基于机器视觉的汽车换挡面板自动分类方法

针对报废汽车企业对不同型号汽车换挡面板自动分类的需求,提出了一种基于机器视觉的面板自动分类方法.该方法首先使用Blob分析对图像进行预处理,分割出图像中的换挡面板目标对象,接着提取被分割图像的11个形状特征作为特征向量,利用特征向量训练多层感知器(Multi-Layer Perceptron,MLP),最后使用完成训练...     

机械产品模型自动装配动画的研究与实现

对产品自动装配动画关键技术进行了讨论,分析现有的序列规划方案后采用交互式规划方法进行序列规划.在装配路径规划方面提出了基于A* 搜索算法的动态步长扩展算法,减少了扩展次数,提高了算法效率.并时整个装配过程用关键帧动画进行动态显示,最后给出了一个车架模型的装配动画工程实例.     

基于视频流的车牌识别研究及系统设计

该文深入研究从视频流中提取运动车辆进行车牌识别的问题,提出了一种车牌识别算法,根据该算法开发了基于MFC的视频流车牌识别可视化系统。算法采用三帧差分与背景消减相结合的方法提取含有运动车辆的关键帧,对关键帧进行灰度化,采用Sobel算子进行边缘检测,融合形态学处理对关键帧进行去噪,从而实现车牌的定位,用投影法结合字符特征对车牌字符进行精确分割,采用BP神经网络算法提取字符特征,输出字符识别结果,由此完成车牌字符识别。通过对50组不同的车辆视频进行检测识别,识别率(包含汉字)达到96%以上。     

基于奇异值分解的机器人视觉图像显著目标自动提取方法研究

传统机器人视觉图像显著目标自动提取方法直接对机器人视觉图像进行显著性处理,未对图像进行超像素分割,造成传统方法目标提取效果较差。鉴于此,提出基于奇异值分解的机器人视觉图像显著目标自动提取方法,对机器人视觉图像进行超像素分割,在完成分割后,基于奇异值分解进行机器人视觉图像显著性处理,以减少图像中的不平衡性,最后利用显著性实现目标自动提取。设计对比实验,实验结果表明,该研究方法在提取机器人视觉图像显著目标方面效果更优。     

基于幅值立方和BP神经网络的表面肌电信号特征提取算法

传统特征向量提取算法得到的特征向量无法识别手指不同角度动作,将幅值立方法引入特征向量的提取算法之中,并对立方计算后信号的特征量进行降数量级处理。实验表明,提出的特征向量提取算法对表面肌电信号微小特征差异的零偏差识别率达到75%,且大偏差保持在5%以下。设计的基于BP神经网络的手指运动模式分类器,能有效地提高手指运动形式的正确识别率。     

基于特征识别的紧固件快速装配方法研究

为了提高紧固件的装配效率,文中提出了一种基于特征识别的紧固件快速装配方法。首先提取零件上所有孔特征,进而在部件中提取所有装配孔特征;然后通过装配知识推理自动匹配得到紧固件的组合模式;提出一种更简便的装配特征定义方式,实现了紧固件的快速自动装配。最后,建立了紧固件快速装配流程,并以某部件为例演示了紧固件的快速装配,验证了方法的有效性。     

基于背景减除的彩色铁谱图像自动分割

提出一种基于背景减除和标记分水岭算法的彩色铁谱图像自动分割方法.其分割流程为:基于颜色分量比对彩色铁谱图像的背景进行减除,实现磨粒与背景的分离;通过对分离后的图像进行形态学处理使其成为后续分水岭分割的基础图像;结合形态学复合开闭重建和阈值极小值提取技术得到磨粒前景标记图像,对磨粒测地影响区骨架进行提取得到图像背景标记;利用形态学极小值强加技术修改基础图像,并利用分水岭算法实现其自动分割.     

[装配技术]基于偏最小二乘回归的运动机构装配质量关键控制点判定方法

为提高复杂运动机构装配质量,提出了一种基于偏最小二乘回归（PLSR）的运动机构装配质量关键控制点判定方法。基于“功能—运动—动作”的结构化分解方法,定义了元动作和元动作链的概念;将元动作链中最后一个元动作输出运动参数作为装配质量的分析对象,以状态空间模型和分层迭代法为工具构建元动作链动力传递模型,建立装配质量分析对象与各级元动作内部影响因素之间的联系;利用PLSR解决各级元动作内部影响因素之间的多重共线性和样本数据过少的问题,并且以变量投影重要性指标衡量影响因素重要程度。最后,以砂轮架X轴进给运动下的元动作链为例,证明了该方法能有效地提取出与装配质量最密切的影响因素。     

