)自動(dòng)化模式面臨極大挑戰(zhàn)，研究適應(yīng)自動(dòng)化生產(chǎn)領(lǐng)域中的裝配機(jī)器人識(shí)別技術(shù)已成為當(dāng)前重要的課題之一。本文針對(duì)自動(dòng)化生產(chǎn)線上裝配機(jī)器人對(duì)機(jī)械零件的形狀快速、精確地識(shí)別問題進(jìn)行研究，敘述了模式識(shí)別和形狀識(shí)別國(guó)內(nèi)外的研究現(xiàn)狀，對(duì)形狀識(shí)別的軟、硬件系統(tǒng)進(jìn)行了研究，對(duì)攝取的機(jī)械零件圖像進(jìn)行處理，提取了零件圖像輪廓。提出了一些新的理論與方法，并通過(guò)試驗(yàn)進(jìn)行驗(yàn)證，

2、取得以下成果： (1)證明了圖像的Zemike矩和Fourier-Mellin矩具有平移、旋轉(zhuǎn)、縮放不變性，通過(guò)比較Zemike矩和Fourier-Mellin矩的優(yōu)缺點(diǎn)，采用Fouriei-Mellin矩提取零件圖像的特征。 (2)對(duì)ART神經(jīng)網(wǎng)絡(luò)進(jìn)行了詳細(xì)論述，通過(guò)對(duì)模糊ARTMAP網(wǎng)絡(luò)結(jié)構(gòu)和算法進(jìn)行簡(jiǎn)化，提出了SFAM神經(jīng)網(wǎng)絡(luò)，分類測(cè)試發(fā)現(xiàn)同一模式不同的向量順序，SFAM網(wǎng)絡(luò)分類結(jié)果不同。為避免分類失誤，構(gòu)造了多個(gè)

3、SFAM網(wǎng)絡(luò)的組合分類器。 (3)針對(duì)經(jīng)典Bayes決策理論限制條件嚴(yán)格，提出了擴(kuò)展的Bayes決策法，使得Bayes決策理論更接近實(shí)際情況。通過(guò)試驗(yàn)驗(yàn)證了對(duì)多個(gè)SFAM網(wǎng)絡(luò)分類器分類的結(jié)果采用擴(kuò)展的Bayes表決法，克服了單個(gè)SFAM網(wǎng)絡(luò)分類器對(duì)輸入樣本順序敏感的缺點(diǎn)，提高了分類精度。 (4)試驗(yàn)結(jié)果表明，機(jī)械零件形狀識(shí)別的精度與SFAM網(wǎng)絡(luò)的數(shù)量有關(guān)，隨著SFAM網(wǎng)絡(luò)分類器數(shù)量的增加，分類精度呈直線上升，當(dāng)SFAM網(wǎng)