无游梁抽油机换向部分的设计与控制

无游梁抽油机作业时,上冲程和下冲程的悬点速度相同,传递效率低、功耗大,无法满足低排量井抽油效率的要求。提出一种无游梁抽油机换向部分的设计及控制方案。换向部分用两对气控离合器与齿轮组合的接合与断开来实现抽油机的换向和变速。通过位置传感器,利用PLC控制系统,对两个离合器进行控制,以达到精准判断、自动控制的目标,改变无游梁抽油机上下冲程悬点速度相同这一现状,实现高效低能耗工作。     

游梁式抽油机游梁的优化设计

建立了游梁式抽油机游梁结构的数学模型,以游梁截面面积最小为目标,按API-11E规范为指导,提出了合理的约束条件,对游梁结构进行优化设计.运用Python的非线性规划方式编程求解,并以640-365-192型抽油机为例,比较了优化前后游梁截面尺寸.结果表明,在同样满足抽油机工作能力的条件下,优化后的游梁较优化前节省钢材7％,降低了游梁的生产成本.     

电磁式抽油机负载模拟系统

针对目前游梁式抽油机存在悬点载荷上、下冲程相差较大,变化复杂等问题,为提高游梁式抽油机的平衡效果,提出了在抽油机出厂之前通过模拟加载系统对其性能进行测试的理念。重点介绍该系统的结构,主要由电磁阻尼器,驱动器,位移传感器,力传感器,重物等组成,并在Matlab的Simulink模块中进行模拟,表明该系统的可满足性能的测试。     

基于立体视觉与激光雷达的车辆目标外形 位置融合算法研究

环境感知技术是智能汽车的关键技术之一,单独使用视觉传感器或激光雷达在目标检测和目标定位方面存在局限性。本文在图像和激光雷达目标检测的基础上,提出了一种基于立体视觉与激光雷达的车辆目标外形位置融合算法。首先,采用深度学习方法对图像和点云数据进行目标检测,再通过基于目标三维点和目标种类的目标外形位置估计方法确定目标的外形和位置,最后在数据关联后对同一时刻的图像目标及点云目标进行融合处理,获取目标的外形和位置。在KITTI数据集以及实际道路场景上验证了本文算法,实验结果表明,本文方法在检测精度上分别比YOLOv3网络、Point-GNN网络提高了5.72%和1.8%。另外,在20 m内目标外形及位置平均误差分别为4.34%和4.52%。     

参数设定对原子力显微镜测试的影响

研究了不同的测试模式、线扫描点、扫描速率、积分增益和振幅设置对原子力显微镜测试的影响,比较了在不同的测定参数下样品的成像质量、槽深和粗糙度.结果表明,随着线扫描点的增加和扫描速率的降低,成像所需的扫描时间也随之增加,但扫描点越多,图像越精细.积分增益越大,系统响应的越快,但系统的噪音也会随之增加.振幅设置对软样品的影响比对硬样品的大.结合实际操作,还简单介绍了一些原子力显微镜测试的经验.     

一种改进的红外图像角点检测算法

在SUSAN算法的基础上,本文提出了一种改进的角点检测算法,该算法在检测角点位置的同时,可以完成角的大小和方向的检测.实验结果表明,该算法角点检测准确,实时性好,角点特征稳定,对灰度变化不敏感,适用于部分遮挡目标的识别.     

并联式抽油机的计算机仿真模拟

借鉴机构创新的基本思想和并联机构理论,将常规型游梁式抽油机和异相型游梁式抽油机并联组合在一起,创立了抽油机联机配对使用方案.按此方案,一台抽油机的驴头悬点到达最低点时.另一台抽油机的驴头悬点恰好在最高点.即把其中一台抽油机的抽油杆在自重作用下下落而产生的能量通过曲柄传给另一台抽油机,以提升抽油杆和液柱.实现了能量的充分利用和正向传递,基本解决了游梁式抽油机能耗大、效率低、能量倒流等的问题.采用UG软件对创新设计的游梁式抽油机进行了计算机仿真模拟,进一步确定只有两种相同规格的游梁式抽油机组合,才能实现运动与动力的匹配,进而实现能量的正向转移和充分利用.     

基于多传感器融合的目标检测方法研究

为了提高智能汽车对行驶区域障碍物的感知能力,设计了相机图像与激光雷达点云融合的双模中融合模型。选用YOLOv3-tiny作为图像目标检测算法,PointRCNN作为点云目标检测算法,将点云检测获取到的ROI图像与原始图像进行加权融合,在融合后包含障碍物位置信息的图像上进行目标检测。通过与基于图像或基于点云的单模目标检测模型进行比对,在选用合适加权融合系数下双模中融合模型得到了更好的目标检测效果,在KITTI数据集上总类别的mAP@.5:.95上提升了3.3%,在Cyclist障碍物类别的AP@.5:.95上有了5.7%的显著提升。激光雷达点云的引入大大提升了纯视觉目标检测模型在小目标障碍物上的检测能力。     

基于机器视觉的十字绣布网孔动态检测与孔位置定位

在利用单图像传感器实现立体测量的基础上,基于十字绣布网孔目标实现了动态检测和质心定位,在检测与定位试验中提取了目标点的质心位置,并与工作平台的实际运动位置作比较分析,实现了对目标网孔的动态检测与孔位置定位。     

改进PIC的背景重构算法与运动目标检测新方法

根据图像序列中出现频率最高的像素均值为背景点的思想,对像素灰度归类(pixel intensity classification,PIC)算法进行改进,通过将所选取的用于重构背景的序列图像像素值进行归一化、量化统计、量化范围拓展,从而重构背景图像,该方法避免了PIC算法中需要人为设定阈值;舍去了较为耗时及复杂的相近灰度区间合并等步骤;对于重构背景与目标图像作差后的二值图像,提出一种新的目标检测方法:粗精两步搜索法,可以精确确定目标物的位置,实现对运动目标的检测.实验结果表明该方法比PIC方法运行时间短、重构的背景噪声点少、粗精搜索后的目标位置准确,是一种快速有效的运动目标检测方法.