基于改进变分模态分解和优化堆叠降噪自编码器的轴承故障诊断

针对滚动轴承在噪声干扰下故障特征难以提取的问题,提出一种改进变分模态分解(VMD)和复合缩放排列熵(CZPE)的特征提取新方法,并利用优化堆叠降噪自编码器(SDAE)进行故障分类。首先,提出由“余弦相似度—峭度—包络熵”新综合评价指标自适应优化分解参数的改进VMD方法,并通过该指标筛选分解后的本征模态函数(IMF)分量;然后,为提取更全面的故障特征,引入新的复合缩放排列熵对各有效IMF的故障特征进行量化;最后,提出一种基于鼠群优化算法(RSO)与麻雀搜索算法(SSA)的混合算法优化SDAE网络超参数,将故障特征输入优化后SDAE网络中得到分类结果。采用美国CWRU轴承数据集进行验证,实验结果表明该方法能全面稳定地提取背景噪声下的故障特征,且与其他方法相比具有更好的抗噪性能和更高的故障诊断准确率。

多层堆叠中晶圆级金金键合的可靠性提升

基于电学互联的贯穿硅通孔技术和高精度金金圆片键合技术,开发了一套可应用于制备三维集成射频(RF)收发系统的工艺,并利用反应离子刻蚀机(RIE)中氧气加六氟化硫的键合前处理技术解决了多层堆叠中键合强度较弱的问题。经过扫描电镜(SEM)观察和分析,键合强度弱确认为芯片贴装过程中晶圆表面沾污所致。传统的湿法前处理有一定的局限性,氧气等离子体方法去污能力较弱,均无法用于去除遗留的沾污。利用反应离子刻蚀机氧气加六氟化硫的前处理方式进行键合前处理,不仅增强了去污能力,而且将旧金表面低活性的金层去除,露出干净、活性高的新金表面,有效提升了金金键合的强度,为多层金金键合提供了一种有效的键合前处理方法。

基于改进Canny边缘检测的堆叠货箱分割定位方法

为了提高集装箱卸货的自动化水平,针对集装箱内堆叠货箱难分割定位的问题,提出了一种基于改进Canny边缘检测的堆叠货箱分割定位方法。通过阈值分割和形态学处理进行图像预处理,去除背景干扰,提取堆叠货箱区域图像,基于改进Canny算法对堆叠货箱进行边缘检测,根据堆叠货箱边缘特征进行筛选并基于最小二乘法进行直线拟合,解决边缘线条不连续和虚假边缘问题,对边缘进行区域化处理,以此将堆叠货箱分割成独立的货箱区域,提取每个独立货箱的最小外接矩形,得到货箱中心点的位置信息。实验结果表明,该方法对堆叠货箱有很好的分割效果,定位精度小于5 mm,满足定位精度要求。

基于改进堆叠降噪自编码器的配电网高阻接地故障检测方法

针对配电网高阻故障判定阈值选取难、噪声影响大和识别精度低等问题,提出了一种基于改进堆叠降噪自编码器的高阻接地故障检测方法,从特征提取及网络模型两个层面增强检测方法的可靠性与抗噪性能。首先,结合时频数据处理手段刻画高阻接地故障与正常工况的物理特性差异,为构建故障样本特征库提供理论依据;其次,通过皮尔逊相关系数对时域、频域和时频域的故障特征进行分析与筛选,从而构造多域特征融合样本库,避免特征冗余现象;然后,利用极限学习机的强高维特征分类特性对堆叠降噪自编码器模型进行改进,以提高高阻接地故障分类器的鲁棒性和准确性;最后,在Matlab/Simulink中搭建10kV配电网仿真模型进行算例分析。结果表明,该方法在-1dB强噪声条件下仍有95.57%的高阻故障检测准确率,具有较高的工程实用价值。

改进YOLOv7算法的堆叠工件识别

针对实际生产场景中堆叠遮挡的工件存在漏检率较高与实时性较差的问题,提出了一种改进的YOLOv7轻量化的目标检测方法。在主干网络中获取的3个特征层分别融入ECA注意力机制,能更好地注意到被遮挡的工件信息,降低漏检率;将主干网络和头部网络的普通卷积替换成深度可分离卷积,减少网络模型的参数量,提高检测速度;提出了一种联系周边特征信息的ELAN-DE模块,引入深度可分离卷积并在后面加入ECA注意力机制,提高了系统的稳定性。试验结果表明改进的YOLOv7算法相较于原始算法,在提高了近5.52%的平均精度(mAP)的情况下,模型大小减小了近21%,检测速度提升了18.7 f/s,检测效果也优于其他经典目标检测网络算法,满足了实际场景中的工件识别需求。

