基于工艺过程分析的Pro/E零件特征建模方法

介绍了零件的特征信息模型及其作用,提出在Pro/E环境下,在零件形状特征分析的基础上,结合连杆的加工工艺过程分析,利用特征建模技术创建连杆的特征信息模型,以实现CAD信息模型与CAPP和CAM的数据共享和集成。     

液压缸类零件特征信息分类及描述方法的研究与实现

介绍了液压缸各类零件CAPP系统设计过程中对零件的特征分类与组成方法 ,提出以成组技术为基础的特征表面描述法与面向对象技术相结合的零件信息描述思想 ,通过该方法的实现 ,表达了零件各特征要素间的隶属、约束与继承关系。     

基于Pro/ENGINEER的特征建模方法

介绍了零件的特征信息模型和特征的作用,研究了基于特征的Pro/ENGINEER几何特征建模和制造特征建模的方法,针对轮毂零件实例,分别建立了几何特征和制造特征数据库,充分利用系统的友好界面和可扩展性,实现了机械零件的快速造型和重构。     

特征造型技术在CAD中的应用讨论

特征造型技术为产品设计实现标准化、系列化、高效率提供了条件;使工艺规程的制定也比较容易;简化了CAPP决策逻辑.CAD特征造型能从数据库输入CAPP和CAD所需信息,这些信息不仅包括零件的总体信息(形状、尺寸等),还包括加工面的加工信息(粗糙度,加工精度,形位公差等),实现了具有统一数据库、统一界面才集成(CAD/CAPP/CAM,系统.扼要讨论特征造型技术在CAD中的应用).     

基于特征的齿轮CAD/CAPP集成系统信息建模

介绍了CAD/CAPP的集成方法,并基于特征信息对齿轮类零件进行分析,从数据角度和对象角度建立面向设计和制造全过程的齿轮特征信息模型,构建系统的功能模块,实现了集成系统中数据交换、传递和共享。     

基于机器视觉的轴类零件识别

采用机器视觉手段进行轴类零件识别。通过采集待识别零件样本信息,利用MATLAB软件编程实现对样本的图像处理和轮廓提取,获得特征量信息。然后通过图像标定和亚像素最小二乘法进行直线拟合获得轴的边缘轨迹,完成轴的直径和同轴度识别。进行视觉识别结果和人工测量结果比较,结果表明,采用机器视觉进行轴类零件识别,相对误差为0.001,检测精度具有一定的可靠性,且检测速度快,便于实现批量化、在线实时检测,具有广阔的应用前景。     

基于特征的齿轮零件CAPP系统开发

为提高齿轮零件工艺设计水平,在VB6.0平台上采用多种高级编程技术,结合Access及AutoCAD,开发出基于特征的齿轮零件CAPP系统。该系统针对齿轮零件提出一种全新的特征编码方式,同时在此编码方式基础上给出相似零件的推理策略和检索方法。详细介绍了系统的总体结构及工作流程、特征编码系统的建立、推理策略、标准实例筛选及相似性系数计算。运行实例表明,该系统界面友好,操作简单,运行稳定,实用性很强。     

基于pro／E特征系统的CAPP开发与应用

计算机辅助工艺设计（CAPP）系统在计算机辅助设计（CAD）系统建成零件特征模型后．根据模型所提供的结构特征和工艺特征进行工艺的制定。而对CAD系统来讲其建模方法有多种，其中目前主要是采取特征建模，这样其后的CAPP系统就需要对其中的工艺特征进行识别，而这种识别存在较多问题。另一种就是在CAD系统中采用特征建模，在CAPP中直接利用该特征信息生成工艺文件。如果能开发基于成熟商业CAD／CAM系统的CAPP，实现CAD／CAPP／CAM各系统间的数据自动传递和CAPP系统工艺的（半）自动生成具有重要的理论和现实意义。本文以特征为核心，对CAPP中零件特征信息模型的组成结构、建立方法以及应用于工艺规程推理决策中的相关理论与方法进行了研究，并在pro／E系统上已经实现。     

通类管接头零件的UDF快速建模技术研究

通类管接头零件的类型和规格多种多样;若零件的类型或型号发生变化,设计者为了仿真分析、出图、工艺设计都需要重新设计模型,延长了产品的设计周期。为了提高设计效率,提出了用UDF快速建立通类管接头零件三维模型的方法。通过分析总结通类管接头零件典型通口结构的主要尺寸参数和参考约束,利用UG UDF命令定义通口UDF特征,形成UDF特征库;最后应用典型UDF特征对五通管接头零件进行综合实例建模,实现了通类管接头零件的快速设计。为通类管接头零件的快速设计提供了技术参考。     

CAPP中零件信息的输入及工序图的自动生成方法

零件信息的描述与输入一直是CAPP系统的难点,研究现阶段对零件信息输入的一些方法对CAPP的发展有很重要的意义。探讨在几种常见的图形接口标准的基础上,如何实现从零件图纸中输入零件信息,然后经过CAPP系统处理,自动生成工序图。     

矿用高压配电装置在线监测系统的研究与应用

为提高高压配电装置运行的可靠性,设计了由传感器环节,监测分站以及监控中心等3部分组成的实时运行状态监测系统。其传感器环节实现特征量的提取,监测分站下位机以TMS320F2812型DSP为核心完成对配电装置各个特征量的采集、预处理,通过RS-485总线将数据送至工控机,工控机软件采用LabVIEW开发,主要完成对测量数据的分析、处理与显示。监测中心使用以太网传输信息,采用SQLserver数据库以实现本系统的监测数据和预警信息的存储。该系统经现场安装测试表明,能实时地反映真空断路器运行状态,并实现了部分故障预警的功能。     

