基于单目立体视觉的顶层工件定位方法

设计并实现了一种基于工件模型的单目立体视觉方法,可以获得立体工件堆中顶层工件的空间分布。将立体工件的识别转化为对工件特征面体的识别,通过识别定位特征面体定位工件位姿,依据特征面体对工件的代表性和空间工件位姿聚集度评价识别工件真实性,设置选择阈值,从而得到顶层工件分布。为描述特征面体对工件代表性,以特征面体与立体工件在图像平面投影的可见轮廓线之比和特征面体识别可靠性来进行评价。同时,利用同一工件可能会由多个特征面体识别得到的特点,提出了一种以空间范围内相似位姿工件数量和姿态重合度来评价空间工件位姿聚集程度的模型。     

基于物联网的智能无人生产线系统研究

传统的人工生产线效率较低,无法适应大规模工业生产需求。鉴于此,提出了一种基于物联网的射频识别与机器视觉相结合的智能无人生产线系统。该系统以射频识别(RFID)为技术基础,通过识别零件上的标签来实现控制和管理,以空间坐标系化的算法使机器人自动装配,基于深度学习的机器视觉算法实现零件装配成功率检测,通过相机拍摄的大量装配照片形成数据集,搭建并训练神经网络模型进行检测。生产线各部分通过局域网连接,从而实现生产线的无人化和智能化作业。     

基于特征匹配的螺柱视觉识别方法研究

提出了一种基于特征匹配的螺柱视觉识别方法。该方法将螺柱识别与定位过程分为两步:训练和识别。在训练阶段,完成螺柱样本特征库的建立;在识别阶段,检测待识别图像中螺柱的类型和位姿数据,为分拣提供准确的螺柱类别及抓取位置信息。实验结果表明,该方法能够对视场范围内任意摆放螺柱实现准确识别与定位。     

立体视觉三维测量系统中的数据获取技术

提出了一种快速获得物体精确三维数据的新方法。该方法把三维视觉中的主动式与被动式数字化技术相结合，以立体视觉为原理，辅助以主动式密集结构投影光，有效地解决了立体测量的对应点匹配问题。主要针对该系统中的从图像数据获取技术，结合图像后续细化即实现图像目标边缘像素层层剥离的目的，提出采用基于图像目标边缘信息的小波边缘分析自动阈值法进行图像二值化，为本测量系统由二维到三维的快速数据转化的完全实现提供了坚实的基础。     

基于深度学习的花椒采摘器视觉识别

对于智能花椒采摘器中机器视觉部分在花椒枝干识别与采摘定位上的不足,本文通过将深度学习技术中的卷积神经网络模型与注意力机制这两种模型运用到智能花椒采摘器的机器视觉部分以提高采摘器的识别功效.结果 显示,经过优化后的卷积神经网络算法训练使采摘器对花椒簇的整体识别准确率由52.3％提高至96.7％,同时通过注意力机制算法提升了机器视觉对花椒树主枝干识别的抗干扰能力,帮助采摘器更加准确的判断出采摘点的位置.通过以上两种模型验证了深度学习技术在提高花椒采摘器机器视觉的算法准确性与抗干扰能力的有效性.     

基于视觉识别与毫米波雷达的桥梁防撞预警方法

针对桥梁防撞监测过程中船舶识别速度较慢、效率较低等问题,提出一种基于视觉识别和毫米波雷达的桥梁防撞预警方法.建立基于YOLO算法的船舶目标识别模型,通过对船舶数据集目标框的重新聚类分析,优化YOLO算法模型参数.利用多尺度训练方法,增强船舶目标识别模型对不同尺度船舶的适应性和识别精度.通过毫米波雷达来获取船舶的轨迹信息,以实现船舶安全距离的准确判断.试验结果表明,采用基于视觉识别与毫米波雷达的桥梁防撞预警方法,船舶识别准确率为97.30％,单幅图像识别时间约为32 ms,预警成功率为93.33％,可以有效实现桥梁的防撞监测和预警.     

基于逆向工程重构沙发三维模型的研究

本文采用了被动式立体视觉的三维测量方法来测量沙发曲面,给出了立体视觉测量法的数学计算模型,分析了测量过程中影响测量精度的因素.分析产生光斑弥散的原因,并提出了采用中值法和hough法来提高CCD图像光斑几何中心的识别精度的方法.并探讨了利用Bezler方法对测量得到的点云数据进行光顺性、连续性的处理.     

需求驱动的云平台产品关键设计特征识别方法

为完善云服务平台产品设计知识发现系统,同时进一步提升需求与服务的匹配效率,提出一种基于转换器的双向编码表征(BERT)和随机Lasso的产品关键设计特征识别方法.首先,实验采用真实产品用户反馈数据集并对其进行人工标注,以BERT预训练语言模型为基础,建立输出层以训练设计领域命名实体识别模型,实现对显性设计特征的自动识别.实验表明,所提方法可以实现较好的性能,精确率、召回率、F1分数分别为90.55％、97.16％ 和93.68％.同时,提出一种知识迁移思想,在当前大数据环境下,利用随机Lasso算法挖掘其中蕴含的关键设计特征并加以重用,实现了对隐性设计特征的精确定位.     

