基于粒子群优化BP神经网络的超声波缺陷位置预测

海洋设备的无损检测对于保障设备安全使用至关重要,由于设备所处的海洋环境特殊,要实现对海洋设备缺陷位置的准确估计难度较大.论文提出了一种基于粒子群优化BP神经网络(PSO-BP)预测设备缺陷位置的方法.通过模拟了海洋检测环境,用钢板作为实验对象,用超声波探伤仪对缺陷钢板进行了数据采集,获取了水下钢板的实时数据.通过粒子群算法对BP网络进行优化后对数据进行分析,对比缺陷出现的实际位置和预测位置,证明了粒子群优化的BP神经网络对于超声波检测的缺陷出现位置具有较好的预测效果.     

基于ANSYS Workbench的机械手关键部件优化

为保证机械手在夹持工件过程中的安全性和稳定性,课题组基于ANSYS Workbench对球形工件夹持机械手的关键部件进行了优化。课题组对机械爪进行了静力学分析,确定了机械爪最优厚度尺寸,验证了其强度、刚度及可靠性;对传动轴进行了模态分析,求解出了传动轴的6阶固有频率和振型,以防止共振对零件造成损伤。结果表明:模拟研究准确评估了夹持过程零件易受损伤的部位,揭示了振动的内在规律,为机械手的设计制造提供了参照。     

基于PCA图像融合的皮革缺陷检测

皮革缺陷检测技术落后是影响皮革行业快速发展的众多原因之一,因此改进检测方法是皮革行业快速转型升级的重要手段之一。论文提出一种基于分块的PCA融合算法和迭代阈值分割算法相结合的皮革缺陷检测方法。该算法可以一次性检测出皮革中孔洞缺陷（穿透和未穿透）和表面划痕缺陷,经实验证明论文提出的算法相比其他方法,检测效果更好,分割出的缺陷轮廓更加清晰、完整,检测准确度高达83.9%。     

基于AC图像显著性的皮革缺陷检测

皮革缺陷检测是皮革生产过程中极为重要的一道工序,现有技术在检测效率和准确率方面仍存在较大挑战。利用红外热成像和图像融合技术提出一种基于图像显著性的皮革缺陷检测方法。首先采用拉普拉斯金字塔将自然光图像和红外热成像图像分解,基于融合规则对不同图层融合并重构融合图像。提出一种改进的AC显著性检测算法对融合图像生成显著图,并利用最大类间阈值分割算法检测其中缺陷。实验结果表明,相比传统方法该算法可检测出皮革孔洞和表面缺陷,缺陷分割完整、轮廓清晰,检测精度可达87.7%,平均交并比为0.8654,虚警率为4%。