基于机器视觉与改进遗传算法的机械手分拣方法研究

针对机械零部件快速分拣需求,提出一种基于机器视觉与天牛须改进遗传算法(BAS-GA)的机械手分拣方法.该分拣方法首先对零件图像进行预处理,然后利用Sift特征匹配的图像识别算法提取零件图像,并使用仿射变换对目标零件定位.接着,对得到的零件位置建立数学模型,使用BAS-GA算法求解该数学模型,得到机械手的抓取路径,实现机...     

采用硫酸熟化—水浸工艺从锂云母中提取锂铷铯

采用硫酸熟化—水浸工艺进行综合提取锂云母中锂、铷、铯的研究,考察了硫酸浓度、酸矿比、熟化温度、熟化时间、浸出温度、液固比等对锂、铷、铯浸取率的影响。结果表明,提取锂、铷、铯的最优工艺条件为:酸矿比1∶1、硫酸浓度70%、120℃熟化8h、液固比4∶1、50℃浸出1h。在此条件下,锂、铷、铯的浸出率分别为91.42%、88.83%、90.09%。     

舟山柔直系统的机电暂态等效建模研究

为高效、准确模拟大型交直流混合电力系统的整个动态过程,提出将逆变器整体等效为一个可控电压源,忽略MMC内部的复杂建模过程,仅保留系统、装置级控制器。最后通过仿真,分析故障下舟山五端柔性直流及交流混合系统,证明了该方法的可行性。     

生成对抗网络磨玻璃样肺结节分割方法

早期肺癌在影像学的表现形式之一是肺结节，其中磨玻璃样肺结节(Ground-Glass Nodules, GGNs)被认为是恶变可能性最大的肺结节之一。在诊断性CT图像上GGNs存在边缘模糊、大小形状各异、不规则等影响分割精度的问题。针对GGNs形态复杂、分割精确度欠佳的问题，提出了一种生成对抗式网络(Generative Adversarial Network, GAN)——GAN-DeepLabv3+,将DeepLabv3+作为图像分割生成器网络，通过引入编解码器结构，将深度可分离卷积应用到空洞空间卷积池化金字塔和解码器模块上，通过对抗式训练，最终获得GGNs病灶分割模型。实验结果证明，在对GGNs患者的CT医学图像的分割中，所提方法Dice系数为0.952,交并比(Intersection over Union, IoU)为0.876,像素精确度(Pixel Accuracy, PA)为0.991,相较于原始DeepLabv3+和ACRU-Net等现有方法，对GGNs均有一定的提升。     

基于ABiGRU的铣刀磨损监测方法研究

为了准确监测铣削加工过程中刀具磨损程度，提出了一种基于双向门控循环神经网络融合注意力机制(ABiGRU)的刀具磨损监测模型。在该监测模型中，通过对振动、力和声发射传感器采集到的时序数据进行时域、频域和时频域分析，使用spearman相关系数提取与后刀面平均磨损量强相关的20维特征。引入ELU激活函数来优化BiGRU网络，解决梯度消失问题；利用内部注意力机制提升模型对于重要特征信息的捕捉能力，快速实现从特征到刀具磨损值的映射。通过与RNN、LSTM、GRU、BiLSTM和BiGRU进行的对比分析，结果表明：该模型能够准确地表征刀具磨损程度，并使模型的精度和效率得到了较大的提高。     

基于X射线与神经网络的煤炭自动化干选模型

随着煤炭工业对品质要求和节能环保需求越来越高，煤炭智能干选的性能和效率变得尤为重要。为了提高煤炭智能干选识别能力，提出基于X射线与神经网络的煤炭自动化干选方法。采用双能X射线进行X射线图像的原始数据信息采集，采用深度神经网络模型检测与识别伪彩色X射线图像。目标检测采用YOLOv3模型，并采用IOU方法评价目标定位的精确度，目标识别采用ResNet18模型，进行目标识别模型训练，训练后对在线煤矸石进行识别和分选，实现煤炭智能干选。实验结果表明，采用该方法进行煤炭智能干选的准确性较好，煤矸分选精度较高。