结构光三维双视觉检测方法研究

介绍了结构光三维双视觉检测的基本原理，提出了标定点的空间坐标和图像坐标的获取方法，设计了用于获取标定点的双向光电瞄准装置，并建立了双向光电瞄准装置安装误差的补偿方法，在此基础上实现了双视觉传感器标定点数据的全局统一。最后，利用标定点样本数据建立了结构光三维双视觉RBF神经网络模型，最佳RBF模型的训练精度为0.078mm，测试精度为0.084mm。     

立体视觉测量中的一种摄像机标定方法

立体视觉测量方法已广泛应用于三维物体几何信息的获取中，针对摄像机标定过程中复杂的成像和跨变模型，提出了基于BP神经网络的立体视觉摄像机标定方法，并利用实际数据对其进行了实验测试。结果表明，该方法可以获得较高的标定精度。     

基于 ELM 算法的柔性 FBG 形状重构末端分析

为了提高光纤光栅(FBG)柔性结构采用正交曲率三维重构方法的末端精度,通过神经网络将重构后的曲率末端坐标与实际空间坐标建立映射关系。首先利用COMSOL仿真软件对聚氨酯胶棒建立模型,将两根光纤光栅串共8支光栅正交排布,采用递推角算法建立动态坐标系进行三维重构。对重构的末端点坐标利用误差逆传播(BP)神经网络算法与极限学习机(ELM)神经网络算法进行训练检测,结果表明,BP神经网络和ELM神经网络训练平均误差分别为0.443 6和0.008 2。最后搭建实验平台,对聚氨酯胶棒在受力情况下进行形状重构,并代入ELM模型中进行训练,训练结果相关系数R²=0.985 8,均方根误差(RMSE)为1.363 0,相较于BP神经网络方法有效提高了形状重构的末端坐标精度。     

基于BP神经网络的装甲车辆起动电动机故障诊断研究

为了有效利用装甲车辆起动电动机的采集数据,在起动过程中对电动机进行实时诊断,提出了一种基于BP神经网络的装甲车辆起动电动机的故障诊断方法。该方法包括训练学习和测试验证两部分。训练学习是利用训练样本数据获得诊断率较高的网络模型,测试验证是用实时测量的数据验证网络模型的有效性和优越性。以起动电动机四种不同的工作状态对应的起动电流和振动信号为例,利用时频分析技术提取特征向量组作为BP神经网络模型的样本数据,对其迭代训练获得最佳的网络结构,对比具有不同BP训练函数的神经网络模型,得出基于Levevberg-Marquardt算法的最优网络模型。测试样本验证的结果表明,该方法能够有效诊断装甲车辆起动电动机的故障,识别率较高。     

基于BP和RBF网络结合的相位测量轮廓术系统标定

相位测量轮廓术(PMP)是目前众多光学三维测量方法中比较成熟可靠的一种,其系统标定包括Z和(X,Y)坐标标定.在借鉴传统标定方法优缺点的基础上,提出了一种基于BP和RBF神经网络结合的PMP系统面内标定新方法,该方法将黑白棋盘图案在有效视场内沿世界坐标系Z轴多次放置,获取数据样本.在BP网络对数据样本进行训练和仿真后,利用RBF网络对误差数据进行训练和测试.实验中,BP网络训练步数仅为21步,RBF网络测试样本的平均距离误差仅为0.008 mm,此方法具有较高的标定效率和标定精度.     

BP网在摩擦学系统建模和预测应用中的研究

本文在分析了摩擦学系统特点以及在BP神经网络的结构的基础上，采用BP神经网络对摩擦学系统进行了建模和预测，通过对结果的分析，给出了这种神经网络在不改变隐层节点数和训练精度的条件下，来提高训练速度和拟合精度的一种新的方法，并指出了要保证BP神经网络近似任意的连续非线性函数，其训练数据应具备的条件。它对BP神经网络在处理大数值的应用中，具有较大的指导意义。     

