在航空航天设备中连接器被广泛地应用,但其装配质量因多余物的存在导致装备服役性能下降。针对目前连接器多余物的检测主要依靠人工,效率低、误检率高、成本高的问题,研究中利用机器视觉的优点,设计了Grid-Based Motion Statistics (GMS)特征匹配与图像差分融合的连接器多余物检测软硬件系统。首先,提取连接器图像ORB特征描述符,通过GMS匹配算法实现检测图像与其对比图像的特征匹配;其次,以两图像的特征点集计算单应性矩阵,并通过透视变换对齐检测图像;再次,将对齐的图像做图像差分,并通过高斯模糊、形态学操作、轮廓查找等实现多余物检测。实验表明,与传统直接做图像差分检测多余物的方法相比,检测精度大幅提升;研究中以采集的147张图像做检测,精度为98.64%。
公共运输中X光违禁品检测对公共安全起到至关重要的作用,检测精度低会导致公共安全事故,检测速度慢会引发安检通道堵塞等问题,为了在检测精度和检测速度之间达到平衡,提出了使用结构重参数化与任务对齐的检测模型。首先使用对硬件友好的结构重参数化网络作为骨干网络,降低网络的计算复杂度,提高网络的推理速度。其次使用任务对齐检测头,使网络在进行分类和定位任务时可以联合训练,增强对抗前后景噪声干扰的能力。最后采用TSIoU作为损失函数,增强分类和定位任务之间的交互,降低损失函数的自由度,提高损失度的稳定性。在HiXray数据集上进行实验,结果表明,改进之后模型与基线模型YOLOv7相比,数据集中存在的前后景复杂问题得到明显改善,且mAP@0.5和mAP@0.5∶0.95达到了84.1%、 46.1%,相比于基准模型提升了1.8%和1.5%,FPS从原有的76帧提升85帧。提出的新网络与当前主流目标检测网络相比,具有较优的检测精度与实时性。
针对动车组制动模块结构复杂,装配过程子部件种类、数量较多,易产生混装、漏装等问题,建立一种基于机器视觉的装配检测模型。首先,通过数据集构建、模型训练、推理测试等步骤,完成YOLOv5部件检测模型的建立并进行计数统计判断。然后,对YOLOv5输出的位置坐标与类别数据,通过坐标转换和标准化处理使位置信息区分度提升。进一步,在训练集上运用K-Means进行聚类学习,生成部件各位置簇的中心坐标和内外限值。最后,计算待测部件位置坐标与各簇中心的欧氏距离,结合内外限值判定位置的正确性。同时,为便于工程部署,在推理端采用ONNXRuntime框架进行可视化系统的开发。结果表明:检测方法具有较高的准确率和查全率,同时具备位置检测功能,较现有人工目视检查方法更加准确、稳定、高效,具备工程应用价值。
针对采煤机滚动轴承故障诊断精度低、速度慢、无法实时监测其运行情况等问题,提出一种基于数字孪生和概率神经网络(Probabilistic Neural Network,PNN)的采煤机滚动轴承故障诊断方法。根据滚动轴承结构、运行的特点,建立基于数字孪生的故障诊断模型;采用改进的萤火虫优化算法(Firefly Algorithm, FA)求取最优的平滑因子并赋给PNN,得到最优的故障诊断模型,并将优化后的故障诊断模型封装到数字孪生体的行为模型中,进而构建高精度轴承数字孪生体进行实时故障诊断分析。实验结果表明,与优化前以及其他网络相比,所提方法的收敛速度更快且故障诊断精度更高,验证了所提方法的有效性与优越性。