基于力-位图像学习的工业机器人柔顺装配方法研究

利用机器人进行自动装配操作时,控制装配过程的接触力和柔顺性对于保证装配质量具有重要意义。为此提出一种基于力-位图像学习的柔顺装配方法,将装配过程中的位姿和接触力信息转化为力-位图像,然后通过对力-位图像的分类学习,获得不同初始位姿情况下的柔顺装配动作策略,从而控制机器人实现柔顺装配。首先,控制机器人完成多次装配,并在装配过程中收集机器人位姿以及装配力和力矩信息;然后,利用这些信息绘制力-位曲线并将其组合成为力-位图像,基于运动方向判定算法为力-位图像自动标记装配动作标签,以构建力-位图像数据集;最后,在力-位图像数据集上对深度学习模型进行训练,并基于深度学习模型控制机器人进行柔顺装配。为了验证该方法的有效性,以RJ45连接头和连接口间的装配为例,采集了2 500次装配操作的力-位数据,共生成92 328张力-位图像及对应标签,然后基于ResNet50网络训练力-位图像分类模型,并基于该模型控制机器人进行装配实验,装配成功率达到96.7%。     

集成化产品装配设计与模糊评价方法研究

研究了集成化产品装配设计与模糊价方法。基于用户定义的特征,进行产品特征造型和产品装配设计,建立了产品实例库;基于产品实例进行参数化结构设计,自动生成产品的三维装配图;从ＣＡＤ系统中,对产品装配体进行了自动产品装配特征识别;基于所建立的产品装配模型自动产生品装配数据的中性文件。     

稳定运动物体视频的特征方法

将背景特征块配对和直方图聚类运动矢量滤波相结合,提出了一种稳定运动物体视频的方法。用得到的全局运动参量补偿摄像机的帧间运动,运用帧差法分割出前景块和背景块,把参考帧背景上的特征块与当前帧上的特征块配对估计下一轮的帧间运动。用一块对多块的匹配策略,把参考块和以参考块为中心的搜索窗内的当前帧上的最佳匹配块配对,建立稀疏运动矢量场。然后,运用直方图聚类方法滤除矢量场中未分离出的前景块矢量和误匹配矢量。最后,用多个包含运动物体的实际视频序列对提出方法进行测试,并与其它先进稳像算法和技术仿真比较。结果表明:提出方法的全局平均帧间变换保真度可达31.05dB,接近或优于上述先进算法和技术。提出的方法对包含运动物体的视频具有较强的鲁棒性,可以去除帧间高频抖动并有效改善视频质量。     

基于双目视觉的工程车辆定位与行驶速度检测

针对工程车辆行驶速度低、滑转率高的特点,提出了一种基于双目序列图像的检测方法,以便快速检测工程车辆的相对位置与实际行驶速度。将双目摄像机安装在车辆上,连续采集周围环境的序列图像;利用SURF(speeded up robust features)特征对已采集到的各帧双目图像进行立体匹配,计算出环境特征点到摄像机坐标系原点的距离,从而实现车辆的相对定位;再对相邻两帧图像进行特征跟踪匹配,根据不同景深将匹配特征点对划分为远距点对和近距点对,分别利用远距点对和近距点对估算车辆运动过程中坐标系的旋转矩阵和平移矢量,并利用Levenberg-Marquardt法进行优化求解;最后根据优化后的旋转矩阵和平移矢量计算出车辆的行驶速度。户外模拟试验结果表明了方法的有效性和可行性。     

SolidWorks二次开发中的零件运动与变化研究

针对软件中模拟零件空间运动与模型特征变化的问题,提出了基于SolidWorks环境的零件运动与变化控制方法,该方法用三类参数方程组表示不同运动,并将各方程组离散化,用程序循环实现指定运动;而零件动态变化则可循环更改特征参数,并通过交替切换并列窗口实现.所提方法同时适用于点动与连续运动,并可引申用于多零件的联动、协作运动...     

高速机械系统运动特性的实时视觉检测技术研究

介绍一种利用高速视觉传感器,对机械系统高速运动进行实时运动特性提取的技术,并搭建高速视觉检测系统,可以对复杂的高速机械设备进行长时间、无接触的运动频率检测。本技术将高速相机视为多传感器系统,对预存储的多周期高帧率图像进行离线处理,设计周期运动特性关键像素点提取算法,以这些像素点为固定的多个子传感器,将图像简化为一维向量,并建立周期运动特性样本序列数据库,实现基于视觉平台的高速机械运动相位和频率检测技术。为验证算法的有效性和系统的稳定性,利用步进电动机带动的旋转装置和缝纫机的机械运动部分进行试验,结果证明了本算法和系统可以正确的提取周期运动特性关键像素点,建立样本数据库,完成高速实时视觉检测。     

