UHMWPE模压成型方法与技术进展

目前,性能较好的超高分子量聚乙烯(UHMWPE)制品得到了广泛应用,但是,由于UHMWPE的黏度较高,难以输送、塑化和成型。模压成型是UHMWPE制品最主要的成型方式之一。首先,对最常用的普通静态模压(CM)成型方法进行陈述,分析并总结了成型温度、成型周期、成型压力以及冷却速率等模压成型参数对CM成型UHMWPE制品微观结构和性能的影响,发现,CM成型存在成型周期长、能耗高以及制品难以兼具良好的力学强度和耐磨性能等问题;其次,阐述了UHMWPE高速冲击(HVC)模压和超声模压的成型原理和特点,发现,引入动态力场后,能降低成型温度、缩短成型周期和减少能耗,但是,由于HVC成型UHMWPE制品韧性较差,超声模压成型制品力学强度较低。因此,动态模压成型方法是UHMWPE制品高效成型的重要研究方向之一。

基于STM32的动态注塑信号调节器设计

文中设计了一种基于STM32芯片与UCOSIII操作系统的动态注塑信号调节器。采用DDS芯片AD9833与数字电位器MCP41010配合实现了P/Q信号的发生与调幅;采用运算放大器OP07组成的加法器实现P/Q振动信号与P/Q静态信号的合成;基于RS485接口与Modbus通讯协议实现动态注塑信号调节器与上位机的实时通讯;基于emWin图形库设计了人机交互界面,可以在触摸屏上设定选定注塑参数。试验测试表明:动态注塑信号调节器能够根据上位机反馈的通讯信息在不同工序下输出不同波形、频率与幅值的P/Q动态注塑信号,满足泵控液压激振系统与动态注塑的应用需求。

超高分子量聚乙烯分子链缠结调控技术研究进展

超高分子量聚乙烯(UHMWPE)具有优异的物理机械性能,被广泛应用于多种领域。但UHMWPE极高的分子量使其分子链高度缠结,制约UHMWPE分子链的长程运动,影响UHMWPE的聚集态结构,对UHMWPE的各项性能造成很大影响,因而调控UHMWPE的分子链缠结程度对于提高其加工和使用性能尤为重要。本文分别从UHMWPE溶解、UHMWPE结晶、聚合物共混改性与加工力场四个方面对UHMWPE分子链缠结调控技术的研究进展进行了总结,分析了不同方法的分子链解缠结机理,并展望了UHMWPE分子链缠结调控技术的发展趋势。

云环境下塑料设备数据远程采集与监控技术研究

针对塑料设备加工过程的参数采集以及设备的监控维护存在的不足,研究了一种基于云环境下塑料设备综合信息远程采集与监控技术。提出了系统的整体方案设计,实现了多台塑料设备跨域互联网接入和综合信息远程采集与存储,并且能够在远程监控中心对塑料设备进行实时监控和历史数据分析,实现设备监控和数据共享。通过实际应用分析,云技术的使用有效降低了系统的实现和运行成本,为中小型企业搭建自己的设备远程数据采集系统提供了借鉴和参考。

基于近红外光谱的废杂塑料分类

塑料制品因其成本低廉且性能优良而广泛的应用于各行各业的方方面面,本质是高分子聚合物。但由于塑料在自然条件下降解困难且回收成本较高、回收效率较低,对环境造成了严重的影响。为解决塑料高效低成本的回收再利用问题,本文提出了一种基于近红外光谱技术,并结合当今前沿的机器学习技术的废杂塑料识别和分类系统。该系统采用基尼指数对近红外光谱进行特征波数选择,从而去除冗余数据。基于knn、LightGBM和神经网络建立单一的塑料分类模型,并采用随机搜索、遗传算法等算法对超参数进行优化。针对单一模型的不足之处,采用基于Stacking集成学习框架进行模型融合,进一步提高识别准确率和效率。结果表明该系统具有重要的实际运用价值和广阔的市场前景。

