基于散乱点云模型的自适应分层方法研究

针对在分层过程中,如何调节分层效率与成型精度之间矛盾的问题,通过对现有分层算法,分层过程中初始分层厚度确定、数据精简及轮廓线拟合等方法的研究,提出了一种基于点云距离变化的自适应分层算法。基于散乱点云模型,通过计算每层切片中各线段与最近点的距离,筛选出了距离的最大值;计算了相邻两层之间最大距离的变化率,然后与设定的阈值进行了比较,自动地调整了分层厚度;经过对斗齿点云模型的分层实验,验证了算法的有效性。实验结果表明:该算法能够在一定程度上平衡分层效率和成型精度之间的关系,并且适应于高精度、型面较复杂模型的分层。     

基于特征矩阵的大型舱体类构件毛坯模型复杂特征分层识别方法

大型舱体类构件是大飞机、火箭等航空航天飞行器型号的重要部件,具有众多复杂内部相交特征,给其内部特征的准确识别带来极大挑战,毛坯模型内部特征的有效识别是实现加工余量确定、切削参数优化及刀具路径规划的重要基础.提出了一种基于特征矩阵的大型复杂构件毛坯模型相交特征分层识别算法,实现基于毛坯模型几何拓扑信息的多层次复杂相交特征识别.首先使用阈值分割法识别和剔除大型复杂构件毛坯模型伪特征及其数据,进行毛坯模型优化.然后构建该优化毛坯模型的属性邻接图,采用分层识别方法对构件的优化毛坯模型相交特征进行分层处理,得到单一特征并计算其特征矩阵.将多类型单一特征均转换为特征矩阵,建立特征匹配库.最后将特征矩阵与特征库进行匹配,以进行模型相交特征准确识别.对具有多种特征的舱体零件毛坯模型进行实例验证,通过准确识别多类型特征分别验证了该算法的可行性和有效性.     

增材制造技术中的自适应分层研究

增材制造技术是一种先进的智能化制造技术,分析了其"分层—叠加"的制造原理,其制造过程中必然会存在原理性误差,即"阶梯效应";通过对制造过程的几何分析,建立了表示原理性误差的理论公式,该公式具有普遍适用性;分析了原理性误差与其影响因素—三维模型表面的法向方向、曲率、分层厚度之间的相互关系,为分层提供了理论依据;提出了一种基于三维模型表面几何特征直接对三维模型进行自适应分层的算法,该算法根据三维模型表面的曲率、法向方向以及给定的精度要求来自动的调整分层厚度;并对该算法进行了实验分析,结果表明,该算法满足自适应分层的要求。     

基于3D CAD模型表面Z向特征曲线的自适应分层方法

为提高快速成形中3D CAD模型的分层效率和分层精度,定义了模型表面Z向特征曲线的概念及提取原则,建立了模型表面几何特征到层厚的直接映射关系,提出一种基于模型表面多处兴趣特征的快速自适应分层算法。该算法利用Z向特征曲线提取CAD模型表面的兴趣特征,通过特征曲线几何特征到层厚的直接映射关系快速确定分层点处的适应性层厚,整个层厚计算过程不存在冗余计算。结果表明,该算法能够高效地计算复杂形状3D模型在分层点处的最优层厚,实现3D模型的快速自适应分层。     

分层隐Markov模型在设备状态识别中的应用研究

与传统的隐Markov模型（HMM）相比较而言,应用分层隐Markov模型（HHMM）对设备进行状态识别有诸多优点,而且能以概率的形式更为精确地计算识别结果。针对模型参数随着设备状态的增加呈指数倍增这一问题,引入动态贝叶斯网络这一新的方法,由于该方法可以有效地降低模型的计算复杂度并缩短推理时间,所以将HHMM表达为动态贝叶斯网络,利用预处理的振动信号对设备的健康状态进行识别;针对现有状态分类方法的局限性,提出了基于K均值算法和交叉验证方法相结合的状态数优化方法;以齿轮箱全寿命实验为依据,对该模型实现状态识别的基本框架和计算过程进行了研究,研究结果为复杂设备的状态识别提供了新的思路。     

基于模糊聚类分析的特征识别方法及其应用

针对高维数据给智能学习算法带来的维数灾难,提出了一种特征提取与聚类分析相结合的特征识别方法.该方法基于小波包变换对振动信号进行特征提取,采用模糊传递闭包法,对信号的特征频段进行识别和分析,实现对信息的进一步压缩.针对模糊传递闭包法中关于阈值的确定问题,从样本之间的"紧致度"和"分离度"出发.建立了聚类有效性函数评价模糊聚类算法模型,并确定最优聚类.通过实例分析,验证了该特征识别方法在信息压缩和特征识别中的有效性和实用性.     

