线性轮廓滤波器的不确定度传递规律研究

基于新一代产品几何规范(GPS)标准体系的线性轮廓滤波器的基本原理,提出一种线性轮廓滤波器的不确定度传递规律的计算方法,从而可以由输入轮廓的不确定度计算出经过滤波后的输出轮廓的不确定度。最后给出一个高斯滤波器的测量实例。

基于LM-BP神经网络的非线性轮廓图优化方法研究

将正交试验设计理论与BP神经网络模型和Levenberg-Marquard算法相结合,提出了一种基于LM-BP神经网络模型的针对输出为非线性轮廓图响应的离线设计优化方法。并结合实例与传统的统计回归建模方法得出的优化结果进行了比较。结果表明基于LM-BP神经网络建模可以避免由于实验误差和试验设计方案所造成的模型系数估计误差,而与标准的BP算法比较,克服了标准BP算法性能不稳定、收敛速度慢、收敛精度低、存在局部最小值等缺点,具有极高的精确性,优化结果令人满意。

基于LLE-SVDD的高维非线性轮廓数据实时监控方法

针对高维非线性轮廓数据的实时监控问题,文章提出了基于局部线性嵌入(LLE)和支持向量数据描述(SVDD)相结合的高维非线性轮廓监控方法。首先对受控的高维轮廓数据进行局部线性嵌入降维,然后使用降维后的轮廓数据对SVDD算法进行训练,最后用训练好的SVDD算法对高维轮廓数据进行实时监控。并利用蒙特卡洛方法生成仿真数据,以证实所提方法的有效性。结果表明,相较于其他方法,所提方法在失控状态下平均运行链长较小,能够及时发现生产过程中的异常轮廓。

基于支持向量数据描述的线性轮廓监控研究

在制造过程中,存在一类过程输出与一个或多个独立变量之间有线性函数关系的情况,称为线性轮廓(Linear profile)。针对线性轮廓控制的问题,提出了基于支持向量数据描述(Support Vector Data Description,SVDD)的线性轮廓控制图,并分析了SVDD参数对分类器性能的影响及控制图参数的确定方法。仿真结果表明,基于SVDD的线性轮廓控制图在监控截距和残差变异时比T2控制图性能更好,而监控斜率的变异时,T2控制图性能更好。

新一代GPS中高斯线性轮廓滤波边界效应的处理方法

分析了高斯线性轮廓滤波易造成边界效应的原因,通过实际案例指出了常用轮廓扩展法缺乏自适应性的缺陷,并在此基础上提出一种具有自适应功能的轮廓滤波边界效应处理方法——矩准则法.该方法通过在边界效应区域根据位置的不同改变高斯权函数,同时保证权函数总权重为1,且一阶矩为零,能达到可靠的滤波效果,避免了扩展轮廓带来的轮廓失真,具有较强的自适应性.实测的具有一定倾斜程度的轮廓数据曲线滤波结果证明了该方法的可行性和有效性.

多轴运动系统非线性轮廓重复跟踪的主从交叉耦合迭代学习控制

针对多轴运动系统非线性轮廓的重复跟踪,传统时域交叉耦合迭代学习控制器(Cross-coupled iterative learning control,CCILC)的设计,各轴间的耦合算子计算精度要求高,计算效率低.本文提出一种主从交叉耦合迭代学习控制方法.基于主从控制设计方法,主动轴采用时域CCILC,从动轴采用位置域交叉耦合迭代学习控制(Position domain CCILC,PDCCILC).保证各轴间运动同步性,同时减轻对耦合算子精确性的依赖.因而可以引入轮廓误差矢量法估算耦合算子提高计算效率.采用Lifting的系统时域矩阵展开方法对所提出的算法进行了稳定性分析和性能分析.基于一个两轴毫米级运动平台,三种典型非线性轮廓跟踪(即半圆、抛物线和螺旋线)的数值仿真和实验分析验证了所提出算法的有效性.

叶片生产过程的非线性轮廓控制方法研究

针对叶身型线轮廓特征参数间相关关系复杂、历史批次数据不足等原因造成的生产过程型面几何轮廓质量控制困难的问题,提出一种叶片生产过程非线性轮廓控制方法。该方法以叶身型线三坐标值为基础数据进行分析,首先构建叶身型线轮廓差异度量指标,并基于测量数据进行指标参数提取及标准化处理,作为非线性轮廓控制对象;其次以受控状态下的差异度量指标分类准确率为优化目标,通过自适应粒子群算法(APSO)优化高斯核函数及惩罚系数;然后联合优化参数及受控指标数据训练支持向量数据描述(SVDD)模型,获得超球体半径作为控制限,构建基于超球体核距离的非线性轮廓控制图;最后计算待测轮廓指标数据点到超球体中心的内核距离,得到控制图标绘点,进而判断叶片生产过程是否异常。仿真结果表明,相比于传统方法,该方法可有效表征型线不同区域质量特征对轮廓形状的综合影响,且对不同均值偏移都具有更强的异常波动检测力,并能有效解决中小批量生产过程控制中数据量不足的问题。