双级微结构对柔性压力传感器性能的提升

以2种不同的模板设计方案,采用注射压缩成型制备单级和双级微柱阵列的热塑性聚氨酯柔性薄片,经裁剪、喷金后得到微结构柔性传感基片。将单级和双级微结构柔性传感基片分别与平整柔性传感基片面对面封装成柔性压力传感器1和传感器2。模拟结果表明,受压后微柱顶面上边缘区域接触应力较大。单级和双级微柱受压后纵截面分别呈“碗”和“花苞”状结构;双级微柱在较小压力作用下即可发生形变,且其受压后与平整传感基片的接触形变和接触面积较大。因此,相比传感器1,传感器2具有较高灵敏度(0.53 kPa-1,0~1 kPa)、较短响应时间/松弛时间(100 ms/80 ms)和较低检测限(约58 Pa)。微柱较高的耐压性使传感器2具有较宽的检测范围(0.058~600 kPa),能在4000次的循环压缩/释放测试(峰值压力约500 kPa)中保持较稳定的压阻响应。传感器2可准确检测人体脉搏、发声和运动,表明其具有应用于智能可穿戴领域的潜能。

基于机器视觉的无人机旋翼移印缺陷检测研究

旋翼是无人机获得举升力的重要零件,它的健康状态是无人机稳定飞行的重要保证,旋翼标识是检查无人机飞行姿态和旋翼健康状态的重要参照之一,针对大疆无人机旋翼标识生产过程中表面质量检测的工人劳动强度大、检测准确率低的生产痛点,设计了满足工业生产需求的机器人视觉检测系统,系统与工业机器人结合将印刷缺陷的产品分拣出来,实现生产检测的自动化。系统利用工业相机、视觉光源、工业计算机搭建系统检测系统,通过滤波、连通域处理、特征提取等算法设计,能够高效地将漏印、少印、多印等缺陷产品分拣出来,降低了企业用工成本的同时,提高了产品出厂的良品率。

基于STM32的程控多路数字信号发生器设计

该文设计了一种基于STM32芯片与UCOSIII操作系统的程控多路数字信号发生器。采用DDS芯片AD9833与数字电位器MCP41010配合实现了激振信号的发生与调幅;基于RS485接口与Modbus通讯协议实现信号发生器与上位机的实时通讯;基于emWin图形库设计了人机交互界面,可以在触摸屏上设定选定激振信号参数。经试验测试表明,设计的程控多路数字信号发生器能够产生波形、频率与幅值均独立可调的交流信号,并能够根据上位机传递的通讯信息实时对信号进行调节,满足多路激振信号源的应用需求。

塑料挤出机仪表控制柜云监控系统

针对传统塑料挤出加工车间中挤出机仪表控制柜数据的记录和统计方法落后、实时性差、效率低等问题,提出一种利用PLC和物联网技术组建数据采集与云监控系统的解决方案。使用S7-1200 PLC实时采集、汇总数据,用两个通信模块采集数据来提高采集频率,设计轮询设备分组可选的PLC程序来保证采集频率。使用无线网关将PLC中数据上传云服务器,在云端进行数据储存与监控。实地运行表明,该系统不仅实现了数据的采集与云监控,且运行稳定可靠。

基于特征选择和贝叶斯优化 LightGBM 的注塑制品尺寸预测

提出了一种基于Pearson相关系数特征选择和经贝叶斯优化的LightGBM算法模型对注塑制品的尺寸进行回归预测的方法。首先对注塑数据预处理,计算各特征与待预测注塑制品尺寸的Pearson相关系数,筛选出与注塑制品尺寸相关性较强的特征,然后使用经贝叶斯优化的LightGBM算法对处理后的数据进行训练和测试。通过与随机森林、支持向量机以及人工神经网络算法进行对比验证,发现所提出的贝叶斯优化LightGBM算法比其它三种算法具有更高的预测精度,且能准确反映尺寸的变化趋势。

基于计算机视觉的轴承滚子表面缺陷在线检测系统

通过分析轴承滚子中最常见的几种表面缺陷类型,设计了针对性的缺陷检测算法,将传统计算机视觉方法与深度学习相结合,并采用改进的RetinaNet模型,实现了轴承滚子的表面缺陷检测。实验结果表明:文中方法的准确率达95%以上;相较于传统的缺陷检测方法,文中方法在准确率、召回率与F1-score上均有一定提升。