针对无绝缘轨道电路复杂故障模式难以准确识别的问题,提出了基于多特征融合和改进M-Logistic算法的调谐区故障诊断。首先,采用多时窗分析提取多层次的时域特征,并对电压信号的非平稳性使用Welch算法提取频域特征;其次,运用最大相关最小冗余算法对初始特征集进行特征优化;最后,将非线性共轭梯度算法应用到强凸损失函数的最小化过程中,训练出计算代价低的改进M-Logistic判别模型。该模型应用于ZPW-2000A轨道电路的调谐区故障诊断中,得到了98.82%的识别准确率。结果表明,所提方法不仅能提取轨面电压信号在各种故障情形下的有效特征信息,并且以较低的计算代价实现了调谐区的故障识别。为调谐区故障诊断提供了一种新的智能方法,可为轨道电路的智能运维提供依据。
大型天线变形会引起天线阵面及子板平面度变化从而影响卫星设备的工作性能,目前大型天线的变形检测常采用摄影测量,其多依赖主观经验拍摄,存在测量点位冗余、难以复现等问题。为了实现天线的摄影测量自动化、提高测量效率与重复检测精度,提出了一种天线摄影测量网络规划的方法,建立了兼顾有效覆盖率和网形分布评价指标的复合目标函数,规划出测量相机网络布局,再分别应用和对比了改进型遗传算法与模拟退火算法在组合方案问题的寻优能力,选择了适应性更好的改进型遗传算法来规划相机摄影测量网络。实验结果表明,改进型遗传算法可自适应规划出更有效的摄影测量相机网络站位,其平均有效测量覆盖率达到97%,点位平均测量误差RMS为0.013 μm,且测量站位可复现,减少了测量过程中的误差,为大型阵面天线面板的自动化测量提供参考。
为了减少无人驾驶的计算时间与硬件资源的消耗,研究了路径规划与轨迹跟踪之间的关系,改进了快速扩展随机搜索树(RRT)与线性时变模型预测控制算法(LTV-MPC),基于运动学约束设计了一种规划与跟踪的控制算法。首先利用人工势场法(APF)根据车辆、障碍物、初始点和终点之间的关系划分地图,同时生成引导域;然后联合车辆模型和地图信息设置采样点、生长步长,并对路径进行航迹优化得到最优的路径。针对路径进行速度标注,设计目标函数并添加条件约束、设置动态采样时间以改进LTV-MPC算法来跟踪轨迹。经仿真测试,在车辆平稳行驶的条件下,改进RRT算法较Dijkstra算法减少39.7%的规划时间,同时自适应MPC算法减少了27.2%的跟踪时间。
针对萤火虫算法在路径规划中存在收敛速度过慢、容易陷入局部最优解,非必要转向次数过多等问题,提出一种新的基于遗传算法(GA)与萤火虫算法(FA)的混合算法(GFA)。算法的核心思想是当萤火虫算法陷入局部最优解时,将局部最优的萤火虫视为一个群体在遗传算法中进行二次优化,并通过改进遗传算子和引入一种自适应调整交叉和变异概率的方法,防止算法过早收敛,并得到最优的萤火虫个体。仿真结果表明,新的混合算法有更好的精度和性能,能够为移动机器人规划出一条综合性能较好的路径。将该算法应用于机器人室外路径规划中,通过导航实验证明了改进算法在实际环境中也能高效率、平滑地完成路径规划任务。
针对角钢塔作业机器人攀爬路径障碍多、运动效率低等问题,提出一种融合碰撞预测的三级改进A*算法。首先,采用轴对齐包围盒碰撞检测算法,建立机器人夹爪和塔上障碍的避碰关系。然后,通过优化A*算法的访问时间阈值和构建威胁函数进行自适应步长调整两种方式,提高算法运行效率;进而,在原有启发函数中引入碰撞威胁代价函数,避免机器人在攀爬过程中夹爪与角钢塔路径障碍发生碰撞;最终,三级改进A*算法可实现运行时间减少12%以上、循环次数降低30%以上。在ROS和MATLAB联合仿真下,对比分析局部夹持点和全局夹持点序列,仿真结果表明,该算法可实现机器人的高效越障攀爬运动。