基于改进YOLO v5的机床刀具识别方法

针对目前机床刀具分类应用较少、预处理复杂、目标检测适用范围小且识别精度不高的问题,提出基于改进的YOLO v5机床刀具图像识别算法,利用卷积神经网络在特征提取层加入CBAM注意力模块,可以更清晰地提取图像特征,在特征融合层加入CARAFE上采样模块,使刀具的表面特征恢复更好,可以减少特征融合时部分特征的丢失。实验结果表明,改进后的算法使机床刀具等小目标检测精度和检测速度明显提升,且改进后的模型平均精度为96.8%,比YOLO v4模型提高了14.96%,比YOLO v5模型提高了2%。本方法能对不同刀具进行识别,为工业制造中机械零件的识别提供了新的算法支持。     

STL义齿模型的分层研究

快速成型工艺中分层处理是非常重要的一个步骤。为了兼顾模型的打印精度和成型的效率,从义齿模型分层过程中产生的误差类型和后续的加工工艺出发,针对现有的适应性分层算法不能保证单边的偏差,提出一种义齿模型的分层优化算法:针对不同类型的义齿模型采用不同的分层策略,适应性层厚基于STL文件的法向矢量与相邻两层面上闭环轮廓长度差值比率来确定。结果表明,该算法在保证打印精度的同时提高了打印效率,模型产生的主要误差为冗余误差。     

基于STEP-NC的相交特征识别技术

为有效识别2.5维相交特征,提出一种新的基于图和痕迹的相交特征识别算法。该算法首先对零件模型进行处理,提取加工特征面,识别时只考虑加工特征面,降低了零件图的搜索空间且不影响特征识别的正确率;通过建立相交特征拆分因子队列,并采用自动计算和交互式相结合的方式确定最优依赖特征面,能够比较准确地分离相交特征;根据特征基面对STEP-NC定义的制造特征进行编码,相对于子图匹配和规则匹配,该方法能够快速和有效地匹配特征。通过具体实例验证了算法的有效性和可行性。     

基于环形邻域的增材制造分层自适应正向设计方法

为了提升多特征成形的表面精度与制造效率，提出一种基于环形邻域的增材制造分层自适应正向设计方法。构建模型多阶环形邻域，基于变尺度的平均曲率高斯加权平均值计算模型显著度，运用动态聚类确定显著特征。以递归获取的形态显著线的变化确定初始分层厚度，建立自洽的分层规划正向设计数学模型。进一步运用数字孪生技术实现增材制造虚拟打印。以虚拟打印模型在打印坐标系正平面和侧平面的分层投影面积为材料热塑约束，并通过双向循环链表和八叉树计算投影面域集合的布尔并，实现多特征迭代的分层规划正向设计。采用接触式轮廓仪对打印模型不同特征区域进行了表面粗糙度测量。实例表明，该方法能够有效地对多特征流形模型进行自适应分层，有助于提升3D打印与4D打印层积制造品质与效率。     

融合卷积块注意力模块和Siamese神经网络的人脸识别算法

针对传统人脸识别方法识别性能较差,基于深度学习的方法在非限制条件下识别较为困难,人脸特征区分性弱,识别精度容易受到姿势、表情等方面影响的问题,提出了一种引入卷积块注意力模块的孪生神经网络模型结构。该结构是基于孪生神经网络（Siamese neural network）的基础框架进行改进的,在框架中引入改进的VGG11＿BN模型进行特征提取。该模型是在VGG11结构的基础上引入批归一化（Batch Normalization,BN）技术,在原模型结构的基础上,提出引入CBAM混合注意力机制的特征提取网络;最后,针对目前亚洲人的人脸识别训练较少的情况,采用更加符合亚洲人脸特征的CASIA-FaceV5数据集进行识别训练。实验结果表明：本文算法在人脸识别方面的准确率达到了96.67%,并且在CAS-PEAL-R1人脸数据集上比SRGES,VGG11+siamese算法的准确率分别提升6.05%,6.7%。该算法可以在多因素影响下更好地进行人脸识别验证,具有良好的稳定性。     

基于STL模型垂直切片的支撑自动生成算法研究

针对光固化等快速成形工艺中须对零件加支撑的需求，本文提出一种新的支撑自动生成算法。该算法基于STL模型提取零件的悬吊点、下棱线、待支撑下表面的轮廓线等待支撑区域的关键特征，根据它们在形平面的投影特征来优化布置分层基准线并进行垂直切片，应用所提出的基于垂直截面轮廓内待支撑边生成支撑多边形的算法，生成相应的变厚度薄壁形支撑。实际应用表明，该算法能够对成形零件的待支撑区域自动添加准确有效的支撑。     