多阶段堆叠融合下的敦煌壁画修复

为解决敦煌破损壁画修复难的问题,提出一种多阶段堆叠融合下的壁画修复模型,在第一阶段进行粗修复以及最大化地进行所需特征信息的提取时采用Unet结构,为增强该阶段的修复效果,又加入对抗网络(LsGan);在第二阶段进行精细化修复,主要修复纹理以及细化遮挡区域,引入多头连接和多尺度分支堆叠模块并对其进行改进,对壁画进行多阶段信息提取并对其进行融合;最后为了修复全局细节,采用大感受野的编解码器结构并且引入轻量级通用可视化(Mobile ViT)模块,同时分离了壁画图像的通道并进行分析,引入对通道不敏感的极化注意力。实验结果表明,该模型很好地解决了壁画纹理以及细节修复的难题,相较于所选修复算法最优数据,在掩码面积为5%~20%时,峰值信噪比提高了3.312,在掩码面积为5%~80%时,平均峰值信噪比提高了1.02。

基于双目视觉的堆叠零件识别与定位研究

针对堆叠零件识别定位耗时长与精度低等问题,设计了一种高效的识别定位方法。在识别方面,提出了一种分类器融合方法。通过使用此方法训练出一个权重可动态调整的分类器模型,成功实现了对堆叠零件的分类识别。在定位方面,采用改进随机Hough变换的方法提取目标边缘。利用堆叠零件的边缘几何特征,重建出堆叠零件的空间姿态信息。最后,对单个特征分类器和组合特征分类器进行了分类识别实验和模型评估。实验结果表明,特征融合后的分类器展现出更高的识别精度和更稳定的准确率波动,表明其具有更好的分类鲁棒性。

基于双层DCT-Mask特征融合算法的堆叠垃圾实例分割

复杂堆叠场景下的垃圾实例分割受到严重遮挡和高密集性特点的影响,具有更大的检测难度。针对该问题,提出了一种结合DCT-Mask和双层特征融合网络思想的实例分割方法,用于高度堆叠场景下的垃圾实例分割。在网络结构层面,首先在数据预处理环节对特征数据进行解耦,并通过双分支特征融合降低堆叠对遮挡物体特征的影响,从而解决复杂堆叠遮挡下的实例分割问题。针对该场景下的密集混淆问题,在候选框分类回归部分融入了级联分类器,并优化了分割网络分支的损失函数。实验采用堆叠垃圾分类实例分割数据集进行实验验证,实验结果表明,该方法的AP_(50)、平均准确率mAP等指标有较大提升,且具有较好的分割效果和一定的可解释性。

供丝机烟丝束线性堆叠原理分析与应用

为了进一步降低ZJ112卷接机组的卷烟产品空头剔除率,通过对几种主要卷烟机型供丝装置结构、供料及成形工艺原理的研究分析,并结合废烟剔除情况,分析揭示的原理为烟丝在供丝机内从料仓到流化床的平行推进输送原理;烟丝从流化床到吸风室导轨的线性堆叠成形原理。发现了供丝机内在烟丝输送方面与空头形成相关的两个因素,设计应用的改进方案为设计安装新型螺旋绞龙底部凹口护板与延板组件;延长料仓内吸风管的长度,合理设置吸风管口在吸风腔内的位置。改进后,基本消除了回丝被重复性削刷而增加造碎劣化的问题,改善了成品烟支内的烟丝结构质量,降低了产品空头剔除率,提升了吸丝成形工艺过程控制水平。

面向堆叠薄型钢板计数的改进YOLOv5网络

针对堆叠薄型钢板的人工计数烦琐、错误率高问题,提出改进的YOLOv5(you only look once的第5个版本)网络.使用SPD-Conv(symmetric positive definite convolution)代替CSP-Darknet(cross stage partial darknet),将轻量高效通道注意力(efficient channel attention,简称ECA)机制融入特征提取,将BiFPN(bi-directional feature pyramid network)代替YOLOv5的PANet(path aggregation network),提出HIOU_Loc(height intersection over union location)预测框去冗余方法.实验结果表明:相对于其他3种网络,该文网络的计数准确度(accuracy,简称ACC)和平均准确率均值(mean average precision,简称mAP)均最高;该文网络能适应不同检测环境,且均有优良的检测性能.