基于BP神经网络的机器人运动学逆解新算法

介绍了BP神经网络原理及算法并利用改进的BP神经网络算法对UY自由度机器人运动学反解问题进行了探讨。通过BP网络建立运动学模型,选择贝叶斯算法,采用Matlab神经网络工具箱进行编程,同时按照一定的范围要求提供样本,在试验及数值模型提供的样本数据范围内,得出模型测试精度都能满足工程要求。文章还进行了BP网络训练,并用训练好的网络来求解运动学逆问题,取得了较好的效果,为机器人运动学逆问题算法提供了新的思路,对机器人动力学问题、轨迹规划、运动控制也有一定的启发作用。     

基于PSO-BP神经网络的盾构刀具配置研究

盾构刀具在盾构机掘进过程中起着关键的作用,其配置选型是否合理决定着工程的成败。为了对盾构刀具进行合理的配置,根据盾构刀具的配置原则,针对盾构刀具配置的地质适用性,在粒子群优化算法(Particle swarm optimization,PSO)与神经网络算法(Back propagation,BP)的基础上提出智能配置方法。建立地质条件与盾构刀具类型之间的关系模型,并利用成功的盾构施工案例作为样本数据对该模型进行训练,训练后可以利用模型智能推荐盾构刀具配置方案。利用工程案例进行测试分析,将测试结果与实际配置方案进行对比,并与BP神经网络测试结果进行比较。测试结果表明,基于PSO-BP神经网络算法不但能够很好地实现盾构刀具配置方案的合理推荐,并且在计算精度和训练时间两个方面PSO-BP神经网络算法比BP神经网络算法都有显著提高。     

果蝇优化BP神经网络路面附着系数估计

在利用BP神经网络进行路面附着估计时，存在收敛速度慢和易于陷入局部最优解等问题。为此，提出一种基于果蝇算法（FruitFlyingOptimizationAlgorithmFOA）对BP神经网络进行改进并给出算法的流程。建立路面附着系数估计BP神经网络模型，将果蝇算法引入到BP神经网络，对网络的初始权值与阈值进行优化，以增强网络的全局寻优能力。利用Carsim软件获取的样本数据对网络进行训练，并与MATLAB/Simulink软件搭建联合动态仿真模型，对比实验结果表明：基于FOA优化BP神经网络的路面附着系数估计方法不受车辆模型精度的影响，定性估计精度高，能有效提高估计值的精度和稳定性。     

一种新型的微小型构件内表面三维形貌检测系统

构建了一种应用结构光三维视觉检测技术对微小型构件内表面进行三维形貌检测的系统。首先介绍了该检测系统的原理与结构，在此基础上，建立了系统的详细数学模型，并给出了测量方法。用该检测系统对内部宽度为5-20mm的加工件的内表面进行实际检测，得到并恢复了被测内表面的三维形貌。最后测定了该系统的单点检测精度小于50μm。     

基于线结构光视觉传感器的圆孔定位误差分析

针对空间圆（类圆）孔几何量测量,传统视觉测量方法一般采用双目立体模型,基于立体像对实现对圆孔空间位置的测量,由于传感器成本、体积、重量等的限制,在特殊视觉系统,尤其在发展迅速的基于工业机器人平台的柔性视觉检测系统中均凸显其不足。本文基于单摄像机架构的线结构光视觉传感器,提出圆（类圆）孔定位两步法,并对被测圆心x ,y ,z 向坐标测量误差进行了详细讨论和分析。通过对被测圆心定位误差的分析计算,在实际测量应用中,z 向测量精度可以优于±0.25mm,x, y 向测量精度优于±0.006mm。研究结果表明该方法切实可行,可以满足实际测量需求,极大地扩展了线结构光视觉传感器的应用范围。     

结构光三维视觉检测中光条椭圆中心定位方法与仿真研究

针对在圆柱类工件形位误差的结构光三维视觉检测中，光条椭圆弧短，造成椭圆中心定位精度低的问题，提出一种利用由两个视觉传感器组成的传感器对加长光条椭圆弧的方法，并针对在实际应用中该方法存在的光条椭圆弧对不能严格共面的问题，从算法上提出了三种解决方法，分别进行了仿真研究，得出了仿真结果，给出了每种方法的适应范围。研究工作为工程应用提供了一个有效的理论依据，具有一定的理论意义和工程应用价值。     

