为提高轴承端面缺陷检测的速度以及检测精度,提出一种基于改进YOLO v3的轴承端面缺陷检测算法。首先,对图像数据集进行数据增强处理以防止产生过拟合现象;其次,通过改进K-means聚类算法重新聚类出目标检测的Anchor Boxes,并引入SKNet注意力机制模块对原网络结构以及输出层结构进行改进;最后对改进的YOLO v3算法进行实验验证,并与原YOLO v3算法进行对比分析。结果表明,改进后的YOLO v3算法相比原YOLO v3算法对轴承端面缺陷检测的mAP值提升了7.03%,检测速度提升了34.7帧/s,验证了改进算法的有效性。

轴承、齿轮等零部件作为机械设备的关键组成部分,它们的运行状态直接影响着整个系统的安全。为此,提出了T分布随机近邻嵌入改进的机械故障诊断方法。该方法将机械故障信号历史监测信号作为原始特征库,采用t-SNE降维算法提取机械故障信号的主特征矩阵,基于改进的聚类算法搜寻每一采样时刻的聚类中心,分别计算在各个采样时刻的偏心距离,得到归一化的累积偏心距离矩阵,从而实现故障的准确预测。结果表明,所提出的方法能够准确地分类不同机械故障模式,有助于保障设备健康平稳运行。

针对轴承钢硬度检测要求，提出了对电磁检测信号进行分类处理的简便方法，得出了一种简单实用的无IR区的线性分类规则。在此基础上，利用C＋＋Builder设计了轴承钢硬度虚拟检测系统。

为了探索工艺参数对管材液压成形工艺的影响,研究了比例加载。通过理论计算和仿真结合的方法,对TP2铜管进行了管材液压成形,并且对比分析了试验与仿真环境下胀形区的轴向轮廓,以相对误差小于10%作为判断准则,对模型进行验证。通过改变液压力与轴向进给量,观察并分析了环向与轴向流动应力分量的变化,最后采用K-means聚类算法进行优化,实现了比例加载,并得到了该加载路径,其在胀形过程中的应力分量比值R=2.233,误差范围为:-1.46%≤E;≤1.6%。结果表明,K-means聚类算法优化后的流动应力分量比值的波动范围明显减小,说明该算法可以优化加载路径。