基于Transformer的陶瓷轴承表面缺陷检测方法

针对传统机器视觉检测方法中,由于陶瓷轴承滚动体表面曲率大、对比度低,表面成像模糊导致后续缺陷检测精度低的问题,提出一种基于Transformer的超分辨率残差网络。首先,网络使用残差学习策略,通过预测模糊图像与清晰图像之间的差值,实现超分辨率任务;其次,在网络上前端插入通道注意力模块和空间注意力模块并改进L2多头自注意力模块,以增强图像纹理、改善梯度爆炸问题;最后,针对超分辨率重建任务,提出一种两阶段训练策略优化训练过程。自建陶瓷轴承表面缺陷数据集上的大量实验结果表明,所提出网络模型在客观指标与主观评价上均优于MSESRGAN、VSDR等超分辨率算法,重建图像SSIM为0.939,PSNR为36.51 dB。

基于改进二进制粒子群算法优化DBN的轴承故障诊断

针对滚动轴承故障振动信号非平稳性的特点,对二进制粒子群优化算法(binary particles swarm optimization,BPSO)和深度信念网络(deep belief network,DBN)进行研究,提出一种基于局部均值分解(local mean decomposition,LMD)和IBPSO-DBN的轴承故障诊断方法。提出用加权惯性权重改进BPSO迭代过程中的固定权重,再用改进BPSO优化DBN的隐含层神经元个数和学习率。该方法先对信号进行LMD,提取出各PF分量的散布熵和时域指标,并构建特征矩阵,然后把特征矩阵输入改进BPSO-DBN模型中训练,实现滚动轴承故障诊断和分类。采用试验轴承数据做验证并与其他诊断方法对比,结果表明,基于LMD和BPSO-DBN的滚动轴承故障诊断方法具有较好的故障识别率。

基于扰动观测器的PMSM系统自适应反步滑模控制

针对负载转矩波动和系统参数变化的永磁同步电机(PMSM)系统的控制问题,提出了一种带有非线性扰动观测器的自适应反步滑模位置跟踪控制方法。首先,设计了自适应反步滑模控制器,以确保电机位置快速收敛到期望值,并设计了自适应收敛增益,以减小电机位置响应下的大的过冲;其次,设计非线性扰动观测器估计未知扰动,并为自适应反步滑模控制提供前馈补偿,以提高系统的鲁棒性,并减少稳态位置误差。仿真结果表明,该方法可以有效减少过冲,很好地实现了PMSM系统的快速位置跟踪控制,具有良好的抗扰动性能。

改进SSD算法在工件表面缺陷检测中的应用

为能够更为高效地检测工件表面加工缺陷,提出了一种MobileNetV3-SSD目标检测算法,它能够有效实现工件表面缺陷检测。此算法通过改进SSD的骨架网络为MobileNetV3-Large,有效减少网络参数量和计算量,通过结合自底向上的特征金字塔网络的改进算法,使网络能够捕捉不同尺度和形状的目标信息,将语义分割辅助任务与多层特征融合相结合,进一步提升检测性能。使用PASCAL VOC数据集和Kolektor工业缺陷数据集验证该算法,在PASCAL VOC数据集上的mAP达到77.3%,较SSD算法提高0.4%,在Kolektor数据集上的FPS达到了105,较SSD算法提高112%。验证了MobileNetV3-SSD算法相较于传统SSD网络,具有更好的检测精度和检测速度。

一种永磁同步电机模型失配容错控制算法

针对高精度永磁同步电机驱动系统因转动惯量、摩擦系数与磁链参数失配造成其控制精度和稳定性降低的问题,提出了一种基于有限时间收敛扩张状态观测器的无模型滑模容错控制方法。首先,建立了考虑内外不确定性的永磁同步电机转速环超局部模型,并设计了无模型全局积分终端滑模控制器;其次,设计了有限时间收敛扩张状态观测器来降低模型失配带来的影响;最后,通过与其他方法的仿真和实验对比,验证了所提方法能够在不获取精确模型的情况下实现了对多种模型失配与外部扰动工况的容错控制,并提高了电机的控制精度。

