基于改进的残差收缩网络的带钢表面缺陷识别北大核心

为解决传统视觉带钢识别无法自主提取图像特征,准确率会受到图像质量的限制等问题,提出了一种改进的深度残差收缩网络带钢缺陷表面质量缺陷识别方法。首先,利用数据增广的方法:旋转和翻转对数据集进行数据扩充;其次,建立残差收缩网络带钢缺陷识别模型,并且使用LeakyReLU激活函数替换原有的激活函数ReLU;再次,利用Adamax对残差收缩网络进行训练过程优化,减少资源的使用效果以及提高缺陷识别的准确率;最后,通过多次实验,然后取识别准确度的平均值。结果表明,带钢缺陷识别方法的准确度可以达到98.88%,优于传统的SVM、卷积神经网络、残差网络以及改进的残差收缩DRESN-CS。     

客运索道钢丝绳电磁检测的缺陷定性和定量

电磁检测是目前检测钢丝绳最简便、最可靠的方法,而永磁体磁场又是较为稳定的磁场,能检测出稳定清晰的缺陷信号。结合钢丝绳实际检测记录图及数据,对缺陷信号进行了定性和定量分析,确定了钢丝绳金属断面的缩小值、断丝的局部聚集和断丝的增加率。     

基于经验模态分解的钢丝绳缺陷漏磁检测

在钢丝绳无损检测领域,漏磁检测是最成熟也是应用最广泛的一种方法,但受检测环境影响,其难以直接从漏磁信号中提取缺陷特征。为此提出了一种基于经验模态分解的缺陷检测方法,首先使用小波和自适应调整阈值的软阈值方法去除漏磁信号中的噪声分量;然后采用经验模态分解方法分解信号,提取其中微弱的有用信息;最后,结合中等相关及以上的分量对信号进行重构,从而提取损伤特征,确定了损伤类型和位置。所提方法实现了钢丝绳在安全可用范围内的最大化利用,具有良好的经济效益。     

钢丝绳锈蚀、磨损缺陷识别研究

目的发展高性能、低成本基于图像处理技术的钢丝绳缺陷识别方法,实现钢丝绳磨损、锈蚀缺陷的检测。方法首先采用邻域平均法提取钢丝绳的灰度区域特征,接着建立了基于熵统计函数以描述、量化灰度分布特征与灰度波动特征,在此基础上,选取良品、锈蚀缺陷与磨损缺陷三种类型的样品进行区域灰度、灰度分布、灰度波动特征的量化与提取。结果经观测得到不同类型的样品在三维特征空间分布中具有明显的可区分性,基于该特点,可通过设置三维特征的阈值实现对钢丝绳合格品,锈蚀缺陷,磨损缺陷进行识别与区分。结论该基于图像处理的检测方法可高效、准确地实现了对钢丝绳的锈蚀、磨损缺陷的识别,不仅具有学术价值,更具有实用意义,非常适用于在线检测。     

基于机器视觉识别的小型机器人分拣搬运系统的研制

提出一种小型机器人分拣搬运系统的设计和研制方法。它基于机器视觉识别技术对工件进行辨识,用四自由度机器人进行搬运和分拣。主要研究内容有分拣系统的总体设计、部件和附件的设计、视觉系统的基本原理和编程、四自由度机器人的示教以及I/O通信和编程等。该系统己应用,效果良好。     

表面组装装备机器视觉系统研究

机器视觉系统作为表面组装装备的关键部分,其智能化程度直接决定着表面组装制造系统的智能化程度.从提高表面组装装备的加工速度和加工精度角度出发,对表面组装装备机器视觉系统进行了研究.根据机器视觉系统完成的主要任务,同时参考当今流行的机器视觉系统软、硬件组成,对表面组装装备机器视觉系统的结构及功能模块组成,各模块的工作原理、硬件结构设计、软件结构设计及它们的实现方法进行了较深入的探讨和详细的论述.     

基于视觉技术的连接器孔位识别与定位装配

针对圆形连接器生产过程中撑簧圈难以自动装入的难题,提出一种基于机器视觉技术的连接器基座孔位识别与定位的撑簧圈自动装配方法。通过CCD工业相机采集基座图像,利用中值滤波、二值化等图像处理技术实现图像去噪抗干扰处理以准确提取特征数据。进一步,通过连接器基座主键角度计算模块和孔位坐标定位算法实现任意规格的基座主键旋转角度的计算和孔位坐标定位,并最终完成撑簧圈的自动装配任务。采用13芯基座进行现场测试,结果显示主键旋转角度不超过1.35°、装配合格率达到100%,验证了系统的有效性。     

基于深度LSTM残差网络的旋转机械故障诊断研究

伴随制造加工业对可靠度与精准度的需求不断提升,及时而有效地获取旋转机械的故障信息能够保证设备的正常运行。采用深度LSTM残差网络完成旋转机械的故障诊断,主要包含3个模块：初始数据处理层、SP-LSTM残差网络信号诊断层与GAP-ELM网络下的故障分类层。该方法能够完成初始数据的深层特征发掘,利用LSTM元中的记忆与遗忘门获取故障数据的细微变化。所采用的GAP-ELM网络可规避传统Softmax方法分类准确度不高的问题,从而有效完成故障诊断。通过CWRU集完成该方法与文献方法的实验对比,结果表明该方法的鲁棒性较好,诊断正常信号、滚动体与内外圈的故障信号准确率均优于文献方法,此外,所提方法可在较少的epoch中实现稳定,并随着epoch的增加,损失值会逐渐减小。     