稻壳灰/PLA生物可降解复合材料的应用

采用聚乳酸(PLA)和稻壳灰(RHA)作为原料,用γ-缩水甘油醚氧丙基三甲氧基硅烷(硅烷偶联剂KH560)对RHA进行表面改性处理,通过密炼机熔融共混制备生物可降解复合材料。利用万能试验机、扫描电子显微镜(SEM)、差示扫描量热(DSC)、旋转流变等设备对改性PLA塑料的微观形貌、力学性能和热性能等进行表征。研究结果表明,2种稻壳灰均能提升PLA的模量,其中,PLA/RHA25的拉伸模量与纯PLA相比提升了78%,PLA/RHA-KH25的弯曲模量约提升了一倍。经表面处理的RHA能够提高其与塑料基体的相容性,使力学强度下降幅度减小,扫描电镜图片与旋转流变测试结果均表明,改性后的RHA与PLA的界面相容性得到明显提升,且稻壳灰能改善PLA结晶度低、结晶速度慢的缺点。其中,改性后的RHA最高可使PLA复合材料结晶度提升4倍,而RHA仅提升了1倍。

基于Stacking集成学习的注塑件尺寸预测方法

机器学习算法能够处理高维和多变量数据,并在复杂和动态环境中提取数据中的隐藏关系,在注塑件尺寸预测中具有很好的应用前景。注塑件尺寸预测系统的性能取决于机器学习算法的选择,然而,传统的机器学习算法在实际应用中不能达到很好的预测效果。为此,文中提出了一种基于Stacking集成学习的融合模型,首先采用优化的特征选择方法获得最佳的特征数量,然后通过对比分析单一模型的关联度和预测效果、不同Stacking学习器组合方式下模型的预测效果,得到预测性能最佳的模型,该模型的基学习器为极端梯度提升树(XGB)、轻量级梯度提升树(LGB)、核岭回归,元学习器为弹性网络回归。测试结果表明:该模型在注塑件尺寸预测方面的均方根误差和平均绝对误差较XGB和LGB模型分别降低了16%和20%左右,较传统支持向量机模型分别降低了45.22%和46.48%,同时模型预测结果可根据特征解释回溯到实际生产中,为制造工艺和工序的优化提供决策指导。

基于参数化水平集方法的微结构拓扑优化设计

相比于单一材料,复合材料具有轻质高强等优点,拓扑优化方法是设计复合材料的方法之一。本文采用改进的参数化水平集方法,更新了水平集迭代格式,并应用水平集带方法在优化过程中引入中间密度,使水平集方法与变密度法无缝结合以改善水平集方法的拓扑寻优能力,降低其初始设计依赖性。本文以最大化体积模量、剪切模量和负泊松比作为材料设计目标,结合均匀化方法预测材料的宏观等效性能,研究了不同体积分数、多种初始设计及水平集带方法的引入对优化结果的影响,并得到了多种满足不同目标函数的微结构拓扑形式。数值算例验证了本文方法在复合材料微结构设计问题中的有效性。

四元共聚热塑性聚酰亚胺的合成与表征

为了提高聚酰亚胺的热塑性,制备兼具优异热塑性与耐热性的聚酰亚胺材料,以均苯四甲酸二酐(PMDA)与3,3′,4,4′-联苯四羧酸二酐(s-BPDA)为二酐、4,4′-二氨基二苯醚(ODA)与2,2′-二[4-(4-氨基苯氧基)苯基]丙烷(BAPP)为二胺,通过两步法成功制备了一系列四元共聚热塑性聚酰亚胺,并研究了刚性联苯基团与柔性单体、侧甲基的协同作用对聚酰亚胺材料性能的影响。利用FTIR、XRD、DMA和TGA等测试手段对材料的分子结构、热塑性和耐热性等进行了表征。结果表明:该系列四元共聚聚酰亚胺具有良好的热塑性与耐热性,其中当二酐与二胺的摩尔分数比(PMDA∶s-BPDA∶ODA∶BAPP)为70∶30∶70∶30时,该材料表现出优异的热塑性和耐热性,同时在非质子极性溶剂中表现出较好的溶解性,极大地提高了聚酰亚胺在溶剂或熔融状态下的加工性能。

基于Gaussian-yolov3的铝型材表面缺陷检测

在铝型材的实际生产过程中,由于各方面因素的影响,铝型材表面会产生碰伤,刮花,凸粉等瑕疵,这些瑕疵会严重影响铝型材的质量;目前主要采用人工检测,由于铝型材表面自身含有纹路,与瑕疵区分度不高,传统人工肉眼检查十分费力,质检的效果难以控制;为解决上述问题,以铝型材表面缺陷为研究对象,使用Gaussian-yolov3为基础目标检测网络,针对铝型材表面部分条状缺陷的特性,使用变形卷积技术增强卷积的适应性;针对小缺陷检测问题,使用密集连接技术及数据增强扩展数据;对比Faster R-CNN、SSD实验,结果表明,基于Gaussian-yolov3的检测方法准确率可以达到96%,检测速度可以满足实时性要求,具有较强的实用性。

