基于雷达与相机融合的动态SLAM算法

针对基于激光雷达的SLAM系统在动态环境下因物体的移动、变形导致的建图与定位精度下降等问题,提出了一种雷达-相机融合的SLAM算法。使用深度学习对图像进行实例分割并将分割结果融合到雷达点云当中,从而剔除动态对象雷达点云。基于LIO-SAM算法整体框架,利用YOLOv5获取图像语义信息,将点云投影到像素坐标系下得到点云语义信息,据此剔除其中的动态对象点云,有效地提升了算法在动态场景下的定位精度。在开源数据集KITTI对算法进行实验验证,其绝对位姿误差均值比LIO-SAM下降了3.48%,中值下降了4.85%,均方根误差下降了2.86%。

含呼吸裂纹的多盘双转子系统振动特性探究

由于材料、工作环境等因素影响,以航空发动机为代表的旋转机械在工作过程中可能会产生裂纹故障,常见的裂纹类型为呼吸裂纹。为分析该故障对轴系振动特性的影响,基于某型双转子涡扇航空发动机,建立了包含风扇和多个轮盘在内的双转子—支承动力学数值仿真模型,使用Newmark-β法分别对不同裂纹相对深度和不同转速下的系统工况进行了数值仿真求解。结果发现:随着裂纹逐渐加深,转子高频分量愈加明显,系统稳定性下降;随着转速升高,系统出现了2X,3X分量,工频分量在一阶临界转速前后先增大后减小,轴心轨迹由不规则形状逐渐转变为圆形。

基于实时Web技术的车间监测系统设计与实现

为推进传统铸造车间智能化、数字化转型,解决车间数据管理效率低、利用效率低等问题,引入WebSocket技术建立了一套实时在线的车间数据监测系统,实现了工业数据接入、数据实时监测、报警提示、历史数据分析等功能。首先,通过Modbus/TCP采集设备的参数实时值,将数据转储到MySQL数据库中;其次,利用Django服务器监听数据库更新事件,并创建服务器与浏览器之间的WebSocket双向数据通信通道,实现数据高效稳定传输;最后,通过Vue双向数据绑定技术将实时数据绑定到ECharts折线图、面积图等组件中,实现数据的科学展示。所提系统覆盖车间所有设备的126个参数,响应时间相较于传统Ajax轮询至少缩短了10 ms,数据同步周期可达到200 ms;所提系统在实际工程应用中已实现稳定运行,能有效降低前后端通信带宽,提高响应速度,为管理人员提供详细的生产信息,大幅提升了管理效率和生产效率。

基于改进PCANet模型的铣刀磨损预测方法研究

铣刀健康状况直接影响实际生产加工过程,因此开展铣刀状态监测研究具有较大工程意义。以卷积神经网络为代表的深度学习模型已经逐渐用于监测加工过程中的刀具状态。但是这些模型的可解释性较差,预测结果的差异性也较大。作为一种新颖的卷积神经网络变种,主成分分析模型(Principal component analysis network,PCANet)的可解释性好,但是特征自监督学习能力有待提升,且相关应用案例较少。针对以上问题,拟对PCANet模型进行优化,进而提出了一种激活主成分分析-最大池化-支持向量回归(Activated PCANet with max pooling and support vector regression,APCANet-MP-SVR)模型,用于自适应提取敏感特征并准确预测刀具磨损情况。首先引入tanh激活函数,提高模型泛化能力;再采用最大池化层替代哈希编码和直方图用于特征选择,进一步降低冗余特征规模;最后建立支持向量回归模型实时预测刀具磨损值。应用案例充分证明了所提模型能够更好地用于加工现场刀具磨损值预测。