Ռոք նմուշի անալիզատոր `4 քայլ

2024 Հեղինակ: John Day | [email protected]. Վերջին փոփոխված: 2024-01-30 09:48

Քարի նմուշների անալիզատորը օգտագործվում է ժայռերի նմուշների տեսակները նույնականացնելու և վերլուծելու համար `օգտագործելով փափուկ մուրճի թրթռման տեխնիկան: Դա նոր մեթոդ է ժայռերի նմուշները նույնականացնելու համար: Եթե երկնաքար կամ որևէ անհայտ ժայռի նմուշ կա, կարելի է գնահատել նմուշը `օգտագործելով ժայռի նմուշի անալիզատորը: Փափուկ մուրճի տեխնիկան չի խանգարի կամ վնասի նմուշը: Նմուշները նույնականացնելու համար կիրառվում է Neuro Fuzzy մեկնաբանության առաջադեմ տեխնիկան: Գրաֆիկական ինտերֆեյսը (GUI) նախագծված է MATLAB ծրագրաշարի միջոցով, և օգտվողը կարող է տեսնել գրաֆիկական ելքի արդյունքում ստացված թրթռումները, և արդյունքում ստացվածը կցուցադրվի վահանակում վայրկյանների կոտորակներում:

Քայլ 1: Մեխանիկական սարքի կառուցում

Մեխանիկական սարքի չափերը հետևյալն են

Երկարություն X Լայնություն X Բարձրություն = 36 սմ X 24.2 սմ X 32 սմ

Նմուշի ձողի երկարությունը = 24 սմ

Մուրճի երկարություն = 37 սմ

Սկավառակի շառավիղ = 7,2 սմ

Առանցքի երկարություններ = 19.2 սմ (2)

Ավտոմատ փափուկ մեխանիկական մեխանիկական սարքը պետք է մուրճի նմուշը և ստեղծի թրթռանքներ … Ստեղծված թրթռումները տարածվում են նմուշների վրա: Ստեղծված թրթռումները շատ հարթ են և չեն խանգարի կամ վնասի նմուշին:

Քայլ 2: Թրթռման ցուցիչ

3 համար 801S թրթռումային սենսորային թրթռումային մոդել Անալոգային ելքի կարգավորելի զգայունություն Arduino Robot- ի համար Թրթռման սենսորները օգտագործվում են թրթռումները հավաքելու համար … Տվյալների վերլուծության համար օգտագործվում են բոլոր երեք արժեքների միջին արժեքը:

Քայլ 3. Arduino- ի վերահսկում և ծրագրավորում

Arduino- ն կհավաքի տվյալները ՝ օգտագործելով անալոգային կապերը և փոխարկի տվյալները և կուղարկի դրանք տեքստային ֆայլ

Arduino ծրագրավորում

int vib_1 = A0; int vib_2 = A1; int vib_3 = A2;

{

Serial.begin (9600);

pinMode (vib_1, Մուտք);

pinMode (vib_2, INPUT);

pinMode (vib_3, INPUT);

Serial.println («Պիտակ, տատանումների արժեք»);

}

դատարկ շրջան () {

int val1;

int val2;

int val3;

int val;

val1 = analogRead (vib_1);

val2 = analogRead (vib_2);

val3 = analogRead (vib_3);

val = (val1 + val2 + val3)/3;

եթե (val> = 100)

{

Serial.print («ՏՎՅԱԼՆԵՐ»,);

Serial.print ("VIB =");

Serial.println (արժեքը);

ներմուծման մշակում. սերիա:*;

Սերիական mySerial;

PrintWriter արտադրանք;

դատարկ կարգավորում ()

{

mySerial = նոր Սերիա (սա, Serial.list () [0], 9600);

ելք = createWriter ("data.txt"); }

դատարկ վիճակահանություն ()

{

եթե (mySerial.available ()> 0)

{

Լարային արժեքը = mySerial.readString ();

եթե (արժեք! = null)

{

output.println (արժեքը);

}

}

}

void keyPressed ()

{

output.flush ();

// Մնացած տվյալները գրում է ֆայլում

output.close (); // Ավարտում է ֆայլը

ելք (); // Դադարեցնում է ծրագիրը

}

ուշացում (1000);

}

}

}

Քայլ 4. Neuro Fuzzy Interpretation Գրաֆիկական ինտերֆեյս

ANFIS- ը տրամաբանական անորոշ համակարգերի և նյարդային ցանցերի համադրություն է: Այսպիսի եզրակացությունների համակարգն ունի հարմարվողական բնույթ ՝ ապավինելու իր պատրաստած իրավիճակին: Այսպիսով, այն շատ առավելություններ ունի սովորելուց մինչև արդյունքի վավերացում: Takagi-Sugeno անորոշ մոդելը ներկայացված է Նկարում

Ինչպես ցույց է տրված Նկարում, ANFIS համակարգը բաղկացած է 5 շերտից, տուփով խորհրդանշված շերտը հարմարվողական շերտ է: Մինչդեռ, շրջանագծով խորհրդանշվածը ամրագրված է: Յուրաքանչյուր շերտի յուրաքանչյուր ելք խորհրդանշվում է հանգույցների հաջորդականությամբ, իսկ l- ը ծածկույթը ցույց տվող հաջորդականությունն է: Ահա բացատրություն յուրաքանչյուր շերտի համար, մասնավորապես.

Շերտ 1

Serառայում է անդամակցության աստիճանի բարձրացմանը

Շերտ 2

Serառայում է առաջացնել կրակող ուժ `յուրաքանչյուր մուտքային ազդանշանը բազմապատկելով:

Շերտ 3

Նորմալացրեք կրակող ուժը

Շերտ 4

Արդյունքի հաշվարկը `հետևի կանոնի պարամետրերի հիման վրա

Շերտ 5

ANFIS- ի ելքային ազդանշանի հաշվարկը `բոլոր մուտքային ազդանշանների գումարմամբ, կարտադրի

Այստեղ գրաֆիկական ինտերֆեյսը նախագծված է MATLAB ծրագրաշարի միջոցով: Մուտքային թրթռման տվյալները մուտքագրվում են ծրագրակազմ ՝ օգտագործելով Arduino վերահսկիչ, և համապատասխան նմուշը արդյունավետորեն կվերլուծվի ՝ օգտագործելով ANFIS մեկնաբանությունը: