面向中小型制造企业的网络化制造模式及产品协同设计模式构想

简要分析我国中、小型制造企业的生产运作过程，指出实施网络化的具体领域，提出相应的网络化系统模式；简要分析企业产品开发的一般过程，对产品协同设计的领域进行划分，提出针对中小企业的产品协同设计系统，目的是提高企业的生产运作效率和产品开发能力。     

重型车床床身性能分析及多目标参数优化

以重型卧式车床床身为研究对象,为满足床身在静刚度不降低条件下达到轻量化、动静态性能好这一要求,提出以质量、最大变形和低阶固有频率为目标的优化设计方法。通过正交实验法建立了床身低阶固有频率、最大变形和质量关于筋板厚度的响应面模型,并对模型的准确性进行了验证。运用带有非支配排序遗传算法(NSGA-Ⅱ)对床身进行多目标优化求解,得到了Pareto最优解集。在此基础之上,采用基于信息熵赋权的多目标灰靶决策算法对Pareto解集进行优选。通过对最终方案进行有限元分析,优化后的床身动静态性能略有提高,质量减轻了604kg。具体算例表明,该方法具有实用性。     

基于深度学习的元器件视觉识别和定位技术

为解决当前装配机器人视觉系统对元器件误检率高、效率低、难获取有效定位信息的问题，提出了一种基于深度学习的元器件视觉识别和定位方法。首先，设计基于深度聚合和解耦头的高精度检测算法，提高元器件识别和主体检测的精度；其次，设计标注和判定规则，细化定位主体轮廓和抓取点；最后，设计基于网络剪枝的轻量化检测算法，实现模型压缩，提高引脚检测和装配点定位的效率。研究结果表明：该方法在元器件的识别和定位上取得了较好表现，类别识别平均错误率仅为0.27%，计算量减少了29.8%，参数量减少了22.7%，并将传统的元器件轮廓检测扩展到抓取点和装配点定位，得到丰富的类别和位置指引信息，为工业机器人精准、可靠、稳定地抓取和装配做好基础。     

上下料机器人视觉测量系统关键技术的研究

根据上下料机器人对于视觉系统的要求,对双目视觉测量系统的数学模型进行分析,进而分析了双目测量系统的精度,根据该模型,通过实验进一步验证和分析两相机的角度和基线距,以控制测量的上下偏差值,来保证图像采集精度,为上下料机器人抓取提供准确的坐标数据。     

RBF神经网络在机器人视觉伺服控制中的应用

传统的机器人视觉伺服控制是由系统雅可比矩阵的计算得到图像空间与机器人空间的非线性关系,这种方法不仅计算量大、系统结构复杂,而且对系统模型误差敏感。针对此问题,在分析视觉伺服数学模型的基础上,设计了RBF径向基函数神经网络来实现机器人视觉伺服系统手眼协调功能,从而简化控制算法。通过仿真实验证明所设计的径向基函数神经网络控制系统具有良好的目标定位效果和泛化能力,并且极大地缩短了视觉伺服所需时间,很好地保证了控制系统的实时性。     

工程图学装配图读图的CAI课堂教学

装配体装拆过程的三维动态模拟，装配体装拆过程的二维视图动态模拟，由装配图拆画零件图的二维过程演示，这三者构成了工程图学中有关装配图读图部分完整的课堂教学模式。笔者结合工程图学独特的教学特点，论述了上述课堂教学模式中3个组成部分之间的内在联系和不可分割性。并以作者所在课题组的CAI课件研制成果为例，介绍了该课堂教学模式在课件中装配图读图部分的总体设计、实现方法与过程。     

产品可装配性评价系统建模及装配优化的研究

面向装配的设计(DFA)的研究和实践，对实施并行工程具有重要的意义，目前得到了广泛的重视。笔者依据将可装配性评价系统做为一个模块集成到整个虚拟装配支持系统中去的思路。从系统工程的观点出发，以装配单元为研究对象，提出并构造了可装配性评价的指标体系，建立了可装配性评价系统模型，并探讨了最优装配方式的求解策略和方法。