基于改进YOLOv8曲轴表面缺陷检测算法

针对曲轴表面小目标缺陷检测难度大、缺陷背景复杂和检测速度慢等问题,提出一种改进曲轴表面缺陷检测的算法RB-YOLOv8。首先,用RepViT模块取代了传统的C2f模块,有助于减少网络的计算负担并加快其运行速度;接着,通过优化双向特征融合模块BiFPN及增加小目标检测层,改善小目标缺陷识别的能力;然后,利用BiFormer注意力机制强化模型的抗干扰能力和解决缺陷背景复杂的难题,提高检测准确率;最后,使用MPDIoU损失函数调整,从而进一步提升检测的精准度。实验结果表明,所提出的算法的检测精度可以达到98.4%,模型大小缩减为2.797 MB,同时使每秒帧数(FPS)达到了169 f/s,成功地实现了对曲轴表面的缺陷检测。

改进YOLOv7-tiny的轻量化大型铸件焊缝缺陷检测

针对目前焊缝缺陷数据集少,检测环境恶劣,人为识别困难等问题,提出了一种改进的YOLOv7-tiny算法。由于检测物体缺陷形状不规则,采用可变形卷积能够学习到更加丰富的特征信息和感知到物体的细节信息,增强了模型的表达能力和泛化能力;为了在提高焊缝缺陷检测速度的同时,不降低准确率,满足工厂实时性的要求,提出了一种融合轻量化卷积和注意力机制的ELAN-PCS网络结构;为了解决中小目标检测困难,很容易出现漏检的情况,引入了通道注意力机制。实验结果表明,与原YOLOv7-tiny相比,改进模型在大型铸件焊缝缺陷数据集上mAP(0.5)提升1.8%、mAP(0.5~0.95)提升6.8%,模型参数量下降1.9 M。

超声混粉电火花加工热力学仿真及表面形貌研究

为了研究超声振动和混粉对电火花加工的影响,基于传热理论,结合超声和混粉特性建立了超声混粉电火花传热模型。基于建立的传热模型对超声混粉电火花加工去除材料过程进行瞬态热力学仿真,并通过实验验证了仿真结果的准确性。通过仿真和实验分析了普通电火花、超声电火花、混粉电火花和超声混粉电火花四种加工方式,结果表明超声混粉电火花加工效率比普通电火花加工效率提高了23%。加入混粉和施加超声可以减少加工表面积碳,提高表面质量;可以使放电凹坑变得更加规则,使表面粗糙度降低。混粉电火花加工相对于普通电火花加工其表面粗糙度平均降低了8.9%,超声混粉电火花表面粗糙度相对于普通电火花平均降低了4.3%。

基于深度学习车顶焊缝涂胶机械臂研究

为提高汽车工艺涂胶质量及机械臂作业效率,针对基于深度学习的双目视觉车顶焊缝涂胶机械臂系统,提出了一种SEmYOLOv5算法,在主干网络上增加SE(squeeze and excitation)注意力机制,同时在颈部网络上增加一组采样模块,提高焊缝的识别能力。对提取到的图像进行图像处理,使得更好的提取车顶焊缝的特征信息从而得到特征点坐标,采用B样条曲线法对机械臂进行轨迹规划。改进后的算法相较原YOLOv5算法的mAP值提升了6.76%,针对该系统进行实验并验证了提出的基于深度学习的双目视觉车顶焊缝涂胶机械臂系统的有效性。

基于GADF融合RDSAN的跨工况轴承故障诊断

针对在不同工况下获取到的滚动轴承振动数据特征分布存在差异,以及由于存在噪声而导致故障特征不明显的问题,提出了一种融合格拉姆角差场(GADF)与残差深度子领域自适应(RDSAN)模型的跨工况轴承故障诊断方法。首先,为充分利用GADF在故障特征差异化显示上的优势,利用GADF来生成滚动轴承一维振动时域信号对应的图像数据集;其次,将数据集输入RDSAN模型,其中使用由改进图像集预训练的ResNet-18网络结构进行源域与目标域通用特征的进一步提取,并引入局部最大均值差异(LMMD)计算匹配条件分布距离进行子领域自适应;最后,在添加0.5 dB高斯白噪声的CWRU滚动轴承数据集上进行跨工况试验验证,结果表明所提方法的平均诊断精度达到96.8%;将所提出的方法与不同的诊断方法进行比较分析,结果验证了该方法的有效性和优越性。

