基于特征基面的制造特征自动识别的研究

在分析了零件制造特征面的特性和实际加工过程中相交特征之间的约束关系,研究基于特征基面的制造特征自动识别算法.该算法首先建立零件的属性邻接图,其次根据特征基面来判定它是否存在相交特征子图.如果存在特征相交,则通过添加虚连接来弥补由于特征相交所丢失的边和面,实现相交特征子图的分离,最后根据特征基面的边界信息来识别出制造特征.结果表明该算法能够确定相交特征的识别顺序,高效的分离出适当特征子图,进而正确的识别出制造特征.     

冲压件的特征识别技术研究

特征识别是指从产品中识别出具有一定工程意义的几何形状,即特征信息的过程。作为ＣＡＤ与ＣＡＰＰ间的智能接口,特征识别技术对实现ＣＡＤ／ＣＡＰＰ／ＣＡＭ的集成具有重要意义。针对冲压零件,尤其是带体积成形的冲压件的特点,提出了一种新型的冲压特征识别算法,并对特征识别中的难点－特征相交问题提出基于痕迹的冲压件相交特征识别方法。     

基于图的混合加工特征识别方法

针对传统的基于图的特征识别方法难以识别相交特征和拓扑不固定特征的问题,提出了一种基于图的混合加工特征识别方法.该方法首先利用插入分割线分割贴合的面的方法拆分相交特征,然后重构扩展属性邻接图,从中分解出最小条件子图,最后根据二次曲面特征、由平面组成的特征的边界模式,分别建立相应的特征识别知识库,并应用知识树通过推理识别特征.验证结果表明该方法能合理地拆分相交特征,有效地识别常见的加工特征.     

基于特征面的弯曲件毛坯展开方法

以往从弯曲件二维图来计算弯曲件毛坯尺寸主要依靠人工读图、手工计算的方法，自动化程度很低。本文提出了一种基于特征面的弯曲件毛坯展开方法，根据弯曲件二维图中各视图的对应关系，从中提取出弯曲件的特征面信息，自动计算出弯曲件的毛坯尺寸，并输出毛坯展开图，可大大提高弯曲件毛坯展开的自动化程度。     

基于主成分分析的轿车车门装配误差源识别

本文利用主成分分析法，详细分析了轿车车门装配误差源及其原因，为进上步提高轿车车门的装配质量提供了可靠的理论依据，并且已取得了理想的实际效果。主要内容有轿车车门念头源识别和侧围念头源识别，并给出了相应的研究结果。     

两相交面转接圆弧的数控加工研究

通过对两相交面转接圆弧数控加工情况的分析,推出两相交面转接圆弧的直线轮廓的实际偏移运动轨迹是标准椭圆的一部分,并以实例说明在Simens802D数控系统中利用R参数编程的步骤和方法.实际加工结果表明,加工产品完全符合零件图上的质量要求.与自动编程的方法相比,该方法加工效率高,编程量少,程序的通用性强.     

基于特征分割识别的点云配准

针对大型工业零件难以一次扫描点云模型的问题,基于工业零件包含大量规则面(平面、柱面、锥面)的特点设计了一种点云的自动配准方法.首先,提出一种基于生长区域算法的点云配准预处理算法并实现,将点云基于曲率变化和连续性分割成多个子点云,再基于特征面提取出子点云的特征属性(法线、轴线);其次,设计出一种点云粗配准方法并完成粗配准...     

压铸件侧凹特征的识别

侧凹特征的识别影响着分模方向、分型线和分型面的确定,以及型芯与型腔镶块的产生、局部成形工具的构造及它们的运行机制.最佳分模方向的确定有赖于侧凹特征的识别.因此,在整个模具设计过程中,侧凹特征的识别必须在其他一切设计活动之前完成.介绍了侧凹特征的定义,建立了侧凹特征库,研究和实现了基于面属性邻接图的压铸件侧凹特征识别.     