基于深度学习特征提取和粒子群支持向量机状态识别的齿轮智能故障诊断

针对齿轮故障诊断问题,利用数理统计特征提取方法、深度学习神经网络、粒子群算法和支持向量机等技术,提出了一种基于深度学习特征提取和粒子群支持向量机状态识别相结合的智能诊断模型。该模型利用深度学习自适应提取的频谱特征与数理统计方法提取的时域特征相结合组成联合特征向量,然后利用粒子群支持向量机对联合特征向量进行故障诊断。该模型在对多级齿轮传动系统试验台的故障诊断中实现了中速轴大齿轮不同故障类型的可靠识别,获得了满意的诊断结果。应用结果也验证了基于深度学习自适应提取频谱特征的有效性。     

三维目标离面旋转和非线性光照识别研究

针对三维目标在离面旋转以及非线性光照条件下的识别问题,采集了180幅不同旋转角度的图像作为训练集,利用主分量分析法选取了20个特征向量,显著降低了特征空间的维数.利用这些特征向量对图像进行分解和重构,在保持较高计算精度的前提下减少了计算的复杂性.提出了利用原始图像向量与重构图像向量夹角余弦值来判别目标真假的方法.模拟结果表明,该方法能有效识别不同旋转角度的目标,同时能够消除非线性光照对目标识别的影响.     

预测扫描提前跳转的电子稳像方法

提出一种基于传感器电子稳像技术的扫描稳像方法———预测扫描提前跳转法,用以处理电子稳像过程中摄像系统的扫描运动问题。首先,利用传感器敏感摄像系统运动,实现对图像序列帧间偏移量的估计,并根据估计偏移量预测图像序列是否存在扫描运动;然后,对存在扫描运动的图像将参考帧提前跳转到扫描后位置,再运用稳像算法进行处理。该方法通过提前跳转参考帧将扫描模式下的稳像过程简化为不存在扫描运动的稳像过程,简化了扫描稳像的数学模型,降低了算法复杂度,同时通过跳转步长的设置和缓存参考帧技术进一步提高了算法的准确度和可靠性。实验结果表明,该方法可在输出稳定图像的同时正确显示视频序列的扫描运动。     

基于SOM和HMM结合的刀具磨损状态监测研究

针对端面铣刀磨损状态的识别问题,提出了基于自组织特征映射神经网络和隐马尔可夫模型结合的方法。该方法对铣削力信号进行预处理和相关特征提取,用自组织特征映射对信号特征矢量进行量化编码,所得码本作为隐马尔可夫模型的输入向量,分别训练三个不同磨损阶段的隐马尔可夫模型来对未知的刀具磨损状态进行监测与识别。实验结果表明,该方法能够对刀具磨损状态进行准确的识别,对自动化生产具有现实意义。     

基于抖动补偿技术的印刷品图像配准方法研究

在实际的印刷品缺陷检测过程中,存在因相机支架的颤动而导致标准印刷图像和待检测图像在空间位置上配准不精确的问题。为此,在图像去抖动技术的基础上,提出了一种融合SURF(speeded-up robust features)和ORB(oriented FAST and rotated BRIEF)的运动估计算法。首先,基于SURF算法提取标准印刷图像和待检测图像的特征点;其次,基于ORB算法对提取的特征点进行描述和匹配;再次,将正确匹配的特征点通过仿射模型来求取全局运动矢量;最后,通过求得的全局运动矢量来补偿图像,并完成待检测图像与标准印刷图像的配准。针对待测图像存在的平移、尺度和旋转三种不同变化,分别采用SURF-ORB、ORB和SIFT(scale-invariant feature transform)的运动估计算法进行了性能分析。结果表明,SURFORB的特征点匹配对数量最多,匹配效果最好,SURB-ORB的运动估计时间控制在毫秒级别,满足现代印刷品缺陷检测的实时性要求。因此,融合SURF和ORB的运动估计算法能够对图像进行精确、实时的配准。     

蜗轮减速器振动信号特征提取与状态识别

为实现蜗轮减速器运行状态识别,首先结合小波包分解和矩阵理论的特点,提出基于参考信号的小波包能量矩阵构造方法,分析了矩阵的最大奇异值（特征值）与运行状态的物理联系,并验证了所提方法比以往方法提取出的特征参数敏感度更高;然后改进思维进化算法（MEA）用于优化BP神经网络,实现对运行状态的智能识别,将提取的特征参数构成神经网络的输入向量,结果表明识别正确率提高了17.93%,从而验证了改进算法的优越性;最后提出了一种快速分类方法,该方法可以较好地区分故障与正常状态,解决了对实时性要求较高的在线诊断问题。