基于LO-RANSAC的锂电池极片表面痕类缺陷检测北大核心CSCD

针对锂电池极片表面的痕类缺陷检测准确率低、误检率和漏检率高的问题,提出了一种基于局部最优化的随机抽样一致性(locally optimized random sample consensus,LO-RANSAC)的痕类缺陷检测算法。首先,针对锂电池极片表面存在的椒盐噪声、大噪点多的问题,提出了一种改进的自适应中值滤波和基于连通域的滤波算法。其次,针对检测痕类缺陷准确率达不到预期以及误检率漏检率较高的问题,引入一种局部最优化的RANSAC算法。最后,给出了一种基于LO-RANSAC的痕类缺陷分类方法。实验结果表明:本文所提算法相较于标准RANSAC检测准确率提高了5.9%,相较于基于卷积神经网络算法准确率提高了15%,达到了98.2%;多种算法中本工作算法对于痕类缺陷的检测误检率和漏检率最低;平均检测速度较标准RANSAC算法提高了1.7倍,每秒钟检测的图片数量FPS(frame per second)达到12.49。本工作算法具有较高的检测准确率、较低的误检率及漏检率,检测速度达到实时检测要求,因此可满足锂电池极片表面的痕类缺陷检测需求,解决了锂电池极片表面痕类缺陷自动检测难题。     

染整智能工厂的研究及展望北大核心

介绍了染整智能工厂的最新建设和研究,包括染整智能工厂的各生产环节的自动化升级改造、工业互联网建设、数据对接和控制中心的基础设施建设情况,以及染色机中央监控管理、定形机中央监控管理、染化料配送系统管理、ERP管理和数据中台的智能化研究进展。指出采用多层可逆神经网络模型预测染料配方、采用数据孪生和深度学习相结合的方式构建虚实结合的染色生产、采用混合智能算法对染色定单进行智能排产是未来的发展方向。     

利用S7—216实现IBM PC对多台不同型号PLC的通信

讨论了由一台上位微机对多台不同型号的ＰＬＣ进行连网监控的通信方式及实现方案，在充分理解串行通信机制的基础上，借鉴了计算机网络中互连网的思想，并巧妙利用Ｓ７－２１６ＰＬＣ所特有的自由口通信模式，提出了一套实用的连网方案，并给出了部分程序流程图。     

非匹配不确定系统的显式反步变结构控制

研究非线性多输入多输出不确定系统在非匹配条件下的鲁棒输出跟踪问题，基于相对阶的假设，给出了多输入多输出不确定系统的标准型，进而结合反步设计方法和变结构控制方法，提出一种非匹配条件下非线性不确定系统鲁棒输出跟踪问题的显式反步变结构控制器设计方法，所给跟踪算法不仅只由不确定性的变化范围直接确定，而且有效地克服了现有反步设计算法因隐式递推关系和复杂偏导数计算给实时控制带来的困难。