储罐底板漏磁检测量化技术研究

储罐是石油、石化工业中重要的设备,储罐底板腐蚀是储罐安全隐患之一。漏磁检测方法是目前储罐底板检测研究的一个重要方向。根据缺陷漏磁信号的特征,将经验模态分解方法（EMD）与小波去噪方法相结合,对漏磁信号进行去噪处理。采用BP神经网络模型对储罐底板缺陷进行量化分析研究,构建了缺陷几何参数预测BP神经网络模型,并运用有限元分析所得到的数据为BP网络训练样本,用人工模拟缺陷的漏磁信号测试BP神经网络。网络训练和测试结果符合储罐底板缺陷量化的精度要求。     

一种线结构光视觉传感器标定方法

在线结构光视觉传感器的标定中,结构光光平面上三维世界标定点的获取一直是一个难题。主要是因为靶 标上已知的三维世界点很难恰好位于结构光光平面上。针对这个问题,提出了一种基于双重交比不变的线结构光 视觉传感器的标定方法,设计了相应的标定靶标。利用双重交比不变性,可以获取光平面上任意数量的高精度的 三维标定点,从而解决了线结构光视觉传感器三维标定点不易获取且数量少的问题,提高了线结构光视觉传感器 的标定精度。试验结果表明该方法可以满足大型工件的结构光三维视觉检测精度的要求。     

线结构光视觉传感器测圆(类圆)孔中心两步法

针对基于工业机器人平台柔性三维视觉检测系统,提出线结构光视觉传感器测量空间圆(类圆)孔中心两步法。根据线结构光视觉传感器测量模型,确定被测圆心近似z向坐标。根据圆心相对摄像机光心的方位,确定被测圆心的x、y向坐标。该方法突破了传统空间圆(类圆)孔中心测量仅能采用双目视觉传感器的方式。研究结果表明,该方法切实可行,可以满足实际测量需求,能够极大地扩展线结构光视觉传感器的应用范围。     

基于FBG和BP神经网络的声发射定位方法

针对传统基于神经网络的声发射定位选择的样本不具有广泛代表性的问题,提出了基于光纤布拉格光栅(fiber Bragg grating,简称FBG)传感和反向传播(back propagation,简称BP)神经网络的声发射定位技术。该方法使用提取的窄带信号间时差作为样本,无需考虑损伤特性及波速对定位的影响,同时使用Levenberg-Marquardt(简称LM)算法训练样本,提高了BP神经网络的训练速度。在500mm×500mm的铝合金板上进行实验,声发射定位的平均误差为6.65mm,验证了该方法的有效性和准确性。     

Construction of 3D solder paste surfaces using multi-projection images

This paper aims to develop the 3D surface construction applications for the solder pastes using multi-projection images and the neural network approach. The proposed solution uses the image features of multi-projection angles as the inputs and the laser surface scanning results as the outputs of the neural network model to perform precise 3D solder paste surface construction. In this manner, the proposed methodology can measure the 3D solder paste surfaces in a precise way like the laser scanning results. The advantages of this work is to use a low cost and high speed image solution to overcome the disadvantages of high cost and slow speed laser solution while the inspection accuracy is maintained. The multi-projection images are captured from the multi-channel light source and the coaxial light source to perform precise and efficient inspections, respectively. On the other hand, the back-propagation (BP) neural network approach is used to construct the 3D solder paste surface models for various solder pad geometries. Finally, the proposed system was experimentally verified. The experimental results showed that the multi-channel light source solution with pad based learning achieves 95% volumetric accuracy in average, and the coaxial light source with sub-area based learning just achieves 80% volumetric accuracy in average when compared to the actual laser surface scanning.     

网条结构光三维视觉检测标定方法研究

本文在广义坐标系中采用投影透视变换理论建立了网条结构光三维视觉检测模型。