基于域自适应残差收缩网络的滚动轴承故障诊断

针对滚动轴承在新工况下无标记数据且存在噪声干扰问题,提出一种具备抗噪能力的滚动轴承故障诊断领域自适应深度残差收缩网络(DADRSN)。首先,采用深度残差收缩网络(DRSN)去除已知工况和新工况数据噪声冗余并充分提取数据特征;其次,应用迁移学习中的领域自适应(DA)方法,计算已知工况和新工况数据的局部最大均值差异(LMMD),以对齐两种工况数据之间的分布;最后,对新工况下故障样本进行分类。实验结果表明,该模型在噪声干扰、缺少标记数据、工况变化的情况下仍能保持较高的故障诊断精度。     

基于BP神经网络的钢丝绳电涡流无损定量检测技术

钢丝绳在建筑、旅游、运输等行业中已得到了广泛应用,由其断丝、磨损等缺陷所引起的安全隐患备受人们关注。采用双探头低频透射式钢丝绳电涡流无损检测方案,选取感应信号相对于激励信号的峰-峰值差和相位差作为特征量,采用数字式峰-峰值算法和占空比原理计算信号特征量。应用BP神经网络对钢丝绳缺陷进行自动识别,以钢丝绳型号及其缺陷特征量为网络输入,以是否存在断丝及断丝数量为网络输出,通过离线训练方法获取神经网络辨识模型。对实验数据进行识别,结果表明BP神经网络能对断丝缺陷及其数量进行有效的定性及定量识别。     

桥式起重机钢丝绳破坏分析

结合生产现场实际,详细分析了导致桥式起重机钢丝绳破坏的主要原因,结合现场实践总结了一系列延长钢丝绳使用寿命的方法。通过有针对性的改善钢丝绳的使用环境,达到预防钢丝绳断裂,提高起重作业安全性的目的。     

基于霍尔阵列传感器的钢丝绳缺陷定量检测技术的研究

传统的钢丝绳无损检测装置采用感应线圈作为传感器,但由于线圈传感器的输出与钢丝绳的运动速度相关,使用霍尔传感器可有效地克服钢丝绳运动速度的影响。设计了一种基于霍尔阵列传感器的钢丝绳无损检测系统,系统不仅可实现缺陷在钢丝绳轴向的准确定位,且可实现对不同周向位置的缺陷的检测,提高了钢丝绳缺陷检测的维度,并通过二值化漏磁图像的局部像素和来实现缺陷大小的定量,取得了良好的检测效果。     

铁磁性钢丝绳电磁检测校准和定量分析

1 钢丝绳电磁无损检测现状 国内外早期的钢丝绳电磁检测仪主要采用漏磁检测原理,尽管采用了各种分析和处理方法,但定量分析的效果不很理想,在现场应用有很大的局限性.     

基于虚拟样机技术的钢丝绳动张力仿真研究

为确保吊装系统作业安全,对钢丝绳的动张力进行研究具有重要意义,ADAMS软件为动张力的研究提供了很好的仿真平台.分析3种钢丝绳动张力建模方案的优缺点及其适用情况,并通过实例,对不同情况下钢丝绳动张力变化规律进行仿真分析.结果表明:当工况改变时,应对提升过程中的动张力给予充分重视.     

钢丝绳典型缺陷的漏磁场有限元仿真

采用有限元仿真的方法,分析了提离距离、缺陷宽度和深度以及缺陷在钢丝绳内的深度等参数与漏磁场的关系,得出了提离距离并不是越小越好的结论;并且缺陷宽度与提离距离的和等于漏磁场径向分量峰一峰值间距;漏磁场轴向分量与缺陷深度近似成线性关系;漏磁场轴向分量与缺陷在绳内深度成线性关系。     

钢丝绳拉力计算机自动测量系统的研究

对钢丝绳拉力计算机自动测量系统进行了研究,该系统采用多个液压千斤顶同步顶升来实现大吨位长整钢丝绳的实际承载力检测。其控制系统以工控机为核心,基于现场总线技术,对压力传感器、位移传感器、状态设置开关、油泵换向阀和油管超高压电磁阀等设备进行网络监控,并对多个支点进行同步协调控制,实现了钢丝绳拉力的精确测量。解决了大吨位长整钢丝绳的实际承载力和钢丝绳压扣质量无法检测的问题。     

起重机钢丝绳断裂失效分析

某工地一台塔式起重机因起升钢丝绳发生断裂,造成人员伤亡事故。对现场截取的断裂钢丝绳进行结构、材质分析以及采用表观检测、力学性能检测、断口分析相结合的方法进行钢丝绳失效分析。检测分析结果显示事故现场断裂的钢丝绳结构为6×37+FC,属于一般用途钢丝绳。钢丝绳中的钢丝发生了不同程度的锈蚀,尤其是各股外层钢丝均发生了严重锈蚀;钢丝绳中各股外层钢丝都有不同程度的磨损,甚至有钢丝出现磨损断裂;严重锈蚀和严重磨损大大降低钢丝抗拉强度。综合分析表明钢丝绳选用不当以及使用过程中对钢丝绳保养维护和检查不到位是造成钢丝绳断裂的主要原因。