复杂光照环境下手工装配件视觉检测方法研究

手工装配流水线上的工件摆放位置随机,且光照复杂多变,现有的视觉检测方法易受影响。针对此工况下的插座螺钉装配检测需求,设计了一套复杂光照环境下手工装配件视觉检测方法。首先在HSV颜色空间利用颜色进行图像分割,找到工件外轮廓,通过几何位置换算找到螺钉孔所在的大致区域;然后在此区域中对自适应阈值二值化图像进行霍夫变换圆检测,得到螺钉孔精确位置;最后基于全图平均灰度值设置阈值,对螺钉孔位置的灰度特征进行判断,得出检测结果。经实验验证,该方法有很强的鲁棒性、适应性,具有良好的工程参考价值。     

395BI型电铲铲斗斗前臂的更换工艺

文中简要分析了395BI型电铲铲斗底板断裂、磨损的原因,着重讲述铲斗的组装及焊修工艺,概括说明修复后的395BI型电铲铲斗投入露天煤矿生产之后保持完好的近况,为此,395BI型电铲铲斗的成功修复,为以后此类大型焊接结构件的焊接维修提供可借鉴经验。     

数控机床机械结构设计和制造技术的创新研究

随着科学技术水平的不断提高,我国的机械工业也得到了前所未有的进步和发展。但是随着市场更新换代的加速,机械工业也在不断的创新和完善中。为了更好的满足于市场的需求,提高数控机床的应用性能和价值,需要对数控机床机械结构和制造技术进行不断的完善和创新,借助于科学技术来设计更好的机械结构,提高生产制造效率,为推动我国生产制造业的发展提供保障。基于此,本文针对数控机床机械结构设计和制造技术的创新进行了分析和讨论,希望可以为今后数控机床的发展和进步提供一些有价值的参考。     

基于布谷鸟算法和支持向量机的变压器故障诊断

电力变压器是电力系统运行中的重要设备之一,对故障和缺陷进行正确的诊断,关系到整个电网的运行安全。支持向量机(SVM)能够较好地解决小样本、非线性特征的多分类问题,适用于变压器故障类型判断。利用布谷鸟搜索算法,对支持向量机进行寻优得到全局最优解,从而得到具有最佳参数的支持向量机分类模型。该分类模型将变压器油色谱数据(DGA)中各气体相对含量作为评估指标,将变压器的故障分为低能放电、高能放电、中低温过热、高温过热等4个故障类型。通过已有的数据实例分析得出,利用布谷鸟搜索算法得到的分类模型比常用的网格搜索算法(GS)、粒子群搜索算法(PSO)、遗传算法搜索(GA)等算法得到的模型拟合准确率更好。     

基于UML状态图和Qt状态机框架的 IEC104规约的分析与实现

为了提高软件的可维护性和可扩展性,降低规约开发的复杂度,基于统一建模语言(UML)的状态图理论对IEC 60870-5-104规约主站端进行了分析。抽象定义了动作、事件和状态,利用UML状态图分层和并发特性设计了规约逻辑状态图,并使用Qt的自动机框架进行了软件实现。结果表明,设计出的状态图层次结构分明,逻辑关系清晰,各功能模块间相互独立,而且降低了耦合度,编程实现简单明了,体现了这种方法的优越性,对其他复杂通信规约的开发也具有一定的参考价值。     

基于FPGA的GOOSE报文解析模块设计与实现

为了提高通用面向对象变电站事件(GOOSE)报文的传输实时性和可靠性性能,给出一种基于现场可编程逻辑门阵列(FPGA)的GOOSE报文快速有效解析的方法。利用FPGA的并行执行机制,设计并实现了GOOSE报文解析有限状态机与订阅检验判断流程。通过对实例的行为仿真及波形捕获,验证了设计在较大网络流量下能够实现过滤并快速解析GOOSE与链路自检的功能。相对于传统CPU的顺序执行处理方式,基于FPGA的变电站实时报文解析设计具有更高的实时性及可靠性,为过程层设备的设计与开发提供了新思路。     

永磁-感应子式混合励磁电机转子油摩损耗

以充油运行永磁-感应子式混合励磁电机为对象,对电机转子油摩损耗进行了研究。根据电机结构特点,将电机中光滑转子与齿槽转子分开考虑,采用不同方法分别计算两部分的油摩损耗。基于流体力学理论,采用流体场数值计算方法,重点分析齿槽转子油摩损耗的影响因素,得到了油摩损耗与电机转速和定子内径的数值关系,揭示了温度对转子油摩损耗的影响规律。样机实验结果与计算结果基本一致,验证了计算方法的有效性。     

基于支持向量机的电站锅炉煤灰熔点预测

为解决结渣问题对电站锅炉高效稳定运行的影响,探讨了一种煤灰熔点预测模型。首先分析锅炉混煤燃烧时的煤灰结渣特性,介绍了支持向量机(support vector machine,SVM)回归方法,将煤灰中的8种氧化物成分作为输入量,以煤灰熔点作为输出量,建立煤灰熔点的SVM回归预测模型,并采用遗传算法对模型参数进行寻优。经过仿真实验,将模型的预测结果与广义回归神经网络模型的预测结果进行比较,结果表明本预测模型预测精度高、泛化能力强,有助解决电站锅炉的动力配煤技术中的结渣问题。     

Practical Implementation of Novel Robust Position Control Scheme for Synchronous Reluctance Motor

A variable structure robust position controller is presented for a three-phase synchronous reluctance motor. Linear control and variable structure control and pulse-width modulation generation are combined. These provide robust, fast, and accurate position control without the penalty of high chattering. Schemes, including conventional sliding-mode control and the proposed scheme, are tested under parameter variations, and sudden perturbations are applied to the system at a specific time, then compared. This scheme uses both advantages of traditional variable structure control methods and linear methods. The disadvantages of each method, such as chattering and parameter sensitivity, are minimized. Results demonstrate that the proposed technique preserves the classical linear position control merits, while both the steady-state and transient behavior are significantly improved in terms of robustness, accuracy, and low ripple. The results also prove that the position reference command is perfectly tracked in spite of motor parameter uncertainties and load torque disturbance in control of the system that uses the new schemes.     

SOM特征提取与ELM在电力负荷预测中的应用

随着电力负荷内涵复杂度和非线性增加,单纯追求电力负荷预测精度将变得困难。研究根据负荷样本分析其趋势、抽取特征来解决预测精度问题,即提出一种基于自组织特征映射网络(SOM)进行特征提取并与极限学习机(ELM)相结合的短期电力负荷预测方法。通过SOM特征提取找出与预测日同类型的历史数据作为训练样本;然后采用ELM进行预测,该方法预测过程简捷,能得到唯一的最优解。实验以某市的电力负荷数据进行仿真和比较。结果表明,基于SOM特征提取的ELM方法不仅精简了训练样本数量,且使训练更具有针对性,提高了预测精度和泛化性能,具有一定的理论意义和较好的应用前景。