基于SincNet网络结合L2正则化的故障诊断

故障诊断对于保持设备和系统的正常运行至关重要,它可以帮助提高效率、减少成本、增强安全性、改善用户满意度,并为决策和优化提供支持。通过及时进行故障诊断和解决,可以提高生产效率、降低风险,并提供更好的产品和服务。针对基于物理信息模型和基于数据驱动模型等传统故障诊断方式的可解释性不强、故障诊断正确率较低的缺点,提出一种基于卷积神经网络(convolution neural network, CNN)、SincNet和L2正则化相结合的故障诊断方法。通过以轴承为例,进行实验验证,并于传统CNN进行对比,准确率达到99.5%,也更具有可解释性。相较于传统的CNN,该模型的可解释性更强、故障诊断准确率更高。

基于K-means退化识别和随机森林的滚动轴承寿命分析

针对滚动轴承剩余寿命(remaining useful life,RUL)预测方法中的寿命标签难以反映实际情况和预测精度不高的问题,提出了一种基于PCA-Kmeans-RF的滚动轴承剩余寿命分析方法。首先,通过小波降噪与快速傅里叶变换(fast fourier transform,FFT)分别对原始的水平振动信号进行降噪处理和提取多种时域、频域的特征;其次,通过方差过滤(variance filtering,VF)和主成分分析(principal component analysis,PCA)进行特征处理来选择更优的退化特征并融合特征构建健康指标(health indicators,HI);随后,利用K-means聚类确定样本的退化点和失效点,并以此构建剩余寿命的更为真实的退化标签,并将健康指标和时间标签输入到随机森林中进行训练和测试;最后,通过所提出的方法对IEEE PHM 2012滚动轴承数据集进行验证和对比。结果表明该方法取得了良好的结果。

域对抗图卷积注意力变工况故障研究

针对滚动轴承在变工况环境中网络特征提取能力不足的问题,提出了一种域对抗图卷积注意力迁移学习的故障诊断方法(DAGRESL)。首先,通过残差神经网络(residual network, Resnet)提取输入的轴承故障信息特征并通过Simam注意力模块增强Resnet的特征表达能力;其次,利用图生成层学习Resnet的特征数据并挖掘样本结构特征之间的关系来构造实例图;然后,利用图卷积网络(graph convolutional network, GCN)对实例图进行建模;最后,利用域判别器和局部最大平均差异(local maximum mean discrepancy, LMMD)对齐子域和全局域之间的分布并通过标签分类网络完成故障分类。通过在SQI-MFS轴承数据集的实验结果证明了所提出的DAGRESL模型能够精准地区分变工况轴承故障类型,有效解决了滚动轴承在变工况环境中网络特征提取能力不足的问题。

基于STM32的频率和功率可调非接触供电超声电源设计

为解决接触式供电中漏电、磨损、电能传输不良以及超声电源在加工中谐振频率漂移、跟踪速度慢、输出功率不稳定等问题,文章以STM32单片机作为主控系统,设计了一种频率和功率可调的非接触供电超声电源。根据采样反馈电路采集的电压电流相位差和有效值信号,采用锁相环和模糊比例积分(Proportional Integral,PI)控制相结合的方法对频率进行跟踪,并用传统PI控制法控制输出功率。在Matlab软件中搭建电源仿真模型,利用附加电阻、附加电感和附加电容模拟加工过程中负载参数的突变,对有频率调节和功率控制子系统以及没有子系统的电源模型分别进行仿真。仿真结果表明,电源输出功率稳定在248 W。当负载参数发生改变时,电源的谐振频率发生漂移,经过频率自动跟踪子系统的调节后,电源在0.01 s后重新回到谐振状态。此控制算法实现了频率快速跟踪和功率控制。

基于改进变分模态提取的轴承早期故障诊断

针对变分模态提取(variational mode extraction,VME)在强背景噪音下初始中心频率难以确定的问题,提出了基于谱相干引导变分模态提取(SC-VME)的滚动轴承故障诊断方法。首先,引入谱相干(spectral coherence,SC)算法对信号进行处理,得到由循环频率和频谱频率构成的双频域,并结合1/3-二叉树滤波器组得到改进包络谱(improved envelope spectrum,IES);然后,以轴承故障特征频率识别的局部特征能量与频带中的IES能量占比为诊断指标,构建诊断性指示图,据此确定VME期望模态的初始中心频率;最后,通过对提取的期望模态进行包络谱分析,实现滚动轴承早期故障诊断。通过仿真和试验信号分析,结果表明所提SC-VME方法准确性更高、用时更短、效果更优。

