东风车架装配线生产节拍研究

对东风汽车公司车架厂"天龙"系列车架装配车间生产线现场与生产节拍相关的数据进行了测试、收集和整理.运用工业工程的思想对这些具体的数据进行分析,找出"天龙"系列车架装配生产线上存在的问题和不足,并提出一系列具有可行性的解决方案.从而降低了生产成本,增强了企业的竞争力.     

针对钢材表面小目标缺陷实时检测

钢材表面缺陷检测任务中,YOLO将目标检测转换为对位置信息的回归问题,实现高帧率实时检测,但对小目标缺陷定位精度有所欠缺。针对该问题,以YOLOv5s架构为基础,首先,在模型输入端设定动态尺度训练范式,提高小目标缺陷训练精度;其次,设计STD-CA模块利用图像转换技术,避免下采样过程中分辨率的降低,导致小目标缺陷特征信息的丢失,并引导特征提取能力,降低无关背景特征关注度,进一步提高模型小目标缺陷检测精度。结果表明,在NEU-DET数据集中,改进后模型在保证检测速度保持在54 frame/s的同时,平均精度均值达到86.6%,较YOLOv5s提高17.6%,对小目标缺陷定位更加准确,目前优于其他深度学习钢材实时检测模型。     

汽车回转类零件CAPP系统的研究

介绍大批量生产环境下的汽车回转类零件CAPP RPCAP系统的结构、功能及特点 ,重点讨论零件信息输入、工艺规程生成等关键技术问题。该系统可实现工序内容和工序图的自动生成     

敏捷产品开发中的时间工作流建模研究

在大规模定制模式下如何高效地处理敏捷产品开发过程中的工作流是实现敏捷产品开发的关键问题。敏捷产品开发中的工作流具有很强的时间逻辑关系。在敏捷产品开发的工作流模型中增加时间信息，并利用J．F．Allen研究的时间逻辑对时间信息进行验证，建立敏捷产品开发的时间工作流模型；在敏捷产品开发过程中从本企业各部门选择合适的人员和动态联盟中其他企业的人员组建多功能开发团队，并运用时间工作流管理系统进行管理，并通过Internet来对工作流进行集成。     

一种求解Job-shop调度问题的遗传局部搜索算法

利用遗传局部搜索算法求解了作业车间调度问题,遗传算法中的染色体编码采用基于工序的编码,并用插入式贪婪解码机制将染色体解码至主动调度。为了克服传统遗传算法易于早熟收敛的缺点,设计了一种改进的优先操作交叉IPOX操作和子代产生模式的遗传算法。对于遗传算法每个染色体个体,使用基于N6邻域结构的局部搜索进一步使它们得到改善。利用所提出的混合遗传算法求解基准问题,验证了算法的有效性。     

支持网络化制造的车间资源集成与执行系统

提出一种对传统车间制造资源实施网络化改造与性能提升以支持网络化制造的系统集成框架及其实现方法。应用分布式人工智能中的多Agent技术和CORBA分布式对象技术与规范，对车间各种异构制造资源进行建模和封装设计，通过基于CORBA的开放式系统集成框架，将封装后的制造资源Agent以“即插即用”方式进行集成，制造资源Agent之间通过互操作方式进行协作，以实现制造过程管理与执行。最后，基于上述方法开发了一套支持网络化制造的车间制造资源集成与制造过程执行系统，该系统具有可集成性、开放性、智能性和可重构性等特点，不仅可实现车间内部制造资源的快速集成，同时还能支持网络化制造环境下车间资源的共享及制造过程管理与执行。     

CIMS环境下汽车覆盖件模具CAPP的研究与开发

分析了汽车覆盖件模具的结构和工艺特点，提出了基于零件分组和面向工艺决策的特征描述方法；介绍了CIMS环境下汽车覆盖件模具CAPP系统。该系统采用特征信息与工艺规则相匹配的基于规则的工艺决策方法，以及按零件特征搜索相似零件工艺的基于实例的工艺生成方法，实现了工艺设计的自动化。     

林业抚育间伐相关问题浅析

在人类生存环境持续恶化的背景下,关注生态环境,实现人与自然的可持续发展已成为全人类的共识.人们逐渐认识到林业的重要性,积极采取了相关措施保护林业的发展.抚育间伐技术对于改善林木生态环境,促进林木健康生长,满足了人们对优质木材日益增多的需求有着极大的促进作用.本文对林业抚育间伐的相关问题进行探讨.     

基于机器识别的带钢表面缺陷检测研究

针对传统带钢表面缺陷检测技术落后、效率不高及小目标识别能力不足等问题,提出一种改进的YOLOv5s-Tiny目标检测模型,在保持模型较小计算量的同时提升检测速度和识别精度。通过将主干网络GSP-Darknet53替换为轻量级GhostNet网络,减少模型参数的数量,提高推理速度。在主干网络加入CBAM注意力机制,通过通道注意力机制和空间注意力机制对特征信息进行融合增强,提高小目标检测精度,并将损失函数GIoU改进为EIoU,提高检测框定位能力。最后将改善后的训练模型格式转换后安装到手机安卓端验证优化的有效性。结果表明：在东北大学数据集中,改进后模型检测精度提高1.5%的同时,召回率提升了1.5%,参数量减少12.3%;安卓端检测速度约为120 ms,完成带钢缺陷的实时检测。     

基于改进VGG13的冲压件表面缺陷识别方法研究

针对现有冲压件制品缺陷检测方法准确率低的问题,分析深度学习的原理与方法,以VGG13网络为基准模型,通过在特征提取层之后增加CBAM模块进行改进,提出5种基于VGG13与CBAM注意力机制模块相结合的网络模型（VGG13-CBAM）,将改进后的新模型与改进前原VGG13模型分别在武汉某制造车间采集的冲压件缺陷数据集上进行实验研究。将数据集以6∶2∶2划分为训练集、验证集、测试集,并使用数据增强进一步扩充训练集,增加模型泛化性能,对比数据增强前后效果的提升。实验结果表明：在改进后的VGG13-CBAM03网络与VGG13-CBAM04网络上效果明显提升,测试集正确率由79.65%分别提高到了81.55%和81.40%,在使用数据增强对训练集进行扩充后,测试集正确率分别达到84.25%和84.15%,有效提升了冲压件缺陷检测准确率。