基于STM32单片机的智能送药小车系统设计

人工智能作业车因其诸多优越性被广泛应用于各行各业和日常生活中。本文设计并制作一种基于STM32单片机、OpenART摄像头、OpenMV 视觉识别模块、NRF24L01无线通讯模块等处理单元的智能送药小车系统。经实验测试,该送药系统能够模拟实现医院药房与病房间自动送药业务,多辆智能送药小车之间能够进行智能化自动通信、自动导航、协同运作完成送药任务。     

基于卷积神经网络的直线同步电动机电枢绕组故障诊断

通过绕组函数理论对直线同步电动机进行分析,提出一种基于卷积神经网络(CNN)的直线同步电动机故障诊断方法。从直线同步电动机的数学模型出发,基于绕组函数理论对电动机正常状态和匝间短路故障状态进行仿真,对电流波形图进行快速傅里叶变换(FFT)得到不同状态的数据集。利用CNN中的GoogLeNet网络结构,在保持网络空间维度的同时不增加故障诊断的计算量。将数据集输入到网络模型进行故障诊断,仿真结果表明GoogLeNet网络结构对直线同步电动机电枢绕组的短路故障识别率达到了96.5%以上。     

应用 Adabelief 优化器的 MSDNet 在多工况下 滚动轴承的故障诊断

针对滚动轴承在多工况条件下故障特征难以识别的问题,从数据驱动的角度出发应用一维多尺度密集网络(MSDNet)对轴承进行故障诊断。首先,将时域信号作为MSDNet的直接输入,保持了信号本有的固有特性;其次采用3个并行卷积操作来提取轴承故障信号内部的多尺度信息,密集网络的加入防止了信息传递过程中的特征丢失,适当缓解了模型中的梯度消失问题;然后训练过程中采用Adabelief优化算法优化模型参数,使得模型在快速收敛的同时又提高了其泛化性能;最后通过混淆矩阵和特征可视化图展示出模型的分类性能,在凯斯西储大学轴承实验数据集和西安交通大学数据集上进行了多次实验,应用该算法故障识别率可达到98%以上,证明了该方法的有效性。     

基于机器视觉的轮胎胶料表面字符识别

针对目前轮胎胶料表面的5×7点阵喷码字符人工识别存在劳动强度大、效率低、智能化水平低等问题,提出了一种基于机器视觉的轮胎胶料表面字符识别方法,首先利用字符出现区域较为稳定且字符为黑底白字进行快速定位与背景分割、形态学操作消除干扰;然后创新性地运用简化垂直投影法配合字符宽度的阈值限制,并对"1"和"I"与其他字符宽度不同的特殊情况进行处理,实现字符分割;最后,采用基于标准相关匹配的模板匹配方法实现字符识别。实验结果表明,所提方法的字符识别准确率达到99.51%,达到了预期的识别效果。     

钛表面无氢渗碳研究现状

综述了钛表面无氢渗碳法——固体渗碳法和辉光等离子无氢渗碳法的研究成果。固体渗碳法可在钛表面形成Ti C等耐磨相、提高表面硬度,但也存在诸多不足,如反应气氛不可控,伴有多种氧化物、氮化物,渗层有剥落,耐蚀性不佳。辉光等离子无氢渗碳可形成Ti C的梯度扩渗层,同时也可在表面形成一层碳膜,这种渗碳层既耐磨又减摩,可大幅降低摩擦系数、磨损率,在盐酸、硫酸等还原性酸中耐蚀性大幅提高。经过无氢渗碳技术处理的钛液压件、球阀、齿轮等已在耐磨耐蚀领域得到应用。     

基于VMD能量熵与SVM的行星齿轮箱故障诊断

由于行星齿轮箱振动信号的故障特征难被提取,故采用变分模态分解(VMD)能量熵与支持向量机(SVM)相结合的方式实现行星齿轮箱故障诊断.首先利用VMD方法将振动信号分解为不同尺度的内禀模态函数(IMF)并提取各IMF的能量熵值构成特征矩阵,其次利用粒子群算法(PSO)对支持向量机的惩罚因子和核函数优化,最后将特征矩阵输入支持向量机进行故障模式识别.通过行星齿轮箱的实验研究,验证了该方法的有效性并且识别准确率高达99.625％.     

用高强度水玻璃砂直浇管代替耐火管

我厂为了提高铸件质量,减少铸件砂眼缺陷,在一些质量要求高的产品上采用耐火管直浇道造型浇注,有效地防止和减少了因钢水冲刷砂型直浇道而造成的砂眼缺陷。但随着耐火管的不断涨价,铸件成本加大。为此,我们轻反复试验,成功地用高强度水玻璃砂直浇管取代了耐火管直浇管,经济效益十分显著。     

基于多尺度熵偏均值的液压泵故障特征识别

针对不同故障类型下的液压泵振动信号具有不同复杂性的特点,将多尺度熵引入到液压泵故障识别中。多尺度熵是在样本熵的基础上通过引入尺度因子,从而能够分析信号在不同尺度因子下的复杂性。在多尺度熵的基础上定义一个同时考虑多尺度熵熵值大小和熵值变化趋势的指标--多尺度熵偏均值(PMMSE),该指标定量地刻画故障信号的复杂性。将该指标用于液压泵的故障识别中。通过对液压泵4种不同运行状态的实测振动信号进行分析,结果表明PMMSE能够很好地区分出液压泵的不同故障类型,验证了该指标在故障特征提取中的有效性。     

W/ODS铁素体钢功能梯度材料热应力分析

目的 研究W/ODS铁素体钢功能梯度材料（W/ODS FGM）服役条件下的热应力,期望获得较合理的W/ODS FGM材料设计,以达到热应力优化的效果。方法 采用有限元分析方法,结合偏滤器的服役条件,通过改变W/ODS FGM材料梯度层成分分布指数p、梯度层厚度HFGM以及金属W涂层厚度HW,探索各参量的变化对热应力大小及分布的影响。结果 梯度层成分分布指数p值增大,梯度层的应力值会随之增大,而W层的热应力先减小后增大。当p=0.5时,最大热应力出现在梯度层的中段;当p=1、2时,最大应力由FGM层中段转移至FGM/W层的交界处。梯度层厚度HFGM增大,涂层的热应力会大幅提高。梯度层厚度较厚或较薄都会导致热应力在FGM/W交界处集中。W涂层厚度HW增大,会导致W/FGM界面的热应力增大,增添了涂层自身的不稳定性。结论 梯度层成分分布指数和厚度的增大均会引起涂层热应力的增大,并导致最大热应力区的转移。W涂层的增厚会使结构的热应力增大,且最大应力值位于W/FGM界面,不利于涂层寿命的提高。HW=HODS=1 mm、HFGM=8 mm、p=0.5和HW=HODS=1 mm、HFGM=4 mm、p=1的最大热应力区位于梯度层中段,且后者的最大应力值小于前者,故HW=HODS=1 mm、HFGM=4 mm、p=1的结构较优。     

基于VMD能量熵与SVM的行星齿轮箱故障诊断

由于行星齿轮箱振动信号的故障特征难被提取,故采用变分模态分解(VMD)能量熵与支持向量机(SVM)相结合的方式实现行星齿轮箱故障诊断.首先利用VMD方法将振动信号分解为不同尺度的内禀模态函数(IMF)并提取各IMF的能量熵值构成特征矩阵,其次利用粒子群算法(PSO)对支持向量机的惩罚因子和核函数优化,最后将特征矩阵输入支持向量机进行故障模式识别.通过行星齿轮箱的实验研究,验证了该方法的有效性并且识别准确率高达99.625％.