多工位液压母线加工机的研制

在高低压电器、变压器制造行业，铜、铝母线的种类繁多，不同的变压器、电控柜对其有着不同的要求，传统的钻孔、剪切和折弯方式给母线的表面质量带来了很大影响，加之实际工作现场中受各种工具的限制，更难以保证母线的加工质量，从而影响了变压器或电控柜的质量。而多工位液压母线加工机则是根据高低压电器、变压器制造行业的需要而专门研制开发的一种专用设备。     

基于小世界网络的自适应阈值边缘检测算法

针对传统边缘检测算法中因无法实现阈值选择从局部信息到整体特征的自适应而出现的噪声干扰、误分割等问题,提出了基于小世界网络的自适应阈值边缘检测算法.该算法根据小世界现象特征,以像素与邻域像素亮度上的差异性,建立图像阈值分层模型.通过计算各像素的亮度变化,将其划分到不同的阈值层,形成候选边缘像素的状态空间;然后在选定边缘像素阈值层内,各像素按给定的概率在HS空间中聚类,实现边缘的提取.仿真实验表明,该算法能有效地消除噪声,提高边缘检测的准确性,保证边缘的连续性.     

新型势场模型及在实时运动规划中应用

针对复杂环境中移动机器人的实时运动规划问题,在传统人工势场法基础上,以机器人与动态障碍物的相对位置和相对速度为变量,构建了一种新型的位置和速度势场模型,提出了一种新的自适应势场法.通过变参数约束扰动法解决了势场法中的局部极小问题.实验结果表明,该方法能使机器人选择最佳避障策略实现主动避障,快速地摆脱动态障碍物,规划出光滑路径,从而提高避障效率,较好地解决了动态未知环境中的路径规划问题.     

基于CAN总线通讯的四足机器人关节电机控制

针对四足机器人关节电机的参数优化问题,首先设计了电机负载下的单关节控制系统的动力学模型并规划控制策略,通过CAN总线通讯来实现对电机的控制,最后对关节电机的位置增益与速度增益进行合理调控与参数优化.实验结果表明,在位置增益等于20、速度增益等于1.8时可以实现对单关节控制系统的最优控制.     

基于PLC的气动炸药搬运机械手研制

介绍了气动炸药搬运机械手的机械系统和控制系统。机械系统由手臂、手爪及基座等部分构成,具有3个移动自由度和2个旋转自由度,分别实现机械手的提升、伸缩、夹持、旋转和摆动动作。控制系统以三菱FX1n PLC为核心,配合步进顺控指令编程方法搭建控制系统平台,通过电气-气动控制系统驱动执行元件如直线气缸、摆动气缸等产生动作,完成机械手的5种动作循环。同时,气动炸药机械手还提供了整体自动循环、手动单步运行以及机械手爪自动、手动夹持等多种控制方式的选择,增加了控制系统的灵活性。     

基于径向基函数神经网络的压电式六维力传感器解耦算法

针对四点支撑结构的压电式六维力传感器线性度差,维间耦合严重的问题,提出了基于径向基函数(RBF)神经网络的解耦算法。分析了耦合产生的主要原因,建立了RBF神经网络模型。通过对六维力传感器进行标定实验获取解耦所需的实验数据,并对实验数据进行处理。然后采用RBF神经网络优化传感器输出系统的多维非线性解耦算法,解耦出传感器的输入输出映射关系,得到解耦后的传感器输出数据。对传感器解耦后的数据分析表明:采用RBF神经网络的解耦算法得到的最大Ⅰ类误差和Ⅱ类误差分别为1.29%、1.56%。结果显示:采用RBF神经网络的解耦算法,能够更加有效地减小传感器的Ⅰ类误差和Ⅱ类误差,满足了传感器两类误差指标均低于2%的要求。该算法有效地提高了传感器的测量精度,基本解决了传感器解耦困难的难题,     

铸件自动循迹浮动磨边的研究

铸件经铸造后表面会产生飞边、毛刺,机械加工前需要清理掉。分析了目前铸件飞边、毛刺的清除方法,设计了一种铸件自动循迹浮动磨边装置。采用该铸件自动循迹磨边浮动装置可以解决铸造飞边、毛刺尺寸过大,造成损坏刀具或机器等问题。按照铸件的尺寸形状磨削飞边和毛刺,具有制造成本低、生产效率高、操作简单、使用方便等优点,解决了手工磨边对人体造成严重污染等问题。     

斜刃冲裁技术在冲压模具中的应用

在仪表、高低压电器、开关柜以及变压器制造等行业,板材冲压模具的种类繁多,不同的仪表、开关等对其有着各种各样的要求,传统的板材冲压模具,特别是大型孔类的冲压模具对压力机冲裁力的要求很高,普通小型工具压力机难以达到。而板材冲孔机是将斜刃冲裁技术应用到板材冲压模具中以满足大孔冲裁加工的需要而开发的一种专用设备。     

基于GPS的列车前照灯转向控制系统的研究

针对由于列车提速带来的铁路弯道处的前照灯自动转向问题,提出了一种基于GPS的转向控制系统.通过分析前照灯转速、转角与列车位置,建立转角控制系统数学模型,并构建以LPC2136为主控芯片,GPS15L为GPS信息接收器件,步进电机为驱动的系统硬件平台,并设计了控制系统的软件.实验结果表明,基于GPS的转向控制系统能够实现列车前照灯照射方向控制.     

基于先验知识与深度学习结合的缺陷检测算法

为提升零件表面缺陷的检测率与算法的鲁棒性;在目标检测算法中,添加图像增广方法,利用多个图像增广叠加的方式扩大其训练样本;针对深度学习收敛速度慢及很难发现先验知识的缺陷,分别提取4类缺陷的灰度共生矩阵特征值,经分析各类灰度共生矩阵特征对不同特征的区别度,选取区别度最大的特征,将其带入单点多边界框探测器（SSD）算法网络中作为先验知识。结果表明,本文的检测网络在收敛速度及检测效果都有所提升,其检测速度约为9.06帧每秒,满足实时性要求。