首先对3D打印中央控制系统中主要组成模块的研究现状进行了详细介绍,包括3D打印运动轨迹控制与优化和温度精确控制;其次描述了现有的控制系统与其他相关功能,主要包括限位控制、自动调平以及力控制,其中力控制为打印一些特殊器件提供了可能;最后针对3D打印的相关应用领域与现存问题进行了介绍,包括航空航天和医疗领域的智能制造。

为了实现数控铣削加工的高效和低能耗,提出一种工艺参数的分析和优化方法。采用响应面法建立以高效和低能耗为目标的工艺参数优化模型,并通过残差分析验证建模方法的正确性。借助因素效应分析找到工艺参数对生产效率和能耗的影响规律;通过粒子群算法对工艺参数进行优化,实现生产效率的提高和能耗的降低。

为了保证全自动驾驶条件下列车编号识别的准确性,采用机器学习算法选择车辆编号区域图像的训练模型;根据车号位置、司机登车平台结构形式,合理选择车号机器视觉系统安装位置,确保所获取车号图像的完整性;采用YOLO算法对形态学处理完的图像进行字符识别,识别准确率大于99.74%,满足3σ原则,从而验证了训练模型以及算法的可靠性。

基于当前X射线管运行状态难以判断的问题,提出一种基于改进时频分析的X射线管无损检测技术。首先采用加速传感器采集X射线管特征信号,利用LabVIEW软件去除没有关联的信号,利用改进的时域分析方法获取X射线管信号的不同类别特征。然后根据X射线管特征信号数据源的不同,利用监控节点对其展开规则匹配,完成X射线管信号类别特征的分类识别,实现无损检测。实验结果表明该技术可清晰分析出X射线管旋转阳极信号在整个周期内的频率波动变化情况,峭度值可感应幅值的波动变化,准确反映异常信号结果,在精度高于94%的情况下完成X射线管无损检测。

针对风力发电变桨系统自动控制误差计算错误、不能自动容错而导致停止运行的问题,研究基于机器学习的风力发电变桨系统自适应容错控制方法。简化向量矩阵的计算过程,保证计算控制器跟踪误差的计算准确率,设计控制器补偿信号的模型结构,定义风力发电系统的真实控制率,基于机器学习优化容错算法,建立风力发电变桨系统容错控制自适应逼近模型。实验结果表明,在15组重复性实验中,实验组功率超出临界值的次数共有74次,远小于对照组,表明该方法能够更好地保证机组的正常运行,从而提高机组的稳定性和可靠性。

为提升条烟包装质量,设计基于YOLOv4卷积神经网络的条烟包装外观缺陷检测系统。系统包括传送带模块、图像采集模块、控制模块以及执行模块。传送带模块将待检测的条烟由上游运送至检测系统;图像采集模块利用黑白相机与彩色相机在LED补光器照明下采集传送带上待检测条烟外观图像并传送至控制模块;控制模块对条烟外观图像实施滤波处理后,通过YOLOv4卷积神经网络提取条烟外观特征图;执行模块基于缺陷检测结果向PLC控制子模块发出控制信号,控制执行模块清除条烟外观缺陷检测结果不合格的产品。实验结果显示,该系统能够准确检测条烟外观缺陷,提升条烟包装质量。

根据驾驶员前视野的设计要求,基于人机工程学,对矿用自卸车驾驶室前视野进行分析校核,并基于分析结果对驾驶室前视野进行优化设计。根据现有驾驶室结构特征,主要对驾驶室A立柱和前挡风玻璃进行结构优化通过采用变截面A立柱结构形式,在保证驾驶室强度要求的前提下,减小前挡风玻璃处的A立柱截面,从而减小A立柱双目障碍角;通过将前挡风玻璃由平面结构改为弧形结构,改变前挡风玻璃与驾驶室骨架的连接方式,增大前挡风玻璃有效面积,进一步改善驾驶室前视野,充分保证驾驶员的行车安全。

有限元方法在处理复杂裂纹问题时存在固有缺陷,基于非局部理论的近场动力学弥补了这一短板。为了将近场动力学方法应用于爆炸抛撒研究,针对固体燃料爆炸抛撒问题,采用近场动力学键理论,在合理假设的基础上提出了基于近场动力学的二维爆炸抛撒模型。进一步基于MATLAB平台开发了数值计算程序,并验证了程序在预测抛撒药云雾分布方面的有效性。最后研究了圆形、方形中心装药结构对爆炸抛撒结果的影响。仿真结果表明程序所得16 ms内云雾分布形状及2 ms内云雾扩散速率较为准确;不同装药结构会影响云雾扩散速度及云雾分布形状;圆形装药更有利于抛撒药的分散。

提出了改进的钢索塔斜拉桥主桥钢结构焊接工艺。采用CO2气体保护焊焊接钢箱梁和钢板,当钢结构温度低于0℃时预热母材,使其温度保持在22℃。定位焊钢结构,调整焊接焊条和焊丝位置,并实时检测焊接参数、焊接顺序、层间温度。采用超声波无损检测焊缝缺陷,完成钢结构焊接。通过实验,分别测试了钢结构焊接试件的抗疲劳断裂性能、最高硬度值和不同温度下的屈服强度,结果表明,采用所提出的工艺减缓了焊件的疲劳裂纹扩展速率,提高了其硬度值和屈服强度,主桥钢结构的力学性能要优于传统焊接工艺。

传统的机械驱动主轴异常检测方法通常仅提取主轴状态数据的单一特征,导致检测效果不佳,为此研究车辆段不落轮镟床作业机械驱动主轴异常检测方法。首先利用传感器采集主轴状态数据,并对其进行归一化操作和滤波处理;然后对预处理后的状态数据进行特征提取,并利用代价函数进行特征分类,以筛选出异常特征;最后通过计算待测数据与异常特征数据间的相似度,实现对机械驱动主轴的异常检测。实验结果表明,该方法在实际应用中ROC曲线的面积大,异常检测效果好。