基于AlexNet-SVM模型微型钢球表面缺陷快速识别方法

微型钢球由于高反射、球体需要全覆盖的特点,其表面缺陷的质量控制尤为困难。针对人工检测方法效率低且准确度不足的问题,文章提出一种改进的AlexNet的卷积神经网络和SVM模型的钢球表面缺陷快速识别方法。该模型删减了后3个卷积层,保留全连接层FC7提取的特征,采用SVM代替原始Softmax分类器以防止过拟合,提高模型泛化能力。此外,研究了基于K-CV的改进网络搜索算法确定分类器最佳参数。实验采用混淆矩阵对提出模型的识别结果进行性能评估,结果表明,该方法平均准确率达到99.43%,运算时间为17.2 ms。对比原模型及其他网络模型,具有较高的准确度和推理速度,能够满足工业现场检测的需求。

提高微型钢球批直径变动量精度的方法

在微型特种钢球生产过程中由于受批量限制,精磨、初研、精研等工序只能采用小循环研磨设备,如3ML4775型立式钢球研磨机。该类型研磨设备出厂时无类似铲球座的“坝”球设备,仅靠入球口的板壁进行聚球和混球,微型球受自重小的因素影响,容易粘附在板壁造成研磨不均匀,钢球间出现细微的尺寸差,造成钢球批直径变动量精度较差,进而影响主机的动态性能。本文提出一种新型的柔性挡球板设计及加工方法供业界参考。

微型钢球表面展开和缺陷检测装置控制系统的设计

根据微型钢球表面亚表面质量检测的技术要求,分析了微型钢球表面展开和缺陷检测装置的工作原理和缺陷检测信号处理原理,设计了微型钢球表面展开和缺陷检测装置的控制系统,给出了基于STC89S52单片机控制的步进电机速度及方向控制方法、硬件接口电路与控制程序设计方案,并通过实验验证了方法的正确性.实验结果表面,微型钢球表面展开和缺陷检测系统能驱动展开机构使钢球表面完全展开,驱动扫描机构检测出表面有缺陷的钢球,满足设计要求.

微型钢球的高效磨削

近年来,随着微型轴承配套用钢球的需求量日益增加,采用常规铸铁盘研磨钢球的工艺方法,由其低产高耗等弱点,已不能满足需要。我们根据长期的实践经验,解决了在3M4630机床上大循环砂轮磨削微型钢球的技术难点,现介绍如下。一。

微型钢球精研机

M20型微型钢球精研机用于精研φ0.7～φ3mm的微型钢球,其主体结构(如图1所示)有以下几个特点:(1)机床体积小,外形尺寸845mm×620mm×705mm,便于安装、操作。(2)机床采用立式结构,即研磨板为水平放置。通常,高精度钢球只有在水平工作的平面研磨机上加工,才能使研磨液发挥最佳效应。竖直放置的研磨板由于其自重、固定装置和工件轴的重量以及皮带传动时的拉力所引起的径向力对钢球精度造成不利影响。