(3.239.56.184) 您好!臺灣時間:2021/05/13 11:51
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:林正中
研究生(外文):Lin,Jeng Jong
論文名稱:梭織物瑕疵辨識與織機故障診斷之研究
論文名稱(外文):A Study on Inspection of Woven Fabric Defects and Breakdown Diagnosis of Loom
指導教授:林宗華;蔡宜壽
指導教授(外文):Lin,Chung Hua;Tsai,I Shou
學位類別:博士
校院名稱:逢甲大學
系所名稱:紡織工程研究所
學門:工程學門
學類:紡織工程學類
論文種類:學術論文
論文出版年:1995
畢業學年度:83
語文別:中文
論文頁數:95
中文關鍵詞:類神經網路專家系統模糊邏輯
外文關鍵詞:Artificial Neural NetworkExpert SystemFuzzy Logic
相關次數:
  • 被引用被引用:3
  • 點閱點閱:196
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
本文將人工智慧中的類神經網路, 模糊理論, 專家系統等技術應用於研發
一既可偵測布面瑕疵又能診斷追蹤故障原因的自動化技術。本文針對類神
經網路技術應用於辨識織物瑕疵種類的效率及準確性作評估。首先本文選
出於織造時, 較常發生的四種瑕疵, 分別利用類神經網路的倒傳遞演算法
予以訓練學習而達到準確辨認之目的。本實驗利用共發矩陣法分別求出瑕
疵影像在三個像素間距 (d=1,12,16), 與四個位置方向 (角度=0 °,45
°,90 °,135 °) 的條件下, 共求得六個對比度 (CONs)參數值。再以
此六個參數值組成一個特徵向量供類神經網路學習或測試之用。同時另以
圓形對稱自動回歸法求得分別與等方性及粗糙度有關的二參數(alpha與
beta), 結合以共發矩陣法在二個像素間距(d=12,16)與二個位置方向 (
角度 =0°,90 °) 的條件下, 求得的二對比度參數共同組成另一組特徵
向量供類神經網路學習與測試之後, 將兩組特徵向量的辨識準確率作一比
較。類神經網路的瑕疵辨識準確性與效率, 經實驗結果顯示, 以六特徵參
數組成的特徵向量的辨識準確率達 96%, 較以四個特徵參數組成的特徵向
量的 72% 辨識準確率為佳。 且辨識速度極快, 可於數分之一秒時間內做
出辨識結果, 與原先所期待的相當符合且令人滿意。此外, 本文還針對可
根據布面瑕疵的種類來診斷追蹤故障原因的智慧型診斷系統技術做一探討
。此系統除一般傳統專家系統外, 尚包括一利用模糊理論技術所建構的診
斷系統。 該診斷系統是以 Turbo C 編譯寫成的, 可充當專業技術人員之
角色, 隨時提供現場機台維修人員進行諮詢之功能,俾利追蹤故障來源並
加以排除 , 而專家系統則是以人工智慧語言 Prolog編譯寫成的, 並建構
大量相關專業技術知識庫可供其它目的查詢或進一步的診斷之用。同時本
文對其應用上的準確性及效益亦做一評估, 結果發現除可正確地診斷出故
障外, 其診斷速度亦相當快速, 可於不到一秒的時間內提供診斷結果供保
全維修人員參考, 能夠滿足織布廠即時的需求, 並可避免布廠的資深技術
人員因升遷或離職所造成之技術斷層的困擾。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
無相關期刊
 
系統版面圖檔 系統版面圖檔