基于AP聚类和深度卷积网络的船舶焊缝缺陷检测

针对船舶焊缝缺陷检测中存在定位困难和识别效率低问题,提出基于AP聚类和深度卷积神经网络的检测方法.采用基于距离最值的M-SMOTE算法进行焊缝样本不平衡数据集处理,实现少数类新样本的精细化生成,并提出基于AP聚类的深度卷积神经网络模型.模型先基于几何特征、强度特征和背景对比反差进行11个焊缝缺陷特征提取和AP聚类,并将聚类结果作为神经网络输入;采用自适应PCA法对网络进行降维,在保证识别准确率的基础上,通过参数化方法简化降维步骤.试验表明,在通用焊缝数据集上,文中模型的识别率高达98.87％,与准确率较高的VGG模型相比,训练时间缩短12.10％,模型存储减小11.94％;在船舶焊缝数据集上,文中模型的总体识别率达到98.00％,对比准确率较高的DNN模型,其准确率提高了 3.33％.     

基于AnyCasting的轴承座铸造工艺优化

为优化HT 200轴承座铸造工艺,运用AnyCasting软件进行数值模拟,分析了铸件易产生缺陷的位置及缺陷形成的原因.采用增加内浇道凝固模数,降低浇注速度以及缓流式浇注系统的新方案,并进行数值模拟分析.结果表明,通过模拟可以辅助铸造工艺设计,利于浇注时间范围的快速确定.利用缓流式浇注系统以及降低浇注速度有利于铸件的平...