一种用于季节性产品需求预测的多元化堆叠回归模型

产品需求预测是智慧供应链的核心环节。针对具有季节性的快消品的需求特点,设计了一种结合Blending线性与多机器学习模型融合的多元化堆叠回归模型RXOEL-X。首先,介绍了RXOEL-X模型的构建及运行步骤,然后基于一组公开数据将此模型与五种传统单一化模型进行比较,证明其在预测精度方面比其他模型更优。同时基于某饮料公司的实际销售数据,对模型性能进行进一步测试,证明RXOEL-X模型在预测精度、数据拟合能力、时间效率等方面整体表现最佳。RXOEL-X模型为季节性产品乃至更广泛的企业供应链管理中的需求预测问题提供了一种前沿的解决策略,有利于帮助企业在节省成本、减少库存积压的同时,提高对市场变化的响应速度和供应链的整体灵活性。

基于机器视觉的堆叠货箱抓取系统设计

针对冷链运输领域自动化水平低的问题,设计一套基于机器视觉的堆叠货箱抓取系统。基于Matlab标定工具完成相机标定,得到坐标系转换数学模型,使用改进Canny边缘检测算法提取图像中堆叠货箱的位置信息,通过PLC控制卸货机器人按照既定程序实现对冷链集装箱中堆叠货箱的抓取作业。实验结果表明:图像处理时间小于2 ms,抓取效率可达5 s/件,抓取位置误差小于5 mm,完全满足工业生产要求。

频段渐变椭圆波纹喇叭堆叠钎焊工艺

X波段渐变椭圆波纹喇叭的椭圆环和椭圆槽拥有尺寸小、形状和结构复杂的渐变表面,喇叭内部设计有匹配块,部分椭圆槽加工不可达,因此不能整体加工。为保证喇叭波纹槽的形状、尺寸和精度要求,采用分层堆叠钎焊的方法,通过零件精度和定位组装保证椭圆喇叭整体精度,连接采用钎焊方式,保证了连接可靠,为高频段渐变椭圆波纹喇叭的工程应用提供了新途径。

基于硅基堆叠SIP技术的超宽带T/R组件

传统的超宽带T/R组件采用的是两维砖块式结构,体积和重量已不适应目前小型化、低剖面、易共形的相控阵天线要求。文中提出的基于硅基堆叠系统级封装(SIP)技术,将四通道的射频芯片高度集成在硅基介质基板上,将多层介质基板厚金压合,实现多层堆叠的三维封装。通过采用芯片多功能集成技术和超宽带射频信号的垂直互连技术,设计出三维堆叠的四通道超宽带T/R组件。T/R组件带宽为6 GHz~18 GHz,单通道的发射功率优于23 dBm,接收增益优于20 dB,可实现6位数控衰减及6位数控移相,尺寸仅有13.0 mm×13.0 mm×3.4 mm。该技术可以实现多通道超宽带T/R组件的SIP封装,有利于工程应用。

硅通孔三维堆叠芯片可靠性标准研究

针对硅通孔(TSV)三维堆叠芯片在微电子封装领域面临的可靠性挑战,阐述了TSV三维堆叠的工艺流程,分析了TSV孔的制造、芯片减薄、三维键合和组装等关键工艺环节对可靠性的影响,并探讨了TSV孔的质量和可靠性等问题。基于当前TSV三维堆叠芯片的可靠性标准,明确了可靠性应力试验条件与推荐的检测方法,为提升TSV三维堆叠芯片的可靠性和制造效率提供科学依据和实践策略,促进技术的优化与升级。

基于优化堆叠自编码器的故障诊断方法

针对当前堆叠自编码器故障诊断方法在识别有效分类特征方面的缺陷,提出一种基于Fisher判别准则优化的堆叠自编码器故障诊断方法。将Fisher判别准则中寻找最佳投影方向的特征学习方法融入到堆叠自编码器的预训练中,利用样本标签信息在堆叠自编码器的逐层非线性映射中学习最佳的投影方向。在Fisher判别准则优化的损失函数约束下训练,增加不同类别故障特征的类间距离,减小同类别特征的类内距离。由于在堆叠自编码器的预训练中,同时设计最小化重构特征和最大化分类特征的约束条件,预训练后的堆叠自编码器能够提取到更有效的特征信息,以提升最终故障诊断的准确率。通过在Tennessee Eastman(TE)化工过程的应用验证了所提故障诊断方法的可行性。

