针对曲面玻璃表面缺陷成像难、识别准确率低等问题,提出一种基于YOLOv4的曲面玻璃表面缺陷检测方法。根据光源的方向确定平面与曲面的光学特性,采用明场背面漫射照明的方式来获得图像信息,确立打光方案后获取不同表面的缺陷图片。使用改进K-means聚类算法,采用交并比函数确定锚框的量度,解决原锚框大小不适用于玻璃缺陷小目标检测问题。将所提方法与缺陷检测主流算法对比验证。结果表明:所提改进的YOLOv4方法均值平均精度(mAP)可以达到80.14%,与Faster RCNN以及YOLOv3算法相比,mAP分别提升了8.29%和16.11%,并且有更好的鲁棒性和检测效果。

由于铸件自动化打磨作业中存在点云数据过冗余等问题,导致数据处理时间过长,影响加工效率。为了提高点云处理的计算效率,提出一种基于线性耦合曲率的点云精简方法,以兼具效率和精度。对源扫描点云构建K-d树数据结构,并提出更稳健的线性耦合曲率特征模型以提取特征域;在此基础上,利用改进空间二分法快速精简非特征域;最后融合特征域和精简后的非特征域,得到最终精简结果。结果表明:该方法可得准确的精简比,拟合曲面模型仅存在微小的数据空洞。在90%精简比、2.7%噪声比条件下,保形性误差为0.867 mm,优于传统的点云精简方法,能够实现铸件点云的高效精简。

由于整个液压传动过程中包含若干参数的不一致性,使得液压硫化机传动系统的重复定位精度难以十分精确。本文在采用Amesim软件对液压传动系统建模的基础上,采用模糊数对各种不确定参数进行描述,得到了一个模糊液压系统模型。对该模型的仿真分析可以看出传动系统的不确定性的范围,并确定出在最坏情况下的重复定位精度误差,从而为改进设计提供了科学依据。

轮胎硫化机液压传动系统显著地表现出连续和离散并存的混杂特性,建立合适的混杂系统模型并对其仿真分析对于产品的设计和分析具有重要意义。将连续的动态方程嵌入Petri网中,引入混杂系统的GHPN建模方法对轮胎硫化机液压传动控制系统建模;在Dymola仿真平台上,使用Modelica语言中的混杂建模技术实现模型的仿真分析。结果表明该方法可有效地建立硫化机液压传动系统的参数化模型。

提出在污水处理厂实施远程监控的思路，介绍远程监控软件的开发模式以及使用PcAnyWhere软件直接对污水处理厂监控机进行远程控制的方法。

以一种串联的欠驱动机器人为研究对象,设计一种优化机器人末端控制机构,并在此基础上建立其运动学模型。提出在确定运动轨迹下,以控制机器人末端对轨迹的跟随性为目标,通过多关节配合,实现机器人末端工具对曲面的柔性跟踪。实验证明:该机器人能够按照指定的轨迹运动,并且在被动轴的作用下,机器人末端可以与跟踪曲面保持良好的柔性接触。

由于示教型焊接机器人在进行汽车薄板件连续焊工艺时存在装夹误差和热变形等问题,导致焊缝实际轨迹与示教轨迹存在较大误差。为提高焊接质量,基于焊接机器人构建激光视觉焊缝检测跟踪系统,提出基于目标估计准则的焊缝跟踪算法,实时跟踪焊缝中心点三维位置变化。以传统图像处理法提取初始帧焊缝特征点,通过改进的孪生神经网络对强干扰下的焊缝特征点进行跟踪提取。通过坐标转换得到机器人基坐标系下的焊缝中心特征点三维坐标。结果表明:该算法能精确提取跟踪焊缝特征点,平均误差为0.48 mm,平均帧率为90帧/s,优于传统图像处理方法和基于相关滤波的方法,能够实现快速准确的跟踪。

针对传统点胶系统无法适应产品尺寸误差、生产效率低下、自动化及智能化程度不高等问题,设计一种基于工件自动识别的视觉点胶系统。首先,提取输入图像的HOG特征,通过已训练好的基于one|versus|one(OVO)的支持向量机获取工件类别信息,实现图像分割阈值的自适应选择;其次,自适应选择预设阈值指导图像分割、边缘检测,得到初步点胶路径;然后,利用局部加权线性回归方法(LWLR)平滑初步点胶路径,降低因机械系统抖动而导致的系统损耗;最后,提取点胶路径关键控制点,减少路径插补计算量,在保证分割精度的情况下,进一步平滑路径,生成任意复杂点胶路径,执行点胶任务。大量实验结果表明,系统能准确识别工件类别,同时,在保证分割精度前提下,有效平滑点胶路径,满足点胶系统的通用性、实时性、高精度性需求,延长了系统使用周期。

模具往往是按订单定制设计,经常由于客户需求变更、技术确认等原因导致设计任务中断,给模具设计人员配置带来很大困难。由于模具设计过程调度策略、设计单元构成模式等复杂问题无法用封闭形式描述,因此基于实际模具设计场景搭建仿真模型,以最小的人员总雇用成本为目标,同时考虑系统的设计产出及设计周期,采用遗传算法来搜寻设计人员配置的最优解,以此为依据合理配置设计人员数量。实例验证表明所提方法对于求解无法用封闭形式描述的约束条件的人员优化配置问题是可行的。

文章研究绝对式光栅尺测量精度的影响因素,探索提高绝对式光栅尺测量精度的补偿算法。通过分析绝对式光栅尺测量精度的影响因素设计出绝对式光栅尺测量精度检测平台,在该平台上进行多次精度测量,得到误差曲线;根据误差曲线的特性,依次采用一次线性补偿,分段线性补偿和基于径向函数的神经网络补偿算法进行修正,并写入到绝对式光栅尺读数头内。从实验结果显示,绝对式光栅尺经过一次线性算法补偿后,精度提高到2.8μm,经过分段线性算法补偿后精度提高到1.08μm,经过基于径向函数的神经网络算法补偿后精度可提到0.65μm。表明以上三种算法都能达到对绝对式光栅尺测量精度进行补偿目的,对绝对式光栅尺精度的提高具有较大意义。