舵类结构件几何量误差视觉检测方法及误差评定

针对现有接触式测量方法装夹定位后只能测量一种或两种参数、检测效率低等问题,提出一种舵类结构件几何量误差和装配误差视觉检测方法。首先,利用计算机视觉系统获取舵轴和舵面区域图像,利用图像预处理技术去除图像畸变和噪声,为了更有效地提取舵类结构件边缘,分别采用Sobel算子、Scharr算子、Laplace算子和Canny算子对图像进行边缘检测以确定轮廓,实验对比发现Scharr算子处理后的舵轴图像边缘更清晰且无间断,Canny算子处理后的摇臂图像边缘比较清晰,因此选用Scharr算子提取舵轴图像边缘、Canny算子提取摇臂图像边缘。结合被测要素特点,采用霍夫直线和霍夫圆检测方法提取舵面边缘线特征、舵轴母线特征、摇臂圆轮廓特征;确定了舵芯对称度、舵轴垂直度、摇臂夹角的基准要素,构建了几何量误差检测目标函数,运用自适应遗传算法计算最优解;结合相机标定的内外参矩阵,得到舵芯对称度、舵轴垂直度、摇臂夹角的测量值。最后,研发了舵类结构件几何量误差和装配误差视觉检测软件,搭建了视觉检测实验平台,实现了几何量误差及装配角度误差快速检测功能。经过多次重复测量实验,对称度检测精度达到0.055 mm,垂直度检测精度达到0.225 mm,装配角度检测精度达到0.772°,完成单次检测耗时7 s。该方法不仅提高了几何量误差检测精度和检测效率,同时有助于提高舵类结构件成型-制造-在机检测的自动化和智能化水平。

基于机器视觉的表面缺陷检测方法研究进展

基于机器视觉的表面缺陷检测以无接触、无损伤、自动化程度高及安全可靠等突出优点被广泛应用于各种工业场景中,尤其随着深度学习技术的快速发展,视觉缺陷检测有助于提高产品及装备的智能化水平。综述分析了表面缺陷检测的常用方法、通用数据集、检测结果评价指标和现阶段面临的关键问题。首先,将缺陷检测方法分为传统基于图像处理的缺陷检测、基于传统机器学习模型的缺陷检测及基于深度学习的缺陷检测,并对各种方法进一步细分归类和对比分析,总结了每种方法的优缺点和适用场景;然后,对目前常用的缺陷检测结果评价方法做出了描述,进一步探讨了表面缺陷检测应用在实际工业产品检测过程中关键问题——小样本问题,重点剖析了小样本问题的解决方法和无监督学习在解决这类问题上的优势;最后,从提高缺陷检测方法的工业适用性角度展望了下一步研究方向。

基于多重修饰酶电极技术检测大豆油中磷脂含量

提出一种基于电化学分析技术快速检测大豆油中磷脂含量的方法,并建立准确、可靠的校正模型。首先制备40个磷脂含量不同的大豆油样品,并采用钼蓝比色法测定样品中磷脂含量标准值;针对磷脂酶解过程中不产生电子转移的问题,研制一种多重修饰酶电极以获得电化学信号;利用电化学工作站,采用循环伏安法采集样本的电化学数据;然后分别利用Savitzky-Golay平滑滤波和dbN系列小波对原始电化学数据进行去噪处理,通过对比分析发现db6小波基三层分解去噪效果最佳;然后分别采用4种方法建立去噪后的电化学数据与磷脂含量之间的回归模型,即还原峰电流与磷脂含量的直线拟合、主成分回归模型、偏最小二乘回归模型和支持向量机回归模型,经对比分析发现基于径向基核函数的支持向量机回归模型预测效果最好,磷脂质量浓度在5.87～304.89 mg/L范围内呈现良好的线性关系,检出限为1.68 mg/L(R_(SN)=3)。决定系数为0.998 7,预测均方根误差为0.288 9,相对标准偏差为2.55%,能够满足实际检测需求。

基于深度卷积神经网络的曲轴智能识别方法研究

在曲轴柔性生产线和装配线上,需要对不同种类曲轴进行智能、实时的识别和抓取。针对批量曲轴智能识别问题,提出一种基于深度卷积神经网络的曲轴种类识别方法。根据识别的要求,对图像进行预处理和数据增强,提高样本质量和数量,在卷积神经网络两个典型模型AlexNet和LeNet-5的基础上,调整了输入图像大小、模型层数以及输出层种类等参数,以AlexNet为基础模型设计了15种曲轴识别分类模型,以5类曲轴样本为例进行训练,并从15种曲轴识别分类模型中选择出最优模型,即识别精度较高且实时性较好的模型,称为模型A,模型A参数数量为1.607×10^(6)个,数据流为3.87 MB,前向传播时间为82.9 ms,识别精度为0.982。为解决模型A在训练过程中存在振荡大的问题,以及进一步缩小模型对内存的需求,对图像预处理过程进行改进,采用GrabCut算法进行图像分割,并以模型A为基础构建出了12种曲轴识别分类模型,同样以5类曲轴样本为例进行训练,筛选出识别精度较高的最优模型,称为模型B,模型B参数数量为0.39×10^(6)个,数据流为1.93 MB,前向传播时间为49.5 ms,识别精度为0.990。经过实验可得,优化后的模型B前向传播时间更快,内存需求更小,识别精度与模型A相当,并且从上述实验结果看,模型A和模型B均满足识别精度和实时性要求,模型B相较于模型LeNet-5和AlexNet,识别精度分别提高了0.12和0.025,前向传播时间分别缩短了45.6和22.5 ms,符合装配生产线上对曲轴种类识别的要求。

