湿式自动去毛刺单元设计及应用

随着我国制造业对产品质量和清洁度要求越来越高,去毛刺已成为制造过程中重要的工艺过程之一。缓速器壳体零件因结构复杂,产生毛刺部位多,多数产线主要混合采用人工和机床两种去毛刺形式。手工去毛刺效率低、劳动强度大、工作环境恶劣,易划伤工件、易漏去。机床因自由度限制,去毛刺部位有限,同时会占用加工节拍。而机器人去毛刺具有柔性高、精度高、效率高、环境要求低、加工空间复杂、工作时间长、废品率低等优势,已成为去毛刺领域新趋势。文章将以一种缓速器壳体湿式自动去毛刺单元为例,从场景要求、机器人选型、工艺流程设计、打磨系统设计、夹具及抓手系统设计、喷淋系统设计、可编程逻辑控制器控制系统设计等方面,简要介绍机器人自动去毛刺单元的设计思路及应用,为类似复杂壳体自动去毛刺设备的设计提供必要的思路借鉴。     

轨道工程车辆车轮注油孔加工工艺及其优化

以轨道工程车辆车轮注油孔加工为研究对象,经过方案调研、工艺方案优化、刀具选择、工装设计运用来提高车轮注油孔加工效率及质量,已取得显著成果。     

高速公路ETC性能快速检测数据处理方法

针对自主研发的面向高速公路运维的ETC性能快速检测装备外业中因采集环境等因素产生的数据干扰问题，研究了ETC性能快速检测数据处理方法，去除了冗余的数据形成有效数据集，提取数据波峰波谷信息并依据相邻波峰波谷之间的关系研究了干扰数据的去除方法，最后利用三次样条插值方法对数据进行曲线拟合，形成了采集数据的轮廓信息，能较好地表征收费站ETC信号的能量分布趋势。     

侧架去应力退火前后残余应力及变形有限元分析

文中通过对电力机车典型焊接结构-侧架进行有限元分析,对比去应力退火前后焊接残余应力及前后变形量,阐明了去应力退火工艺对焊接结构残余应力及变形的影响。     

机器视觉视角下船舶无线通信系统定位技术

针对传统基于视觉显著性和卷积神经网络定位技术、基于深度学习的输送带标记定位技术受到噪声信号影响,而导致定位精准度低的问题,提出机器视觉视角下船舶无线通信系统定位技术。根据机器视觉视角定位原理,计算实际延时,获取总节点数量。分析在真实环境下存在的干扰情况,构建信号损耗模型,计算从节点处接收端采集信号强度。分析图像噪声特性,处理带标记输送带图像,使用卡尔曼滤波去噪方式剔除噪声数据,完成无线通信系统定位。由实验结果可知,该系统定位精准度最高为98%,能够对船舶无线通信系统精准定位。     

电动工程车构架去应力退火工艺

简要介绍了电动工程车转向架焊接构架去应力退火工艺设计和分析,提出了对热处理中构架的变形控制,温度和时间选择等工艺优化措施,进一步提升构架去应力退火品质,保证焊接构架最终产品性能和装配尺寸,可以推广到其他焊接式构架去应力退火工艺中。     

利用偏微分方程的水下图像分解与增强

在海洋资源开采的过程中,水下图像处理与识别的作用越来越凸显。由于水下环境复杂、水易吸光及水的散射,拍摄所得的图像非常容易失真,很难进行后期处理和使用。然而这些外在干扰因素并不容易避免,很难从源头上解决水下图像失真的问题。因此,必须在后期对图像进行去噪处理,从而最大限度还原出原始图像。本文将通过偏微分方程,结合非下采样变换来等方法对图像进行去噪处理,以实现图像的增强。     

一种基于Bi-LSTM和MLP融合的滚动轴承剩余寿命预测方法

目前长短期记忆网络(long short-term memory, LSTM)是滚动轴承剩余使用寿命(remaining useful life, RUL)预测的常用方法,但其训练过程中收敛速度慢、波动性剧烈、预测误差大的问题,严重影响其在实际生产中的应用.针对该问题,提出一种双向长短期记忆网络(Bi-directional LSTM, Bi-LSTM)与多层感知机(multilayer perceptron, MLP)融合的预测方法.首先,采用堆叠去噪自编码器(stacked denoising auto encoder, SDAE)对预处理后的滚动轴承振动信号进行特征提取;其次构建Bi-LSTM网络与多层感知机融合的多种预测模型,并通过实验获取较优模型;最后使用较优模型对其剩余寿命进行预测.实验结果表明,相对LSTM,Bi-LSTM,以及LSTM融合MLP等常用模型,采用文中提出的方法,模型在滚动轴承剩余寿命训练过程中,波动性更低、收敛速度更快,同时预测误差也得到明显降低.