针对一种4UPS-RPS并联机器人,为增大该机器人的工作空间,对其进行工作空间分析和结构参数优化。首先进行机器人的运动学分析,确定动平台的姿态和驱动分支之间的映射关系。然后利用数值法和MATLAB软件求解机器人工作空间体积。接着通过单一因素分析法和正交实验法共同分析并联机器人各种结构参数对其工作空间体积的影响,结果表明各参数影响程度由大到小分别为:驱动分支杆长最大值、转动副转角范围、驱动分支杆长最小值、动平台半径,且当驱动分支杆长最小值为340 mm,最大值为640 mm,动平台半径为140 mm,转动副转角为±52°时得到最大工作体积为2.49×107 mm3,较优化前提高了107.5%。最后建立样机进行实验,证明了建立模型的正确性。4UPS-RPS并联机器人工作空间分析及参数优化为提高机器人的工作能力提供了重要的基础保证。
目前,静压测量仍是大型飞机试飞时校准空速的首选办法,拖锥收放系统为其提供了基础,作为卷绕系统的典型应用,拖锥收放系统已经实现了自动化和数字化。然而,空中负载的频繁变化影响了控制的精确性,从而使得卷绕与排管的同步性能较差。针对当前环境下拖锥管缆的卷绕效果较差的现象,以从电机作为研究对象,用经典PID算法对从电机位置环进行分析,在此基础上提出模糊PID改进。同时针对从电机速度滞后问题,参考前馈控制的思想对从电机的速度环控制提出改进。通过MATLAB/Simulink软件对控制模型进行仿真分析,并利用液压加载装置模拟空中的负载,在地面对拖锥收放系统进行实验。实验结果表明该方法同步性能更好,达到了预想的效果,对类似的卷绕系统有着重要的参考价值。
针对船舶制造中存在多源异构数据、信息追溯困难、寻找和分析问题原因可能会浪费大量时间和资源等难题,提出了面向数字化制造的船舶生产线群控方法。群控系统接收MES系统的生产任务信息以及生产线控制PLC的生产线设备信息,群控系统基于生产调度方案和RFID单元对各个生产线上的物料进行RFID标签信息的读写,同时记录各生产线设备加工信息,完成对生产线的群控。进而实现生产线多种型号混线生产、柔性生产、多型号工件管理、产品加工过程中检测对象的存在、跟踪对象的动态、预测对象的位置,降低生产线停机率,最终达到生产线高效运行、质量信息可靠追溯,有效实现企业生产过程中降本增效。
针对实际的复杂场景下同时定位与建图存在精度不高和动态环境下系统容易追踪丢失的问题,提出一种基于聚类的视觉同时定位与建图算法。首先,在ORB-SLAM3算法中融合语义分割网络,并对参考帧图像进行聚类划分运动区域和物体类别,改进ORB特征提取,提高特征点的鲁棒性。其次,在运动一致性基础上提出机器人感知自身处于动态还是静态的环境检测约束条件,然后在匹配阶段融合K均值聚类算法剔除由物体运动和系统匹配过程产生的误匹配对,以此提高系统的精度和稳健性。最后利用运动矢量虚拟匹配重构静态地图点获取更多的匹配对,降低系统追踪丢失率。在TUM数据集上实验结果表明,改进后系统特征点提取成功率平均提高了20%;误匹配过滤时间稳定在1~2 ms之间,在动态环境下相对于原方法匹配效率提高十倍,特征点匹配数目增多;算法整体精度在静态环境下提升10%,动态环境下提高90%并且追踪完整性表现优越。实验结果表明复杂场景下所提算法具有优越的精度和稳健性。
出锌锅后的带钢需通过合金化炉进行感应加热以保证镀层合金化过程顺利进行和获得优良的镀层质量,出感应加热炉的带钢目标温度预报研究对热镀锌带钢镀层质量在线控制具有重要意义。针对生产中带钢感应加热(Induction Heating,IH)目标温度确定靠经验公式和人工在线调整,计算精度低、人工干预量大等问题,提出了一种结合贝叶斯参数调优和梯度提升决策树(Gradient Boosting Decision Tree,GBDT)算法的带钢热镀锌感应加热目标温度预测建模方法。