互换性与技术测量第4章表面粗糙度整理.pdf
2022-01-10 10:03:40 1.12MB 网络文档
计算机视觉法测量铸造表面粗糙度.pdf
2021-10-20 14:07:21 175KB 计算机 视觉 图形处理 参考文献
木质材料表面粗糙度计算机视觉检测技术的研究.pdf
2021-10-20 14:07:20 156KB 计算机 视觉 图形处理 参考文献
基于进化神经网络的304不锈钢车削加工表面粗糙度预测.pdf
2021-09-25 22:05:58 1.44MB 神经网络 深度学习 机器学习 数据建模
表面粗糙度或任何形貌分析中,功率谱密度图是一种有价值的表征工具。 然而,有时我们只对表面地形的特定部分感兴趣。 例如,如果表面地形在底部倾斜(这会影响 PSD 结果),我们只想对顶部地形进行 PSD 分析。 有关该技术的进一步描述,请参阅下面的文章(如果您发现代码有用,请随意引用它): Kanafi、Mona Mahboob 和 Ari Juhani Tuononen。 “用于路面摩擦评估的顶部地形表面粗糙度功率谱。” 摩擦学国际(2016 年)。 此代码是完整表面形貌的表面粗糙度 PSD 的延续,即径向平均表面粗糙度功率谱: http://se.mathworks.com/matlabcentral/fileexchange/54297-radially-averaged-surface-roughness-power-spectrum--psd - 该代码在用户指定的表面形貌
2021-09-15 18:28:52 4KB matlab
1
matlab开发-径向平均表面粗糙度地形图功率谱。计算表面粗糙度/地形的径向平均二维功率谱
2021-09-15 18:02:21 2KB 数据导入与分析
1
行业分类-物理装置-一种基于双点旋转摩擦的内腔表面粗糙度在位检测方法.zip
行业分类-设备装置-基于表面粗糙度的三层纸张模型建模方法.zip
针对平面磨削的特点,采用正交试验方法获取学习样本,用BP神经网络建立砂轮径向切入进给量、轴向进给量和工作台进给速度与表面粗糙度关系模型,并用MATLAB实现对该模型的训练和仿真,由此得出表面粗糙度预测模型。结果显示:该模型具有较高的预测精度,在学习样本的采样区间平均预测误差为3.7%,最大预测误差为7.9%。为平面磨削表面粗糙度预测提供了一种新的可行方法。
2021-08-10 18:01:49 1.67MB 行业研究
1
基于偏振摄影技术和MATLAB实现对物体表面粗糙度的检测.pdf
2021-06-26 12:02:59 5.51MB matlab 行业 专业指导