石材自动化立体仓库设计

立体仓库是近年来迅速发展起来的一种新型仓储设施,是物流系统的重要组成部分,也是石材行业板材存储发展趋势.本文主要介绍了立体化仓库发展历程,并将立体仓库存储技术应用于石材仓库中,详细阐述其组成、功能及优点等问题.     

基于暗通道先验的自适应超像素去雾算法

传统基于暗通道先验的图像去雾算法不能有效去除有雾图像在景深突变处的雾点,边界处容易引起光晕效应,对此提出一种基于暗通道先验的自适应超像素去雾算法.首先,在暗通道的获取过程中引入自适应方法判断当前像素邻域内是否具有多个景深物体,若仅存在相同景深物体,则直接求取此像素的暗通道,若存在多个景深物体,则引入超像素分割算法区分不同景深物体,减小景深变化对暗通道获取的影响,以求取更准确的暗通道;然后,估计粗略的透射率,并根据上下文约束细化透射率;最后,通过图像降质的逆过程求解去雾图像.实验结果表明,所提出的算法与暗通道先验单幅图像去雾(DCP)算法、基于边界邻域最大值滤波的快速图像去雾(EMDCP)算法、基于自适应暗原色的单幅图像去雾(ADCP)算法、带边界约束和上下文正则化的高效图像去雾(BCCR)算法相比,可将客观质量综合评价准则提高10%,能够抑制光晕效应,提高有雾图像的视觉效果.     

基于布谷鸟搜索算法的变电站选址方法研究

传统变电站选址算法通常搜索时间长,且搜索质量不高。布谷鸟算法(CS)可有效克服传统算法中的"早熟"现象,有更高的全局寻优能力和搜索率。将该算法引入变电站选址模型,在模型中加入地理信息惩罚因子,应用布谷鸟搜索算法进行求解,用实际算例进行有惩罚因子和无惩罚因子模型的对比,证明加入地理信息因素可使变电站选址结果更加切合实际。     

转台运动误差分离与角度优化技术研究

为了解决测量转台运动误差时存在的多种误差耦合问题,提出了一种基于多点法的运动误差分离方法。首先,通过分析转台在回转过程中多自由度误差的运动特性,提出了一种端面四点误差分离方法,在分离出测量盘下表面的平面度误差的同时,可完成倾斜误差和轴向误差的解耦。然后,建立了该方法的误差传递函数,采用麻雀算法(SSA)进行优化,寻找不同阶次下受谐波抑制影响最小的最优布置角,提高了误差解耦精度。最后,通过仿真与实验的方式对该方法进行验证。仿真结果表明,端面四点误差分离方法对轴向、倾斜误差的分离精度(相对误差)分别为1.934%和9.177%。实验结果表明,分离的运动误差与转台标定误差相符合,验证了该方法能够精确获得转台运动误差。     

基于运动功能创成法的异型石材车铣加工中心设计

石材制品的加工工艺、工序及种类与金属制品存在着本质的差别,这使得使用传统的机床设计方法无法很好的完成异型石材加工装备的设计。本文通过使用机床运动功能创成法,在建立石材典型制品及刀具数学模型的基础上,通过方程求解得出了异型石材车削、雕铣加工的运动轴需求。并以此为基础,进行了一种车铣复合的异型石材数控加工中心设计与模块化配置,所制备异型石材车铣加工中心(HTM50200)获第九届中国(沈阳)国际装备制造业博览会机床类制品金奖。     

石材装饰计算机辅助色彩设计

色彩设计是石材产品设计的一个重要组成部分,因此计算机辅助色彩设计技术及系统的研究与开发是计算机辅助造型的一个重要方向。本文着重分析了应该如何把色彩设计理论运用于石材制品的整体设计中,并介绍了自行开发的计算机辅助色彩设计系统的基本功能。     

基于模块智能的自重构机器人描述模型

自重构机器人拓扑结构的描述模型是建立自重构机器人系统和设计变形规划算法的基础。本文提出一种有序定点图及其关联矩阵作为描述模型 ,通过各个模块的局部感知信息来表达全局拓扑 ,可以有效表达整体系统中模块的位置关系、连接关系和失效模块的信息。本文建立描述模型的方法可以应用于各类同构模块化机器人系统     

两种典型柔性铰链导向机构的稳定性分析

为了分析两种柔性铰链导向机构的稳定性以及柔性铰链参数对导向机构稳定性的影响,本文结合卡氏位移定理和能量法,分别推导了柔性铰链导向机构在运动方向、垂直于运动方向和绕z轴转动方向的刚度计算公式,并应用推导公式对两种导向机构3个方向上刚度进行实例对比,分别计算其3个方向上的谐振频率,并根据谐振频率分析稳定性.最后改变柔性铰链的参数,用MATLAB分析其对导向机构稳定性的影响.结果表明,刚度推导公式的有限元验证和理论计算结果误差在1.10%~13.79%,证明了推导公式的正确性;同时,谐振频率的理论计算数据对比表明双平行四杆导向机构具有更好的稳定性,MATLAB分析得出铰链的切口半径r对微动平台的稳定性和承载能力影响程度最大.谐振频率的对比分析和柔性铰链参数对稳定性的影响分析为微动平台设计时导向机构的选取提供了参考.     

基于Transformer的陶瓷轴承表面缺陷检测方法

针对传统机器视觉检测方法中,由于陶瓷轴承滚动体表面曲率大、对比度低,表面成像模糊导致后续缺陷检测精度低的问题,提出一种基于Transformer的超分辨率残差网络。首先,网络使用残差学习策略,通过预测模糊图像与清晰图像之间的差值,实现超分辨率任务;其次,在网络上前端插入通道注意力模块和空间注意力模块并改进L2多头自注意力模块,以增强图像纹理、改善梯度爆炸问题;最后,针对超分辨率重建任务,提出一种两阶段训练策略优化训练过程。自建陶瓷轴承表面缺陷数据集上的大量实验结果表明,所提出网络模型在客观指标与主观评价上均优于MSESRGAN、VSDR等超分辨率算法,重建图像SSIM为0.939,PSNR为36.51 dB。