对多维度和多钢种热镀锌带钢感应加热工艺大数据集,借助冶金机理和皮尔逊相关系数,筛选了与预测模型相关的特征;采用贝叶斯优化中的树状帕森估计(Tree-structured Parzen Estimator,TPE)对六种机器学习算法调参后,发现只有GBDT模型和K近邻(K-Nearest Neighbor,KNN)模型达到工厂生产要求;对GBDT预测模型超参数采用TPE算法、差分进化算法、随机搜索优化以及网格搜索优化四种调参方法进行调优,调优结果比较表明TPE的调参模型精度与网格搜索的模型精度相当,高于随机搜索的调参模型;TPE的调参时间与随机搜索调参时间接近,比网格搜索调参时间大大缩短;TPE算法相对于差分进化算法调优效率更高。利用优化的超参数建立GBDT模型和KNN模型,两种模型比较表明,GBDT模型训练时间短,精度高,生产预报绝对误差在±20 ℃以内的命中率达到了97.56%,符合生产要求,TPE和GBDT结合是建立热镀锌感应加热目标温度预测模型的最佳策略。
新型碳化硅器件在对电机进行驱动时,容易在开关频率及其倍频附近产生谐波,从而对电机的转动造成影响。针对此问题,提出了一种基于马尔科夫链的随机脉冲SVPWM谐波抑制方法。首先,通过对传统SVPWM的调制原理及谐波电流的产生进行分析;其次,通过对比传统SVPWM和随机PWM所产生脉冲信号的不同,给出了在RPPSVPWM算法下由于引入一个随机量δ所造成的非对称脉冲信号的调制方法;然后,介绍了基于马尔科夫链产生随机数的方法,并对比了该方法所产生的随机数与普通均匀分布随机数之间的差异;最后,通过Simulink分别对传统SVPWM、RPPSVPWM和MC-RPPSVPWM在不同转速的工况下进行仿真,结果表明MC-RPPSVPWM算法可以有效地将集中的谐波能量分散开,相较于传统SVPWM算法和RPPSVPWM算法,其拥有更为优秀的谐波抑制能力。
针对金属书签生产过程中人工进行金属板测量和激光打印区域校正时出现的质量不均匀与精度较低等问题,研究并设计了一套基于机器视觉的金属板测量及引导六轴工业机器人进行定位纠偏放置的系统。首先完成该系统硬件的设计、选型与搭建;其次通过计算像素当量和统计金属板长、宽及孔半径的像素值完成测量,并通过测量值进行判断分类;当符合系统要求时,利用模板匹配算法获得金属板的图像位姿,然后经过标定转换计算得到对应的机器人位姿;最后使用PLC控制六轴工业机器人完成定位纠偏放置。实验统计得到长测量误差为0.088 mm~0.116 mm,宽测量误差为-0.114 mm~-0.087 mm,孔半径测量误差为-0.108 mm~-0.090 mm,定位纠偏放置x轴方向误差为-0.065 mm~0.091 mm,y轴方向误差为-0.093 mm~0.088 mm,角度误差为0.049°~0.055°,该系统提高了金属板测量和激光打印区域校正的精度,可为制造业零件生产过程中的测量及定位系统设计提供参考。
工业机器人在制造业已得到广泛应用,快速、准确、自动获得目标运动点位和轨迹可以大幅提升工业机器人编程与作业效率,并可应对变化的作业环境。以自动化制造常见的平面类工件角接结合缝自动识别与跟踪为应用场景,提出基于3D点云的工件特征识别与工业机器人运动跟踪系统。通过结构光相机获得3D点云,对点云数据进行预处理、滤波、工件平面拟合、平面交叉获得结合缝点云,以及对结合缝点云进行必要的插值和顺滑处理,最终获得结合缝空间分布轨迹。再把该轨迹信息经过坐标变换和姿态补齐后,提供给工业机器人实现轨迹跟踪。实验结果表明,系统可以实现结合缝作为工件特征的自动识别与工业机器人自动运动跟踪功能。结合缝识别的路径点与实际结合缝轨迹平均误差不超过1.62 mm。目标特征的自动识别与跟踪可以大幅提升工业机器人适应多品种小批量生产的能力。