基于PSO-SVM的点焊接头拉剪强度分类分析

点焊是汽车零部件的主要连接方式之一,点焊接头的拉剪强度是评价点焊质量的重要因素,论文在制备大量点焊试样的基础上,对各试样的焊点进行超声信号检测,并运用信号处理获得时域、频域和小波包特征值,随后对点焊试样在拉剪试验中的失效形式进行分析,建立点焊接头拉剪强度的分级标准.根据试验数据设计了BP(back-propagation)神经网络和基于粒子群优化支持向量机(particle swarm optimization support vector machine,PSO-SVM)的神经网络分类器,最后将试样的超声信号特征值作为输入参数,比较两种神经网络模型对点焊试样拉剪强度分类的准确率.试验结果表明,结合9个超声信号特征值的PSO-SVM神经网络具有最高的点焊强度分类准确率.

基于Linux 的模块化图像采集系统设计

【目的】近年来,图像采集技术已广泛应用于各大智能装备领域,但传统图像采集系统因过度依赖PC,导致整个智能机械体积大、成本高,不利于企业研发生产。【方法】研究小组设计了一种基于Linux的模块化图像采集系统取代PC,该系统主要包括硬件设计和系统程序设计。其中,硬件设计主要为外围设备的电路设计,包括图像采集、图像传输、图像显示等硬件模块部分,而系统程序设计主要为嵌入式Linux系统搭建、外围设备驱动程序和摄像头采集图像信息流程。【结果】对系统进行了测试验证,摄像头采集的图像信息在HDMI显示屏上显示正常,并且可以设置摄像头的亮度、曝光、白平衡等信息。网口网速平均可达938 MB/s,稳定且不丢包,满足该系统高速传输功能需求。【结论】该系统各模块工作正常,能够达到预期效果,适合工厂批量化生产,在未来的农业生产、医疗器械、产品检测等智能机械领域有着非常广阔的应用前景。