简单线性轮廓过程能力分析方法研究综述

简单线性轮廓过程能力分析是现代统计过程控制的研究热点和难点。本文主要针对国内外专家学者对于简单线性轮廓方面的过程能力的研究成果进行一个综述。

基于量纲分析的简单线性轮廓与多变量的测量系统能力评价

测量系统分析是统计质量改进或控制的一项主要内容,目前,多元测量系统的分析和评价运用多元方差分析法或主成分分析法较多,在实际生产过程中,存在简单线性轮廓与多变量质量特性的复杂多元测量系统的情况,而针对这种复杂多元测量系统能力评估的研究较少。本文提出了基于量纲分析的复杂多元测量系统能力评价方法,集成物理和统计分析,利用物理中量纲分析的方法研究产品或过程各相关变量之间的物理关系,将多元转化为一元测量系统问题,再利用一元测量系统能力评估的统计方法及指标来对测量系统能力进行评价。最后,本文再现经典纸飞机试验,运用所提量纲分析方法对纸飞机的测量系统进行分析和评价,验证方法的有效性。

分层像素级图像融合中线性轮廓信息识别仿真

线性轮廓信息有效识别在分层像素级图像融合中具有重要应用。目前常见的轮廓信息识别方法一般基于图像灰度的变化来判断分层像素级图像中的点是否属于轮廓点,识别到的点可能不连续,识别过程导致了融合后图像优质系数的降低、耗时长。针对这类问题,提出一种基于图像分割的分层像素级图像融合中线性轮廓信息识别方法。在分层像素级图像融合过程中,采用多阈值Otsu方法分割分层像素级图像,提取各层轮廓并计算轮廓链的局部转角比率和逐点向量积,描述基于逐点比较法的图像细节处的轮廓特征,结合分层像素级图像结构的经验判据对分层基础数据进行检测和推断,实现分层轮廓点的初步识别,通过不同层次的轮廓像素拟合完成整体图像轮廓的初步定位,在分层像素级图像多特征检测的基础上进行图像信息融合,结合自适应阈值识别的各层次像素轮廓位置检测对整体线性轮廓定位信息进行修正以提高线性轮廓信息识别的准确性。实验结果表明,所提方法有效提高了连续像素边缘比以及清晰度,识别所花时间较少。

基于One-class SVM的自相关线性轮廓监控研究

在复杂产品的制造过程中,轮廓(profile)数据是一类广泛存在的质量数据类型。为了能够尽快监测出线性轮廓内自相关过程中的异常,针对质量数据仅存在正常样本的情况,提出了基于一类支持向量机(one-class Support Vector Machine,OCSVM)的监控方法。首先,介绍OCSVM方法原理;其次,构建OCSVM监控模型,通过数值仿真实验模拟得到平均运行长度,并给出详细的仿真过程;再次,以平均运行长度为准则,分析高斯核函数与多项式核函数对OCSVM方法监控性能的影响,结果表明:监控AR(1)模型时,多项式核函数具有优势;最后,将多项式核函数的仿真结果与传统的一些控制图进行对比,结果表明:当标准差以及斜率、截距同时发生变化时,OCSVM方法监控效果优于其他控制图;当自相关系数ρ=0.1(弱相关)截距发生较大偏移以及ρ=0.9(强相关)截距发生偏移时,OCSVM方法监控效果优于其他控制图。

分层像素级图像融合中线性轮廓信息识别仿真

为提升分层像素级图像融合的效率和效果,文章提出了一种基于图像分割的线性轮廓信息识别方法,首先对模糊块状的源图像进行层次划分,通过灰度值的差值计算获得清晰的像素区域,以获得分层像素级图像的最佳融合区域;而后,根据传统Canny算子阈值设置不合理造成的轮廓边缘不连续或伪边缘的问题,引入最大信息熵进行阈值自适应选择,以改进Canny算子,去除伪边缘的问题,并融合自适应生长区域算法、Otsu阈值分割识别轮廓边缘的断点信息,解决轮廓边缘不连续的问题。最后,利用Matlab仿真分析,验证了改进Otsu阈值法和自适应阈值Canny算子的线性轮廓信息识别算法的准确度、完整性更高。

