膏布药层测厚的数据融合系统研究

论文摘要

一般的膏药生产厂家,对膏布药层质量控制采用的是人工称重方法。这种方法是先对膏布做标记,待膏布通过烘干机烘干后对其进行采样,并用天平称重,然后把测得的结果反馈给操作工人,操作工人根据测量结果调节涂膏机机械机构,控制膏布药层厚度,从而达到控制药层质量的目的。这种方法有很多缺点:（1）实时性差。（2）测量误差较大。人工称重时,采样点的选取、采样膏布的尺寸以及称重读数等因素造成很多随机误差。（3） 人工成本高,需要专门有人来进行采样和称重。由此,这种方法已不适合现代化生产的需要。而膏药厚度和膏药质量成一定比例关系,研制一种自动检测膏布药层质量或厚度的在线测量系统,对提高产品质量,增加工厂效益是十分必要的。本文以数据融合理论和方法为中心,把激光测厚系统和电容测微仪测厚系统这两种实时测厚系统相结合,给出了膏布药层测厚系统数据融合的总体方案。本文提出了一种新的激光测厚方案,光源采用一字线激光器产生的线激光,探测器则由条形硅光电池和相应的电路组成,这样就扩大了测量面积,提高了测量精度。本文对电容测微仪测厚系统也做了一定研究。设计了电容测微仪的机械部分。本文对数据融合的理论和技术进行了研究,阐述了多种数据融合的方法,构建了人工神经网络（BP 网络）模型,实现了对激光测厚结果和电容测微仪测厚结果的数据融合; 提出了一种数据融合BP 算法,并在VC++6.0 开发环境下,用C++语言设计出了一套程序来实现这种算法。对融合后的结果和单一测厚系统的测量结果进行比较,结果表明,测量精度有了较大提高。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 课题的来源、背景和意义
• 1.2 数据融合理论和技术的发展及研究现状
• 1.3 本文的主要研究工作
• 1.4 本文的组织结构
• 1.5 本章小结
• 2 数据融合技术概述及其算法研究
• 2.1 数据融合技术概述
• 2.2 数据融合的算法研究
• 2.3 本章小结
• 3 膏布药层测厚数据融合系统的总体方案
• 3.1 测厚系统的总体方案
• 3.2 各子系统的设计方案
• 3.3 本章小结
• 4 膏布药层测厚子系统的设计和实现
• 4.1 激光测厚系统的设计
• 4.2 电容测微仪测厚系统的设计
• 4.3 本章小结
• 5 基于人工神经网络的数据融合系统
• 5.1 人工神经网络简介
• 5.2 误差反向传播网络（BP 网络）
• 5.3 膏布药层测厚人工神经网络的设计
• 5.4 程序设计
• 5.5 数据融合结果分析
• 5.6 本章小结
• 6 全文总结与展望
• 6.1 本文工作总结
• 6.2 展望及今后研究工作方向
• 致谢
• 攻读硕士学位期间发表的学术论文
• 参考文献
• 附录
• 附表1 测量数据和融合数据表
• 附图 测厚系统部分照片