基于YOLOv5s改进模型的堆叠螺栓抓取研究

在当前工业的螺栓生产过程中,堆叠螺栓的分拣工作依然需要人工完成,不仅工作效率低,而且会导致大量人力资源的浪费。针对这一问题,对YOLOv5网络模型进行了改进,提出了SE_YOLOv5网络模型。首先,在原网络的Neck部分删除了P′1特征层,减小了网络对浅层信息的提取,在不影响对大尺寸目标检测的前提下,提高了网络检测的实时性;然后,改进了Backbone模块,通过添加压缩与激励(SE)注意力机制,使网络更高效地聚焦于图像中的重要部分,增强了网络对堆叠螺栓检测的准确性;最后,提出了检测框重叠最小法,减少了抓取时夹爪与非目标螺栓的碰撞,并对螺栓检测框进行了抓取点位姿优化,提高了抓取的成功率。研究结果表明:SE_YOLOv5网络对堆叠螺栓检测的平均精度为86.5%,平均速度为13.02 FPS;相比于原YOLOv5s网络模型,SE_YOLOv5网络在检测精度上提升了1.2%,在检测速度上提升了2.71 FPS;相比于其他检测模型,SE_YOLOv5也具有更高的检测精度和检测速度。抓取结果证明,该模型能用于有效地指导机械臂进行螺栓抓取操作。

基于线性等效模型的堆叠式多星组合体模态分析

堆叠式多星组合体是一种新型的一箭多星发射结构布局形式.多星组合体中的卫星采用平板构型,平板卫星上下相邻两层支脚相互接触,并由连接杆施加预紧力将其整体压紧.针对这种连接形式的多星组合体结构,文章提出了一种建立其线性等效力学模型的方法,并开展了模态分析.根据组合体中子结构形式及其受力特点,分别将连接杆等效为受轴向预紧力作用的欧拉-伯努利梁模型,以及将中间卫星连接体等效为附加集中质量点的铁木辛柯梁模型,分别求取了二者在固定时刻随轴向坐标变化的振型函数.通过将连接杆和卫星连接体等效模型振型函数联立求取了组合梁整体的振型函数,并根据并联U型梁边界协调原理确定的约束条件,求取了组合梁振动的频率特征方程.通过将组合体有限元模型求解结果与理论模型求解结果进行对比,验证了理论模型的正确性.此外,探究了预紧力、连接杆材料、支脚材料和有效载荷质量对组合体振动特性的影响规律.提出的等效方法,可为堆叠式多星组合体结构设计以及刚度匹配要求提供相应的指导.

堆叠式多星组合体结构设计与连接技术发展及展望

以Starlink为代表的低轨互联网星座是当前航天领域发展的热点,堆叠式多星组合体技术可大幅提高整流罩空间利用率,从而加快低轨星座的建设速度,是未来一箭多星发射技术的重要方向之一。首先,通过分析堆叠式多星组合体技术的需求和意义,总结现有的堆叠式多星组合体的连接形式;然后,通过对比分析指出适合大规模星座建设的连接形式,针对目前应用成熟的堆叠式多星组合体连接方案进行解读,得出该技术的组成原理和技术特点;最后,对堆叠式多星组合体结构设计与连接技术的难点与挑战进行分析并提出展望,为未来堆叠式多星组合体结构设计提供参考。

基于异质堆叠集成学习的脱硫剂加入量预测

KR搅拌法是铁水预脱硫的重要工艺之一,但在脱硫过程中脱硫剂的加入量主要依赖于人工经验控制,导致一次脱硫命中率较低,铸坯质量不稳定。为准确控制脱硫剂加入量,提高一次脱硫命中率,提出一种基于异质堆叠集成学习的脱硫剂加入量预测方法。首先,进行数据清洗,采用LOF算法结合专家经验剔除异常值。其次,采用最大信息系数结合斯皮尔曼秩相关系数进行特征筛选。最后,引入堆叠集成算法,基于评价指标和误差相关性分析优选模型的不同基学习器,并采用Optuna算法为基学习器寻找最优参数组合,建立异质堆叠集成预测模型。以现场采集的脱硫数据作为样本进行实例分析,结果表明,模型的决定系数(R^(2))为91.6%,均方根误差(RMSE)为197.79,平均绝对误差(MAE)为117.14,平均绝对百分比误差(MAPE)为6.95%。