基于GRA-PCA的机床主轴系统热敏感点优化

热敏感点优化选取是热误差建模过程中的关键问题,所选取的热敏感点优劣将直接影响热误差模型的精确性和鲁棒性。提出一种灰色关联分析(GRA)和主成分分析(PCA)结合的机床主轴系统热敏感点优化方法,采用GRA筛选对热误差影响较大的温度测点,机床主轴不同位置处的多个测点温度值以及主轴在对应温度下产生的热漂移作为分析数据,通过计算温度变量与热漂移之间的灰色关联度,得到其灰色综合关联度矩阵,确定二者相关性后初选温度变量;根据PCA将高度相关的温度数据简化为较少的相互独立的主成分,将其作为后续热误差模型的输入,从而实现热敏感点优化。将该方法应用于数控机床主轴系统,优化完成的热敏感点数据作为主轴热误差模型的输入变量。结果表明:将优化所得热敏感点作为BP热误差模型输入,预测所得热误差与实际热误差的平均残差为0.83μm,低于仅采用灰色关联分析法优化热敏感点的5.18μm及仅采用主成分分析法优化热敏感点的4.57μm,机床z轴热变形预测精度得到显著提高,有利于改善加工精度。

基于GANomaly-GRU的直线电机进给系统健康诊断方法

直线电机进给系统因长期在复杂工况环境下服役导致性能及状态转移随机性更强,对其运行状态进行健康诊断,对于及时发现状态退化趋势并进行预防性维护具有重要意义。针对直线电机进给系统健康诊断中缺乏故障负样本且运行数据时序性强等问题,在分析半监督异常检测生成对抗网络(GANomaly)与门控循环单元(Gated Recurrent Unit,GRU)网络原理的基础上,提出一种新的基于GANomaly-GRU的直线电机进给系统健康诊断方法,该方法在GANomaly网络框架基础上引入GRU设计生成器、判别器和重构编码器,以避免网络出现梯度消失和梯度爆炸等问题,第四子网络采用异常样本概率模型和解码重构(Decoding Reconstruction,DR)评分在无负样本的情况下对直线电机进给系统运行状态进行健康诊断。最后在直线电机进给系统健康诊断实验平台上测试和验证该方法的准确性和快速性,并与经典的诊断方法,如异常检测生成对抗网络(Anomaly Generative Adversarial Networks,AnoGAN)、高效异常检测生成对抗网络(Efficient GAN-Based Anomaly Detection,EGBAD)和无监督深度卷积生成对抗网络(Deep Convolutional Generative Adversarial Networks,DCGAN)进行对比,结果表明所提方法平均准确率分别提高了13.1%、24.0%和15.2%,诊断时间分别缩短了37、26和13 ms,表明所提方法较好地解决了直线电机进给系统故障样本数据不足和样本标记问题,对难以获取足量有效故障样本数据的复杂机械装备健康诊断具有一定的参考价值。

直线电机进给系统动态性能演化规律数值模拟与试验

为确定随工作台移动进给系统动态响应演变规律,利用达朗贝尔原理建立了工作台处于不同位置的直线电机进给系统动力学模型,基于ANSYS Workbench平台数值模拟分析了工作台处于最左端、中间、最右端位置处的直线电机进给系统模态响应,得到其前4阶固有频率和振型。采用锤击法单点激励多点拾振对两轴联动直线电机进给系统进行模态测试试验,利用LMS测试分析系统得到三种不同位置处的固有频率和振型,试验验证了直线电机进给系统工作台在不同位置移动过程中动态响应数值模拟的正确性和合理性,同时发现随工作台位置变化直线电机进给系统动态特性也随之改变,当工作台处于中间位置时系统模态低阶固有频率大于左右两端位置处,且随着工作台位置的变化系统质量分布出现偏移,为合理确定复杂工况下直线电机进给系统动态时变特性提供依据。

零件几何精度在线检测虚拟仿真教学平台构建及实践

为提高精密仪器与机械制造技术实践教学质量,分析河北工业大学测控技术与仪器专业实践教学存在的问题及改革需求,构建典型盘类零件几何精度在线检测过程虚拟仿真教学平台。经过四年的教学实践与逐步完善,实施效果表明,该虚拟仿真教学平台模块设置合理、目标明确,有利于培养学生复杂工程问题分析解决能力和现代工具使用能力,对深化实践教学改革起到良好的示范作用。

