基于深度学习的管道热图像泄漏识别

为了降低输液管道多泄漏点微小泄漏的检测难度,提高输液管道无损检测的检测精度与检测速度,通过搭建水循环管道泄漏实验系统,改变管道泄漏点尺寸、泄漏点数量及输送介质温度,应用红外热像仪实时采集红外图像,提出基于非线性平稳小波和双边滤波算法实现图像降噪;并结合红外检测技术和YOLO(You Only Look Once)v4模型实现输液管道单、多漏点的自动化智能检测。结果表明,与传统滤波算法相比,该降噪方法的峰值信噪比、结构相似性均有所提升;该模型能够快速且准确地检测管道单、多漏点,检测精度（m AP）分别达到了0.9822及0.98,准确率分别达到了98.3%及98.36%,单帧检测时间分别达到了0.3021s及0.3096s,实现了在复杂背景干扰下对单、多泄漏点的识别。通过与YOLO v3、Faster R-CNN和SSD 300这3种算法比较发现,YOLO v4算法对管道单一漏点及多泄漏点检测的准确率、m AP和检测时间均更佳,具有更高的检测准确性与检测效率。     

基于坐标孔的翼肋柔性装配协调方法

为保证翼面类部件外形的装配准确度,研究了以坐标定位孔为协调定位基准的内定位装配方式对装配准确度的影响。对比分析传统翼肋产品的外形定位方式的协调方法,根据以坐标定位孔为协调定位基准协调外形轮廓过程中的优势,提出了一种翼肋柔性装配方法,设计了翼肋定位执行末端,在虚拟环境下进行了柔性定位仿真验证。结合飞机数字化制造流程,分析其装配协调过程,计算以坐标孔为协调基准的外形尺寸误差。某型飞机前缘襟翼的柔性装配实例表明：柔性定位单元结构简单,成本较低,翼肋柔性装配准确度完全满足外形精度设计要求。