基于视觉的车位线识别算法

提出了一种自动泊车系统中采用视觉方法通过识别车位线来确定泊车位的算法。采用金字塔分层搜索策略,首先,在灰度直方图上应用K均值聚类法对图像进行二值化,提取车位线骨架,采用Hough变换检测骨架,并利用基于密度的无参数聚类方法对骨架线聚类,在金字塔高层图像上确定车位角点候选点;然后,在金字塔最底层图像上选择感兴趣区域,采用改进的基于距离变换的骨架提取算法提取骨架,使用遗传算法对车位角点骨架进行精确匹配,根据实际车位角点的分布特征确定目标车位;最后,在室外不同环境下采集多张车位图片进行算法的有效性和快速性验证实验。实验结果表明,采用基于视觉的车位线识别算法进行车位检测能较大地提高检测的效率和识别正确率。     

微流挤出工艺的分层算法研究

在3D打印技术中,模型切片是非常重要的一环,一个好的模型切片算法不仅可以提高精度,同时也可以大大节约时间与内存空间。而在微流挤出成型工艺中,层片的厚度也对加工产品的质量有很大的影响,所以确定分层的厚度也是至关重要的。综合了现有的多种切片算法,根据微流挤出成型工艺的特点,提出了一种根据材料流变特性来确定层厚的基于模型几何信息的3D打印方法,经过大量的实验验证发现,这种算法确定的层厚与实际相符,并且算法大大减少了打印时间,增加了切片的精确度。     

3D打印制件外轮廓线的自适应分层算法研究

针对3D打印三维模型直接转换成STL文件进行切片分层处理过程中,存在模型表面信息缺失、打印精度不高等问题,提出了面向3D打印制件外轮廓线的自适应分层算法。该算法利用Z轴方向特征曲线的方法得到打印制件外轮廓曲线,采用微元思想对模型分段处理,确定打印方向与外轮廓切线夹角的关系,运用概率统计、叠加求和等数学理论求出每一层切片的自适应分层方法。通过实例打印表明,该算法减少了转换成STL文件时的信息缺失,提高了3D打印的精度与效率。     

基于卷积神经网络的磁瓦表面缺陷识别

针对现有的磁瓦表面缺陷识别算法准确率低且泛化能力不足的问题,提出一种基于卷积神经网络的磁瓦表面缺陷识别算法.该算法在轻量级NASNet卷积神经网络的基础上,引入双线性模型增强网络的特征表达力,提高算法识别精度.其次,为了减少模型参数量与计算量,改进NASNet模型结构进行特征降维.同时采用Adam算法作为网络的优化算法...     

基于双能X射线透射的区域分块废有色金属识别算法

在基于双能X射线透射技术的废有色金属分选中,可识别的物料厚度范围较小,无法满足废有色金属分选的需求。为解决该问题,对现有识别算法进行了分析,针对现有算法的不足,提出了一种基于低能透射信号值和双能R值双参数联合的区域分块废金属识别算法,提高了识别算法的适用厚度范围,并通过实验对算法的识别率进行了验证。     

基于小波变换技术的发动机异响故障诊断

针对发动机异响故障信号呈非平稳时变特征并伴随有强烈的背景噪声,提出一种基于小波细节系数自相关性分析的分层阈值降噪法,该方法对信号进行离散小波变换,将信号分解为近似系数和细节系数,求出各层细节系数的自相关序列,根据序列是否呈白噪声自相关特性确定该层阈值。信号经过分层阈值降噪后,再进行连续小波变换,画出时频图,结合时域特征和频域特征确定故障类别。试验研究首先以模拟的信号模型为例,再针对实际的活塞敲缸响和曲轴轴承响两种常见异响故障进行比较分析,结果表明,分层阈值降噪法可以提高信噪比,恢复较高频率的有用信号,小波时频图可以清晰地呈现故障信号的时域和频域特征,为诊断提供一种切实可行的策略。     

基于法向修正的双边滤波点云去噪处理

为了在降噪的同时保持点云模型的几何特征,并较好地处理离群点,针对不同种类的噪音问题,提出了一种基于法向修正的双边滤波点云综合去噪算法。该算法先对点云模型进行空间单元格划分,构造基于单元格最佳连通域,保留内部点云数据并去除点云模型离群点,然后根据双边滤波需要求法线的特点,对点云模型进行法向修正后再进行滤波处理。实验结果表明该算法简单快捷,能够很好地去除离群点,在去噪的同时可以很好地保留点云模型的几何特征,在处理效率和稳定性方面均优于单一的双边滤波算法。     

基于CDA与HSMM-DBN的齿轮磨损状态识别研究

提出了由动态贝叶斯网络表达的隐半马尔可夫模型用于齿轮磨损状态识别的新方法,通过计算待识别磨损特征向量的概率值来确定齿轮磨损状态。根据磨损特征之间的非线性关系这一特性,应用曲线距离分析方法对特征进行降维。最后,利用5种不同工况下的齿轮磨损实验数据对模型进行验证。结果表明,该模型可以有效地识别齿轮磨损状态,识别正确率可以达到94.5%,为齿轮箱的健康管理提供了科学依据。