基于IEKF的水下无人潜器无源动基座自对准方法

针对水下无人潜器无准确外参考信息条件下惯导系统动基座自对准问题,提出基于不变扩展卡尔曼滤波(IEKF)的动基座自对准方法。首先,建立系统误差模型,并针对系统动态模型的不确定性,设计自对准的不变扩展卡尔曼滤波算法;同时基于水下无人潜器一般工作在匀速运动状态,将航向信息耦合到自对准滤波器的量测方程中,最终实现了无准确速度信息条件下的动基座初始对准。跑车实验证明,提出的方法在大失准角情况下,航向角在30 min内收敛到惯性元件所对应的航向精度水平。证明了所提出方法的有效性和可行性。该方法增强了水下和陆上惯性导航设备初始对准的环境适应性。

电池管理系统的电磁骚扰特性分析与优化研究

电池管理系统是典型的窄带电磁骚扰源,研究电池管理系统的电磁骚扰特性及对应抑制手段非常重要。针对电动汽车电池管理系统的电磁骚扰特点,从理论分析了其共模辐射和差模辐射特性。通过仿真和测试结合的方法找到了抑制谐振噪声的有效方法,仿真远场结果使得超标位置更加清楚,其中3m场又能显示出频域的超标情况。同时结合谐振频点确定滤波器的参数,得到有效抑制超标频点的滤波器。最后通过实验验证了该方法用于电磁骚扰优化是可行的。

基于RULBP与GLCM的已加工工件表面纹理特征表征

不同磨损状况的刀具在工件表面切削后形成的纹理特征也各不相同,工件表面纹理蕴含着大量表征刀具状况的信息。为有效、高效地提取反映刀具状况的工件表面纹理特征,提出1种结合旋转不变均匀算子的局部二值模式(rotation-invariant uniform local binary pattern,RULBP)与灰度共生矩阵(gray-level co-occurrence matrix,GLCM)的纹理特征提取方法。该方法利用RULBP与GLCM的计算原理分别提取工件表面纹理的微结构特征和宏结构特征,达到全面提取纹理“微宏观”特征的目的。实验结果表明,同常用的工件表面纹理特征提取方法相比,所提方法能显著提高纹理特征的表征度。

不同比重布比卡因在急诊剖宫产术中的肌肉松弛效果比较

目的比较两种麻醉方案在急诊剖宫产术中的肌肉松弛效果。方法将80例行急诊剖宫产术的产妇随机分成观察组和对照组,每组各40例。观察组产妇给予0.5%布比卡因注射液混合自身脑脊液稀释麻醉,对照组产妇给予0.5%布比卡因注射液混合10%葡萄糖注射液稀释麻醉。比较两组术中取胎儿及关腹缝合腹膜时肌肉松弛效果、手术肌肉松弛满意度、麻醉效果,产妇麻醉前、蛛网膜下腔注药后5、10、15、30 min的收缩压(SBP)、舒张压(DBP)和心率(HR),术后随访产妇对麻醉的整体满意度。结果两组术中取胎儿及关腹缝合腹膜时肌肉松弛效果比较,差异无统计学意义(P>0.05),观察组术中肌肉松弛满意度高于对照组(P<0.05)。两组产妇麻醉效果有效率为100.00%,差异无统计学意义(P>0.05)。两组产妇蛛网膜下腔注药后5、10、15、30 min的SBP、DBP较麻醉前明显下降(P<0.05);观察组产妇在蛛网膜下腔注药30 min时,HR较对照组同时间点更稳定(P<0.05),与本组麻醉前比较,差异有统计学意义(P<0.05);观察组产妇在蛛网膜下腔注药5 min时,SBP和DBP下降幅度更小,与对照组比较差异均有统计学意义(P<0.05)。观察组术后产妇对麻醉的整体满意度明显高于对照组(P<0.05)。结论0.5%布比卡因注射液混合自身脑脊液稀释麻醉可以为急诊剖宫产术提供确切的麻醉效果,保持产妇血流动力学稳定,手术医师对术中肌肉松弛满意度更高,产妇对麻醉的满意度更高。

Attitude Controller Design on Variable Rolling Velocity Aerocraft Based on ATmega16

Owing to the effect of crosswind, initial disturbance and the deviation of engine parameters.etc in the initial aviation, vari- able rolling velocity aerocraft will produce attitude angle deviation in the ideal orientations. This paper adopts AVR microcontroller atmega16 and relevant signal process circuit to design the attitude controller and take the method of frequency discrimination and am- plitude discrimination to process attitude angle deviation of aerocraft. Accordingly, it amends attitude angle deviation of aerocraft ef- fect and implements the self- adapting attitude control of aerocraft’s rolling velocity.