云—雾—边缘协同的数字孪生制造系统仿真过程动态扰动响应方法

鉴于现有仿真技术对制造过程动态响应能力不足,数字孪生技术为仿真系统对制造过程的动态映射提供了解决方案,但仍存在设备运行过程中动态扰动识别困难且扰动识别模型的训练过程受制于计算和数据资源,导致耗时较长,以及用于识别动态扰动和构建约束条件的数据为离线或半离线状态,不能满足实时响应要求的问题。针对以上问题,提出一种基于云—雾—边缘协同的数字孪生制造仿真过程动态扰动响应方法。在云端使用公共数据集训练普适化模型并使用边缘端数据训练个性化模型来提升扰动识别精度,雾端通过部署云端训练的个性化模型保证扰动识别速度,同时将识别的扰动更新到数字孪生仿真模型中。边缘端负责采集实时信号并上传至雾端。经实验验证,扰动约束更新机制能够准确更新扰动,从而对运行过程中的扰动做出快速响应。     

光笔式大视场三维视觉测量系统

针对先进制造业对大型装备大范围精密尺寸测量需求,根据双目立体视觉测量原理设计了一种光笔式大视场三维视觉测量系统.基于透视投影变换下的时针顺序和共线性不变量设计了光笔特征点空间分布模式,实现了特征点的准确识别与接触探头坐标的计算.应用双目立体视觉传感器的透视投影和齐次坐标三维测量模型,以一维基线尺靶标自由移动和基准长度约束为核心,通过本质矩阵E的线性求解结合非线性优化实现了其结构参数的现场精确标定.研制了由光笔、双目立体视觉测量系统、便携式三脚架、一维基线尺靶标和测量软件构成的大视场三维视觉测量系统,完成了机器人本体表面三维数据的稠密测量实验,在7 m×4.7m测量范围内系统的测量精度优于0.2 mm.实验显示设计的光笔式大视场三维视觉测量系统在光笔结构、发光点识别方法和系统标定方法上均具有新的思路.     

数据中心智能巡检机器人管理平台自主控制方法

巡检机器人在大数据扰动下存在控制精度不高的问题,为了提高数据中心智能巡检机器人管理和自主控制能力,提出基于多传感参数辨识和模糊控制的数据中心智能巡检机器人管理平台自主控制方法。在不同载荷质量参数下采集并组合机器人的耦合系数刚度、主臂运动意图等信息,得到结构参数融合函数,建立智能巡检机器人管理平台的参数优化解析模型,结合模糊PID控制方法进行智能巡检机器人的参数调节,构建误差反馈控制进行智能巡检机器人的参数修正,在数据中心根据信息融合结果获得载荷的质量参数,实现对巡检机器人管理平台自主控制。仿真结果表明,采用该方法进行巡检机器人管理平台控制的智能性较好,参数辨识能力较强,提高了机器人控制的稳定性和精度。     

High performance force feedback mechanism for virtual reality training of endotracheal intubation

A high-performance mechanism has been developed to provide force feedback during virtual reality simulations of endotracheal intubation for training purposes for the first time. The force feedback mechanism (FFM) prototype permits planar motion of the intubation tool with three degrees of freedom, each with force feedback. The FFM is computer controlled using a hybrid position-force feedback algorithm that includes a feedforward term to counterbalance the mechanism. This allows the intubation force profiles to be superimposed onto the FFM weight compensation to complete the overall force feedback effort. The development of a mechanism of this type introduces several theoretical and experimental design challenges that are addressed in this paper.     

基于BP神经网络的热导气体分析仪

介绍了利用BP神经网络对传统热导气体分析仪改善的新方法。通过大量的样本数据训练构建了双输入早输出网络模型,通过单片机来实现整个控制处理过程。结果表明：仪器测量精度有了很大提高,采用改进的算法可以实现传感器高精度温度补偿。     

Modeling tool wear in end-milling using enhanced GMDH learning networks

This paper presents an enhanced approach to predictive modeling for determining tool-wear in end-milling operations based on enhanced-group method of data handling (e-GMDH). Using milling input parameters (speed, feed, and depth-of-cut) and response (tool wear), the data for the model is partitioned into training and testing datasets, and the training dataset is used to realize a predictive model that is a function of the input parameters and the coefficients determined. In our approach, we first present a methodology for modeling, and then develop predictive model(s) of the problem being solved in the form of second-order equations based on the input data and coefficients realized. This approach leads to some generalization because it becomes possible to predict not only the test data obtained during experimentation, but other test data outside the experimental results can also be used. Moreover, this approach makes it easy to present the realized solution in a form that can be further optimized for the input parameters using some optimization techniques. The results realized using our e-GMDH method are promising, and the comparative study presented shows that the e-GMDH outperforms polynomial neural network (PNN); moreover, it is more flexible than the conventional GMDH, which tends to produce nonlinear solutions even for simple problems. In the investigation, the extended particle swarm optimization (PSO) technique was applied to obtain the optimal parameters. Consequently, the modeling approach is extremely useful in realizing a computer-aided process-planning system in an advanced manufacturing environment.     

