机械加工质量预测研究现状与发展趋势

机械加工质量预测是智能制造的重要组成内容,也是实现质量闭环控制的前提条件,对推动智能制造系统真正落地应用具有极其重要的作用.在对机械加工质量预测的历史进行简要回顾时发现,学者多将研究重点放在机床某一关键部件对加工质量影响的机理研究,却鲜见部件耦合影响的关联性研究.基于上述难题,本文首先剖析影响机械加工质量的7类要素,包括刀具几何参数、切削参数、切削液类型、热误差与热变形、数控机床零部件性能退化、切削颤振以及系统特性;随后,根据各要素数据种类和测量方式的不同,将机械加工质量监测与预测方法划分为4大类,包括机器视觉测量、功率测量、振动测量以及其他测量方法,并对各方法的技术特点、局限性和发展动态进行了阐述;最后,考虑各机械加工质量监测与预测方法的不足,指出材料切削机制研究、数据质量评估方法、面向工业现场数据库构建的标准以及质量预测信息的智能表征与可视化等方面可能是未来的发展趋势.

基于轻量级卷积网络的铣削粗糙度在机监测研究

传统机器学习类方法对光源类型、设备安装误差等因素较为敏感,需要反复调试与实验,难以实现规模化生产的自动检测.针对上述问题,提出了一种铣削粗糙度在机监测方法,有效提升了检测效率和准确性.首先,采用低感度参数设置的方向梯度直方图特征的候选框提取算子实现铣削工件的定位,并基于点匹配算法校正安装误差;然后,通过清晰度评价指标实现工业相机对焦过程优化;最后,构建了一种面向移动端实时计算的轻量级卷积神经网络模型,可对不同粗糙度工件表面纹理进行分类,并在立铣加工纹理数据集上进行了实验验证.实验结果表明:相比普通卷积神经网络,在模型复杂度相似的情况下,以乘、加运算次数为指标,提出模型推理所需运算量减少55%;代价敏感函数的引入能有效提升粗糙度识别模型对不平衡数据的稳定性;所提方法与传统机器学习方法相比,在检测帧率、图像分辨率相同的实验条件下,精准率、召回率分别提高了8%、21%.

基于开源项目的苹果采摘系统设计及视觉算法改进

以机器人操作系统(robot operating system,ROS)为框架,以开源项目树莓派微型硬件作为图像处理模块,Arduino作为机械臂运动控制模块;基于自适应参数输入的霍夫圆检测算法,实现一种USB摄像头的双目视觉苹果采摘系统,保证算法实时性高的前提下识别率较高。以轮廓完整、小色块去除为优化策略,最大、最小圆面积自动估算,实现对霍夫圆检测输入参数的自适应控制。对于采摘顺序规划,通过竞争策略,每次筛选出最优果实,从而实现多目标的采摘顺序确定。结果表明,基于本策略的自适应霍夫圆检测试验算法对遮挡状况下的小规模成簇果实具有较高识别率。此外,借助众灵科技有限公司的开源ROS五自由度机械臂通过简易抓取试验完成了算法可实施性验证。

基于改进信息熵的直接刀具状态监测设备部署

在不拆刀情况下,基于机器视觉的在线刀具状态监测系统可完成刀具磨损测量和状态评估,但与在线捕获刀具图像质量息息相关的系统部署参数选择却鲜有研究.为解决上述问题,本文构建基于改进信息熵的多项式回归模型以实现刀具状态监测系统的最优部署.首先,使用自适应阈值方法去除捕获刀具图像中背景要素干扰,并通过信息熵指标评估图像中刀具磨损区域的成像质量;然后,构建相机工作距离、曝光时间与所提出评价指标之间的多项式回归模型以描述部署参数与提出评价指标的映射关系;最后,应用最小二乘法求取多项式模型系数获得最优部署参数.在确保自变量的因子水平涵盖最优部署参数情况下设计正交实验,实验结果表明:提出的评价指标与工作距离、曝光时间等部署参数之间均存在主效应关系,符合光学成像系统的变化规律;与支持向量机、决策树和K近邻(K-nearest neighbor,KNN)算法等非线性回归预测模型相比,三次多项式回归模型预测误差最小,其平均绝对误差、均方误差、均方根误差分别为0.022631,0.00068,0.026069;在多项式回归模型求解的最优部署参数下,所捕获的刀具图像的测量精度达到96.76%,提高0.74%,满足刀具状态监测的精度要求.

基于婴儿车的自动摇扇设计研究

针对目前风扇风力婴幼儿太大,设计了一种基于婴儿车的自动摇扇机构;设计方向包括续航能力、产品销售模式、人性化设计和绿色设计。在室外运动中第一车轮作为原动件提供动力,带轮一与车轮固定,通过普通平带动力传递到带轮二。在推车休息时,蓄电池驱动电机转动,带动棘轮连杆机构使摇扇摆动;材料选择可降解的聚乳酸和聚碳酸酯。产品销售模式将机械设计与婴儿车作为组合产品。实现了风力柔和、环保战略目标,提高了能源利用率和产品进入市场平滑度。