基于参考调整轮廓误差的直驱XY运动平台自适应非线性滑模轮廓控制

针对精密直驱XY运动平台在执行加工任务时,易受到系统不确定性动力学及双轴协调匹配性的影响而产生轮廓误差的问题,提出一种基于参考调整轮廓误差(RACE)模型和不确定性补偿器(UC)的自适应非线性滑模轮廓控制(ANSMCC)方法。由于传统的将跟踪误差法向分量视作近似轮廓误差的方法并不适用于大曲率轮廓加工轨迹,因此,建立参考调整坐标系,通过坐标变换的方式计算得出更为精准的RACE模型。采用ANSMCC方法对轮廓误差进行控制,通过设计非线性滑模面可以有效提高系统的动态响应速度和轮廓跟踪精度。为进一步减小参考模型与实际对象之间的误差,设计UC对不确定性动力学进行补偿,从而提高系统的鲁棒性。实验结果表明,该方法能够有效克服直驱XY平台系统中不确定性动力学的影响,提高轮廓加工精度。

基于T^2统计量的Phase Ⅰ线性轮廓局部变化变点识别方法

研究Phase Ⅰ线性轮廓的局部数据发生变化时的变点识别问题。通过分割轮廓,将各段轮廓特征值视为多元变量,结合T2统计量设计变点识别方法。仿真性能比较研究的结果表明当线性轮廓的斜率或截距出现局部变化时,新方法的变点识别能力优于现有方法。因此本方法是一种有效识别线性轮廓局部变点的Phase Ⅰ分析工具。

基于齿隙的新型圆弧独立轮廓误差交叉耦合控制

在高精密轮廓加工中,线性轮廓误差控制精度是非常重要的指标,它决定了最终产品的加工精度。在建立基于齿隙的线性轮廓误差模型的基础上,利用众所周知的交叉耦合控制,提出了一种新的独立轮廓误差控制(Independent Contour Error Control,ICEC)策略,即驱动轴之间不需要任何交叉进给信号就能够减少线性轮廓误差。仿真的结果表明所提出的控制方案是有效的,在线性和圆形轮廓的双轴驱动系统上也得到证明,能够明显地提高轮廓误差控制精度。

基于DHNN的非线性profile异常状态监控方法

针对数据关系复杂且样本量较小的非线性轮廓控制问题,提出一种基于离散Hopfield神经网络的轮廓异常状态监控方法。对于收集的小样本数据,首先采用支持向量回归机拟合出样本轮廓;然后将该过程的标准轮廓设置为吸引子,按照一定的编码方法将其存储于Hopfield网络中,再利用该网络的联想功能,判断新的样本轮廓是否发生了变异;最后将该方法与支持向量数据描述算法方法进行对比。研究显示,所提方法平均误识率以及平均运行链长均较小,较适用于复杂生产过程中的异常轮廓监控。

响应变量缺失下变系数部分非线性模型的统计推断

本论文考虑响应变量缺失下变系数部分非线性模型的统计推断,我们采用完全数据方法下的轮廓非线性最小二乘来估计未知参数和非参函数,同时建立了估计量的渐近正态性。

基于高速摄像头的高速公路路况异常监控方法

传统的高速公路路况异常监控方法信息传递时间长,在确定监控范围方面的准确性较差。本文提出一种基于高速摄像头的高速公路路况异常监控方法,利用高速摄像头对高速公路路况的图像信息数据进行采集,规范监控数据采集过程,对采集到的图像信息数据进行预处理,利用非线性轮廓实现高速公路路况异常情况的监测。测试表明,在不同的高速公路路况异常情况数据集下,相比传统监控方法,使用该方法获得的异常区域的监控范围与实际情况更接近。

激光刻写零件瑕疵图像在线检测算法

针对复杂背景条件下激光刻写零件瑕疵的机器视觉检测需求,提出一种基于导向线的刀路轮廓质量检测方法。先根据矢量文件生成导向线,对导向线中的线路与面域进行区分,再与待测图像配准,在导向线上生成采样点,最后对已滤波图像上轮廓的线宽、连通性和毛刺情况进行检测。有别于传统灰度或轮廓的差分检测方法,所提方法以导向线为路径,利用检测模板对采样点所在的局部图像进行检测。实验结果表明,该方法在复杂背景条件下对轮廓检测既具有良好的鲁棒性,又能够保证高检测精度与较好的实时性,满足激光刻写零件过程中的质量检测要求。

面向产品造型风格的用户认知模式及量化模型研究

针对产品造型设计过程中存在的主观感性认知偏见问题,提出一种面向产品造型风格的用户认知模式及量化模型。首先对产品造型风格中的特征元素进行显著性分析,并结合"风格曲线"及特征线概念探究了特征元素收敛至线性轮廓的用户认知模式;继而在特征整合的基础上提出产品造型风格的一般认知模式,即伴随着用户认知的不断深化,产品造型风格在用户头脑中将逐渐收敛至产品特征元素的线性轮廓;最后结合MATLAB相关系数概念提出特征元素线性轮廓的量化模型,为产品设计提供客观、理性的决策依据。以中国高速列车CRH380系列产品造型进行眼动跟踪实验,验证了该理论模型的可行性。