一种露天矿卡车故障的NLP技术挖掘与分析方法

受制于国内露天矿设备的智能化故障诊断水平,露天矿卡车故障信息以人工采集方式为主,故障信息的标准化和故障管理的程序化程度不够,难以进行深入的故障分析工作。为此,提出了基于自然语言处理技术的故障分析方法。该方法首先对故障文本信息进行预处理,利用向量空间模型对处理结果进行统计,从而获得初始特征向量;然后利用主成分分析算法对初始特征向量进行降维处理,建立故障特征空间模型;最后利用这些特征向量训练故障挖掘模型,对露天矿卡车故障信息进行挖掘与分析。通过矿山实际数据验证了该方法的合理性,为露天矿卡车故障信息分析与管理提供了新方法。     

大数据在露天矿特征提取中的应用研究

为了使露天矿地质环境得到较好的保护,提出大数据在露天矿特征提取的应用流程。首先指出露天矿面临着数据量巨大、数据量分散以及数据格式不统一的问题,根据这些问题提出露天矿特征提取的应用流程,针对露天矿山地质环境特征信息的正常数据采用正射校正方式、异常数据采用图像裁剪方式进行预处理,增加主体设备系统内部的处理器,对运行状态进行实时监控管理,将露天矿山地质环境监测数据全部序列依次进行提取,实现露天矿特征信息提取,完成大数据在露天矿特征提取的应用流程。实验结果验证了该方法对露天矿山地质环境特征信息提取的有效性,提取精度和置信度较高,环境保护问题得到解决。     

用简化核主成分分析法实现高光谱遥感影像降维

提出用基于Nystrm算法的简化核主成分分析方法（SKPCA）实现高光谱遥感影像的快速降维。首先随机选取部分样本构成子核矩阵并计算其特征向量,然后进行矩阵外推迭代得到近似核矩阵,并分解近似核矩阵不断更新特征向量,最后实现高光谱影像的降维处理。利用OMIS与ROSIS遥感影像进行试验,从运算速度、提取特征信息量以及分类后效果对SKPCA和KPCA（未简化的核主成分分析法）进行比较,结果表明,SKPCA和KPCA提取的特征信息量相当,提取特征与分类效果相近,但SKPCA的运算速度至少要高于KPCA数百倍。     

悬臂式掘进机截割头姿态视觉检测系统

针对悬臂式掘进机截割头姿态检测难题,提出一种利用视觉传感器识别红外标靶特征的截割头姿态测量方法,并构建了测量系统。该系统以掘进机截割部所安装标识板上的红外LED作为信息来源,通过对红外LED特征点成像特征的分析,建立掘进机截割头姿态空间解算模型。通过防爆工业相机采集布置于掘进机截割部标识板的红外LED特征点图像,利用高斯曲面拟合算法对特征点进行中心定位;采用P4P方法对特征点的空间三维坐标进行求解;并且建立了基于误差模型的对偶四元数截割头位姿最优解算模型,完成掘进机截割头姿态角解算。最终,在实验室条件下,搭建了掘进机截割部姿态视觉测量平台,模拟截割部实际工况姿态。试验结果表明,该方法的角度测量误差在0.5°范围以内,可以满足掘进机截割过程中截割头姿态角自动、准确、实时测量的要求。     

图形素法建立的半创成式CAPP系统

文中论述了图形素的概念,零件结构与图形素,图形素与其加工方案,图形素的加工方案与零件过程之间的关系;提出了将零件划分为若干图形素的方法,以及在专家系统支持下,根据工艺基本原理和企业实际情况,如何制定一系列工艺决策原则,建立图形素加工方案知识库、工序、工步顺序安排知识库,以形成回转件零件工艺过程的方法     

面向对象的塌陷地提取

针对塌陷地的光谱特征和空间结构特征的特点,采用一种面向对象的技术,实现了塌陷地的信息提取。首先,采用形态学方法建立滤波器,对影像进行形态学重建,然后对影像进行分水岭分割,将影像进行多尺度分割后,影像被分割为多个相互独立的闭合区域,并且每个区域作为一个独立的对象,计算每个对象的光谱、形状、纹理等等各种特征,并把它们作为分类的依据;其次,根据提取专题的不同进行特征选择;接着根据所选择的特征选择分类器进行塌陷地提取。     

浮选图像中泡沫边缘分割

矿物浮选过程中泡沫的表面特征是浮选性能的重要指标,它可以实时、直观地反映浮选效果的变化,准确分割泡沫的边缘信息是浮选过程中一项重要的任务。近年来,研究人员提出了各种浮选泡沫图像分割算法,但浮选泡沫图像中存在泡沫数量多、泡沫间粘连严重以及边缘不清晰等问题,现存的方法由于其特征提取能力有限,无法精确的分割泡沫边缘。据此,本文利用深度学习提出了一种基于多尺度融合的浮选泡沫图像边缘分割算法,该算法通过引入一种深度高分辨率的编码结构以及一种基于注意力的分层融合方法来增强模型的特征提取能力,从而提高对于浮选泡沫边缘的分割效果。具体而言,深度高分辨率的编码结构可以在不同分辨率层级上同时维护特征信息,使我们的网络模型可以有效地捕捉不同尺度的信息,在提高图像语义理解能力的同时能够保持更多的细节信息,提高处理高分辨率以及密集任务图像的能力。除此之外,本文设计了一种基于注意力的分层融合方法来充分融合深层和浅层的特征图,使融合得到的特征图趋向于更重要的特征信息,从而提高识别浮选泡沫的边界和精确定位浮选泡沫的能力。该算法在泡沫边界分割数据集上凭借58.25的泡沫IoU以及73.62的泡沫Fscore取得了最佳的性能,证明了我们提出的算法可以更加准确地分割浮选泡沫边缘。