模糊推理在特征识别中的应用研究

首先分析了虚拟企业环境下特征识别特点,并对STEP文件中的类型面之间的组合进行总结归类。在此基础上运用模糊推理对任意零件的STEP文件中的两两类型面进行组合推理,通过选用不同的模糊蕴涵规则可以快速地初步确定推理结果,为进一步确定组成零件的基本特征奠定了基础。最后列举实例进行验证。     

面状缺陷超声TOFD法信号和图像的特征与识别

针对铝合金厚板焊缝中易于出现的几种典型的面状缺陷,研究了其超声衍射时间差法（TOFD—time of flight diffraction）的检测特征,对获得的A扫描信号和B、D扫描图像的特征进行了分析和解释,并对B、D扫描图像进行了线性化处理。结果表明,结合A扫描信号和B、D扫描图像的特征,能够有效地对面状缺陷进行识别、定位和定量。线性化处理技术有效地提高了图像的时间分辨力,使面状缺陷的信号和图像的特征更明显,进而使定位定量更为精确。     

基于主特征模式的机电系统故障诊断算法(英文)

机电设备运行状态的监测对保障系统稳定可靠运行、预防重大事故发生有重要意义.针对传统诊断方法由于故障信息不足导致的诊断精确度差,提出了一种基于主特征模式识别的故障诊断方法.基于多源特征信息融合,研究了基于多传感器系统的特征融合故障诊断模型,讨论了反映系统运动状态特征的指标体系及故障诊断算法.文中以滚动轴承系统故障诊断为例,首先计算了各传感器获取信号的时域特征参数,然后,借助主特征模式对特征信息进行融合与降维处理,实验测试数据显示出与传统诊断方法相比较该算法有更好的故障诊断性能.研究结果表明了该方法在重型机电设备故障诊断中应用的可行性与合理性.     

基于图像特征识别的榫头数控加工技术研究

为了降低榫头数控加工过程中手动编写NC代码的复杂程度,提高加工效率,研发一种基于图像特征识别的榫头自动加工系统。重点研究图像特征识别的数控加工总体结构、特征库建立、特征匹配算法、加工工艺库等关键技术。详细分析榫头模型的图像特征库、NC数据库和图像检索算法等的主要功能及实现方法。     

基于LMD与多重分形寻优的往复压缩机故障特征识别方法

针对往复压缩机振动信号的非平稳和非线性特性,多重分形广义谱是一种简便、快速有效的特征参数提取方法;但其对噪声敏感,使得谱值波动,部分故障类间特征可分性差。利用经小波降噪后的优化LMD算法,并结合相关系数提取PF主分量以突出状态主信息,将多尺度整数寻优观点引入广义维,基于最佳可分性角度计算状态间最大平均距离,构造广义维数特征矩阵;通过SVM与增量学习K邻近(IKNNModel)统计算法训练和识别样本,对比证明该法能提高故障特征类间可分性和识别准确性。     

基于特征模板的分组编程法

介绍了国内数控加工中存在的问题，结合广东省科委项目，提出了基于平面、曲面特征模板的分组加工编程法，并用实例验证了这种方法的正确性，极大地提高UG软件的加工编程效率，也解决了加工编程难以掌握的问题。     

基于注意力时空特征网络的装配动作识别

为实现工人装配动作过程的识别,防止由于工人装配动作不规范而造成装配产品质量问题,研究基于深度学习方法的装配动作识别,提出一种基于通道注意力的融合时间和空间信息特征网络模型来识别装配动作的方法.利用MYO臂环传感器采集表面肌电信号,建立一个包含多种装配动作的数据集;搭建一个用于装配动作识别的神经网络,对网络模型进行评估....     

基于多特征融合与GA-BP模型的滚动轴承故障识别

针对滚动轴承故障识别问题,基于遗传算法(GA)和BP神经网络等技术,提出一种GA-BP神经网络模型。该模型以训练数据的输出误差作为目标函数,利用遗传算法对BP神经网络的初始权值和阈值进行优化选择。将经验模态分解能量比和时域特征相结合的特征向量作为BP神经网络的输入,对滚动轴承不同工况下的故障进行识别。滚动轴承故障诊断的实例表明:该模型较传统BP神经网络模型具有更好的收敛精度、收敛速度和识别率。     

基于混合特征LLE融合与SVM的质量异常模式识别

针对生产过程中存在的异常模式识别的问题,提出基于LLE融合与支持向量机的质量异常模式识别方法。首先从动态数据流中提取其原始特征、统计特征、几何特征并将其进行混合,形成动态数据流的混合特征,然后利用LLE算法对混合特征进行降维,将降维后的特征集作为MSVM分类器的输入进行训练,同时采用粒子群算法对MSVM分类器进行参数寻优。最后用训练好的模型对动态数据流进行异常模式的识别。并将所提方法与单一类型特征方法、混合特征方法的识别模型进行比较,仿真结果和应用实例表明,所提方法的识别精度较高,可用于生产过程的质量异常模式识别中。