GH4169涡轮盘榫槽电解拉削仿真及其试验研究

榫槽是航空发动机涡轮盘上的重要结构,电解拉削是实现该结构高效、低成本制造的潜在解决方案。为了掌握电解拉削加工参数对轮廓精度和表面质量的影响规律,建立了电解拉削多场耦合模型,阐明了工具阴极长度对加工间隙产物分布的影响规律,获得了优选的工具阴极长度参数。开展了平面电解拉削加工试验,探究了进给速度和加工间隙对工件表面质量和型面进出口去除量差的影响规律,确定了较优的加工参数。试验结果表明,采用优化的加工参数可以获得较好的表面质量并有效控制了型面进出口去除量差。最后,采用优化的参数开展了典型涡轮盘榫槽结构单元件的电解拉削加工试验,试件具有较好的表面质量和轮廓重复精度。

基于改进YOLOv5的轴承表面缺陷检测

传统的轴承表面缺陷检测由于缺陷目标较小,错检漏检率高,检测效率低等问题,为此提出一种基于YOLOv5网络改进的算法模型。首先,在主干网络中添加高效通道注意力机制(efficient channel attention, ECA),增强网络的特征提取能力,集中关注各种影响轴承质量的重点信息;其次,在YOLOv5网络基础上添加小目标检测层,通过补充融合特征层和引入额外检测头,提高网络对小目标缺陷检测的精度;最后,在特征融合网络中,融入简化后的加权双向特征金字塔网络(bidirectional feature pyramid network, BiFPN),在不增加较多计算成本的基础上,更好地实现多尺度特征融合。在构建的深沟球轴承表面缺陷数据集上的实验结果表明,相比于原YOLOv5s模型,精确率、召回率、平均精度分别提高了5.8%、2.4%、5.3%,检测速度为71 f/s,满足工业大批量检测的要求。

基于DDS的数字脉冲电火花沉积电源研究

在电火花沉积加工中,脉冲电源的放电参数对沉积效果和加工效率有重要影响。针对传统电火花沉积电源放电参数可控性差的问题,基于直接数字频率合成(DDS)技术全数字化调制、输出稳定的特性,设计了一种数字脉冲电火花沉积电源。以单片机和DDS芯片为核心来控制斩波电路输出加工脉冲,可实现放电电压、频率等参数的较精确控制以及宽范围内的无极调节。经测试,控制及驱动模块输出信号稳定、准确且频率误差在1 Hz以内,放电电压波形可控性好,满足电火花沉积加工的要求,可用于电火花沉积加工基础研究。

TC4钛合金表面激光熔覆Ti-Mo-Al-B复合涂层的组织及摩擦磨损性能

为了改善TC4合金的表面耐磨性能,采用激光熔覆技术在TC4合金表面制备出Ti-Mo-Al-B复合涂层。分析了涂层的物相组成及微观组织结构,揭示了复合涂层的合成机理,结合其组织特征分析了涂层的硬度分布,并分析了不同载荷下涂层的摩擦磨损性能。结果表明,复合涂层与基体之间形成了良好的冶金结合,复合涂层主要由BCC固溶体基体相、短杆状和颗粒状TiB增强相以及少量α-Ti相组成。涂层的平均硬度为648.69HV,较基体TC4合金(330HV)提升了1.97倍。涂层的磨痕表面平整且犁沟较少,在载荷为30 N时,磨损量相较TC4基体减少了11%,其磨损机制为磨粒磨损。

WC对316 L钢表面的镍基激光熔覆涂层的性能影响研究

为了提升316L不锈钢的耐腐蚀性能,延长其在海洋环境中的使用寿命,讨论了激光熔覆技术在316L基材表面熔覆了纯Ni60涂层和WC+Ni60复合涂层的方法和效果。WC+Ni60复合涂层结合了WC颗粒的硬度和Ni60基体的韧性,具有更优异的综合性能,适用于对基材表面进行更高强度的保护。分别利用硬度仪、X射线衍射仪和电化学工作站对涂层检索和测试。结果表明,WC+Ni60复合涂层的平均截面硬度为719 HV,但各区域波动较大,同时熔覆层表面相较纯Ni60涂层更耐腐蚀,自腐蚀电位提高了0.12 V,自腐蚀电流密度降低了2.49×10^(-6)A/cm^(2)。本研究为后期制备耐海水腐蚀复合涂层提供了参考。