基于改进注意力模块的船舶涂装缺陷检测方法

针对人工检测船舶缺陷效率低、传统检测网络准确率差的问题,提出一种基于改进注意力模块(improved convolutional block attention module, ICBAM)的船舶涂装缺陷检测方法.首先,YOLOv4在路径聚合网络中将深度可分离卷积代替常规卷积形成IYOLOv4,减少模型计算量;其次,将ICBAM融入IYOLOv4的路径聚合网络Route层后形成ICBAM-IYOLOv4,ICBAM在通道上构建多频率通道改善全局平均池化,利用一维卷积代替全连接层聚合相邻通道间的信息,减少模型参数;然后,在空间上融合Inception v3思想和特征分层思想改善空洞卷积;最后,在船舶涂装缺陷样本数据增强的基础上,对ICBAM-IYOLOv4进行测试.实验结果表明:ICBAM-IYOLOv4相比其他算法,其损失值更低、收敛更快;平均精度均值(mean average precision, MAP)在训练集和测试集上分别提高了1.89%和1.91%.

基于INSGA-Ⅲ算法的船舶舱室喷涂轨迹规划

[目的]舱室喷涂是船舶涂装至关重要的环节之一,喷涂轨迹规划直接影响涂装作业效率和涂层品质,而舱室喷涂环境比较复杂。[方法]首先对舱室喷涂区域进行划分,分别建立不同区域的漆膜厚度成长模型,以考虑涂层质量、喷涂效率和涂料用量多目标优化建立喷涂轨迹目标函数,并采用混合改进多目标优化算法INSGA-Ⅲ求解目标函数。设计算法流程,生成各区域喷涂工艺优化方案,并进行喷涂轨迹仿真。[结果]按优化后的轨迹进行喷涂,涂层厚度均匀性满足舱室涂层质量要求,同时喷涂轨迹规划效率和涂料利用率显著提升,舱室涂装成本有效降低。[结论]该方法在提升轨迹规划效率、保证喷涂质量与均匀性等方面表现出色,为后续提升舱室涂装技术奠定了基础。

冷连轧过程控制中轧制力和前滑模型的综合自适应

为了提高冷连轧过程控制系统中轧制力模型的设定精度,提出了一种轧制力和前滑模型的综合自适应算法.通过建立综合自适应目标函数,以变形抗力和摩擦系数模型中的自适应系数作为寻优参数,并采用Rosenbrock算法求解目标函数,可以同时得到满足轧制力模型和前滑模型计算精度的自适应系数.该模型自适应算法可成功应用于某1 450 mm冷连轧机组.结果表明,采用该模型的综合自适应算法后,轧制力设定精度显著提高,且满足在线控制要求.

基于硬度辨识的冷连轧厚度控制模型

为了消除来料硬度波动对带钢厚度的影响,提高冷轧带钢厚度控制精度,建立了基于硬度辨识的冷连轧厚度控制模型,并在传统AGC基础上,提出了改进控制策略。离线仿真结果表明:改进的AGC与传统AGC相比,各机架出口厚度波动幅值明显减小,轧制过程更加稳定,而且板形偏差降低了5IU。

新工科背景下基于模糊层次分析法的机械类大学生工程素质模型研究

新工科建设要求高校的人才培养模式更加强调“复合交叉”与“协同创新”,即侧重跨学科、跨领域、跨行业人才的培养。大学生工程素质模型是推动新工科建设的核心内容之一。针对机械学科,研究新工科教育对机械类人才的能力需求,分析新工科创新能力培养体系构成要素的结构与功能,明确机械类大学生工程素质的具体内涵以及核心能力要素,构建机械类工科大学生工程素质模型,形成素质评价指标体系。

PCA降维技术在弯辊力预设定中的研究与应用

为了提高冷连轧带钢弯辊力预设定模型的计算效率,在原有基于GA⁃BP神经网络的弯辊力预设定模型基础上,引入主成分分析(PCA)数据降维技术,通过PCA将原有10个轧制参数变量转换为3个主成分变量,降维后的主成分变量包含了原始实测轧制参数93.55%的信息,实现了轧制参数特征的有效提取;将其作为神经网络的输入,建立PCA⁃GA⁃BP新形态弯辊力预设定模型,简化了模型结构。以某1450 mm冷连轧生产线数据作为样本比较了2种模型的计算性能,结果表明,2种模型均具有较好的泛化能力,在保证带钢头部板形精度的基础上,PCA⁃GA⁃BP模型与原模型相比迭代次数减少86次,计算时间缩短73 ms,预报效率显著提高。

基于熵值法的船舶涂装工艺多目标评价模型

为提升船舶涂装工艺管理水平,解决传统涂装工艺评价对人工经验依赖性强的问题,基于多目标理论构建多目标评价模型,综合考虑干膜厚度、经济成本及涂装效率,以涂层质量、涂料用量和涂装工时为评价标准建立目标函数。采用熵值法确定各目标函数权重系数,可以更客观地反应各目标函数对评价结果的影响。结果表明,该方法对涂层质量的评价与人工检验结果一致,此外,该多目标函数综合考虑船舶涂装经济性与时效性,评价结果更加科学合理,该研究成果可为船舶涂装工艺的预制定与涂装工艺参数的优化提供参照。

基于改进关联规则算法的船舶涂装缺陷知识获取

为减少船舶涂装缺陷的产生,提早对涂装工艺参数进行干预控制,提出一种基于改进关联规则算法的船舶涂装缺陷知识获取方法,对涂装缺陷成因进行科学性量化分析。首先,在传统Apriori算法模型的基础上,引入哈希算法中的链表结构改变频繁项集的挖掘模式,减少运算过程中遍历整体事务集的次数;其次,对涂装工艺参数和环境参数进行量化,构建涂装缺陷分析模型;最后,选取涂装工艺数据验证文章提出方法的有效性。结果表明,面向冗杂的船舶涂装工艺数据,改进后的Apriori算法可以更好地进行涂装缺陷分析,在有效缩短算法计算时间的同时获得更加直观的缺陷成因知识,算法性能显著提升。

基于神经网络集成学习的冷连轧板形预测

为了实现对冷连轧带钢出口板形的预测,基于粒子群算法对小波神经网络进行了优化,将优化后的网络作为基学习器,并通过bagging算法构建集成学习预测模型,进行冷连轧带钢板形的预测。以某1450mm冷连轧生产线数据作为样本,比较了该模型与未经优化的小波神经网络和单个学习器的预测效果。结果表明,集成学习模型预测的带钢出口板形与实测板形的偏差更小,板形预测精度更高,模型泛化性能更好。

基于影响函数法的TDC模块开发与现场测试

为研究轧辊凸度对带钢厚度的影响,分析并建立了轧辊弹性弯曲和弹性压扁影响函数矩阵,开发了基于影响函数法的TDC模块。在某1 450mm冷轧机上对该模块进行测试,其运行稳定、快速,满足精度要求。测试结果表明:当中间辊凸度增加时,轧件轧后厚度呈现增加的趋势。