面向飞机大部件的智能三坐标辅助测量技术研究

为实现飞机大部件型面的高精度、高效率和自动化三维测量,对测量的关键技术进行了研究,研制出一套面向飞机大部件的智能三坐标辅助测量系统。该系统以导航小车为平台,以夹持有靶标的直角三坐标伺服机构为载体,通过激光跟踪仪实时反馈靶标位置进行闭环控制实现误差补偿,采用离线编程对导航小车和直角三坐标伺服机构进行任务规划,在保证测量精度和测量范围的同时实现了产品的自动化测量。实验结果表明,该测量系统简单有效,适用范围广,具有较大推广价值。       

A new type haptics-based virtual environment system for assembly training of complex products

Virtual reality (VR)-based assembly training has been an interesting topic for the last decades. Generally, there are two shortcomings for nowadays virtual assembly training systems. One is that the operators cannot move around the virtual environment in a natural way as people activity in the real world: they are constrained in a fixed position or can only move in a limited space. The other is that most of the virtual assembly training systems are based on geometry constraint modeling only, which lacks haptics feedback. A new type haptics-based virtual environment system for assembly training of complex products is described in this paper. A new low-cost motion simulator is designed and integrated with the virtual environment to realize free walking by human. An automatic data integration interface is developed to transfer geometry, topology, assembly, and physics information from a computer-aided design system to a VR application, and a hierarchical constraint-based data model is rebuilt to construct the virtual assembly environment. Physics-based modeling and haptics feedback are undertaken to simulate the realistic assembly operations. The application examples and evaluation experiments demonstrate that both motion simulator and haptics have great value for training of assembly processes.     

基于缺失数据填补的风电齿轮箱状态监测研究

风电机组监控和数据采集系统的现场数据普遍存在缺失问题,会对下游状态监测任务产生一定负面影响。为此,提出一种结合注意力机制的掩膜自编码网络,用于填补面板数据样本中的缺失值,增加可用样本数量,提升状态监测结果的准确性与连续性。该方法以降噪自编码网络为整体框架,在编码阶段通过注意力机制对缺失值进行掩膜处理,赋予缺失值更高的权重以强化网络对其关注程度,在解码阶段将缺失值填补后输出完备数据样本。随后,利用长短时记忆网络提取的样本特征对目标变量参数进行预测,依据预测残差实现状态监测。使用某风电齿轮箱运行数据验证,结果表明：提出方法的数据填补偏差相较对比方法至少改善17.2%;与数据填补前相比,数据填补后样本数量显著增加,使状态监测网络对正常数据的预测残差平均下降37.4%,对故障数据的检测率提升6.8%。     

自行式载重车悬架升降电液同步驱动控制研究

通过对自行式载重车4点悬架同步驱动机械和液压系统工作机理的分析,建立了系统的多领域物理模型和数学模型;针对该同步升降系统存在的耦合性、非线性和模型参数不确定性特点,提出了一种基于多点输出耦合的模糊PID多缸同步驱动控制策略,以4点悬架柱塞缸实际输出位移耦合值为理想输出,由4个独立的位置同步模糊PID控制器分别实现阀控柱塞缸对理想输出动态和稳态的实时跟踪控制。额定载荷为1MN的自行式载重车悬架同步升降试验结果显示：运用该控制策略的车辆悬架同步升降过程中的4点悬架高度的动态误差为±3mm,稳态误差为±1mm,对比试验表明,基于多点输出耦合的模糊PID控制策略具有较高的同步驱动控制精度和较强的适应性与鲁棒性。     

Integration of multiple sensor fusion in controller design

The main focus of this research is to reduce the risk of a catastrophic response of a feedback control system when some of the feedback data from the system sensors are not reliable, while maintaining a reasonable performance of the control system. In this paper a methodology for integrating multiple sensor fusion into the controller design is presented. The multiple sensor fusion algorithm produces, in addition to the estimate of the measurand, a parameter that measures the confidence in the estimated value. This confidence is integrated as a parameter into the controller to produce fast system response when the confidence in the estimate is high, and a slow response when the confidence in the estimate is low. Conditions for the stability of the system with the developed controller are discussed. This methodology is demonstrated on a cupola furnace model. The simulations illustrate the advantages of the new methodology.     

基于粗糙集的数据挖掘技术在机械传动设计中的应用研究

将粗糙集理论应用到数据挖掘中来指导产品概念设计,并结合基于属性的概念爬升技术,设计了粗糙集理 论指导下参数简化的基本模型。最后将其应用到机械传动概念设计和智能解题系统中。机械传动设计中对设计参 数进行了化简,并对设计参数与传动方案实现了多层次的挖掘,获得了两者之间不同抽象层次的关系规则信息。