基于PLC的挤出机仪表控制柜集中监控系统设计

针对传统塑料挤出加工车间中挤出机的仪表控制柜数据的记录和统计方法落后、实时性差、效率低等问题,该文提出一种利用PLC和物联网技术组建数据监控系统的解决方案。使用S7-1200 PLC实时采集、汇总数据,用两个通信模块采集数据来提高采集频率,设计轮询设备分组可选的PLC程序来保证采集频率。使用Wincc软件组态的本地PC通过访问PLC实现车间现场的实时监控。通过无线网关将PLC中数据上传云服务器,在云端进行数据储存与监控。实地运行表明,该系统不仅实现了数据的监控与记录,且运行稳定可靠。

基于改进FoveaBox的废杂塑料检测

塑料制品的产量和种类的飞速增长,给废杂塑料的回收带来极大的挑战;目前面对恶劣和高强度的工作环境,仍然依靠大量人工分拣,无疑亟待自动化升级;为解决上述问题,提出了一种改进的FoveaBox目标检测算法;针对废杂塑料分选背景复杂的问题,采用ResNeXt-101作为主干网络替代ResNet-50来提高特征提取能力;针对外形差异大的问题,采用带缩放系数的可变形卷积来提高卷积过程的有效感受野;针对目标间彼此遮挡问题,采用带层级控制因子的软化加权锚点机制来提高被遮挡目标的检测精度;结果表明,基于改进FoveaBox的废杂塑料检测算法检测平均精度均值达到85.79%,检测速度为71.4 ms,该检测算法较强的实用性得到验证。

基于改进Hu矩算法的AGV字符识别研究

视觉导引AGV以识别标识符为基础实现工位转换;Hu矩算法可以提取字符的特征参数,结合机器学习分类算法,对特征值进行提取并分类,其运算速度快,但是识别准确率低;分析其原理公式,发现由于阶数高导致数值范围大,数据相近度差;基于此,对Hu矩公式进行改进,构造了新的算法;通过对UCI字符数据库进行检测,并在视觉导引AGV平台上进行在线测试,验证了改进后的Hu矩算法可以更快地提取特征值,并大大提高机器学习算法字符分类准确率,说明改进后的Hu矩算法在视觉导引AGV的字符识别上具有较好的实用性。

脉振频率对脉振模压成型UHMWPE结构与性能的影响

现有超高分子量聚乙烯(UHMWPE)静态成型方法普遍存在成型周期长、能耗高、极易出现热分解等问题,其制品的初生相特征结构被彻底消除使其难以同时具有良好的力学性能和耐磨性能。为此,文中采用脉振模压(PVM)成型技术,在低温下高效地制备了UHMWPE样品(PVM-UHMWPE),并研究了熔融热压阶段不同脉振频率对PVM-UHMWPE样品微观结构与宏观性能的影响规律。结果表明:脉振模压作用引起UHMWPE颗粒相互摩擦,能促进UHMWPE颗粒界面熔合,实现低温成型,这能保留UHMWPE初生相高规整度、高结晶度的特征结构,从而提高样品的整体结晶度和晶片厚度;随着熔融热压阶段脉振频率的增大,脉振作用增强,UHMWPE颗粒界面固结质量提高,PVM-UHMWPE的屈服强度、拉伸模量、断裂强度和断裂功均得到改善,但当脉振频率超过3.0 Hz后,脉振作用对UHMWPE初生相高规整度、高结晶度特征结构的破坏程度加剧,使PVM-UHMWPE的整体结晶度和熔点均降低,在未能进一步增强断裂韧性的同时,致使样品的拉伸模量下降;相对于成型周期长一倍、成型温度高40℃的普通模压样品(CM-210℃-60min),成型温度为170℃、熔融热压阶段脉振频率为3.0Hz的PVM-UHMWPE样品(PVM-170℃-3.0 Hz)的屈服强度、拉伸模量分别提升了大约9%和23%,磨损率和磨损指数分别下降了大约24%和22%,即相对于CM-210℃-60 min样品,PVM-170℃-3.0Hz样品具有更高的机械强度和更好的耐磨性能。