摘要：大样本高维度状态监测数据对剩余使用寿命(RUL)精准预测有着技术性挑战,为了提高以航空涡轮风扇发动机为代表的复杂装备的预测精度和收敛效率,提出一种两阶段的选择性深度神经网络集成方法.第1阶段为多方法联合扰动下的候选集生成方案,通过采用异质神经网络结构、多时间尺度设计和算法参数随机化消除模型内部耦合关系,强化候选深度神经网络集多样性;第2阶段利用遗传算法集成修剪冗余模型,有效剔除性能不佳的冗余学习器,以获取多样化最优候选子集,并按平均集成输出预测结果.与个体模型的数据实验对比表明,所提方法通过同步增强集成模型准确性和多样性,提升了近20%的RUL预测精度,可为运维决策提供有力支撑.

摘要：针对数字孪生在可重构制造系统(RMS)的应用问题,提出面向RMS的数字孪生与制造仿真一体化平台(DTMSIP)架构. DTMSIP架构充分适配RMS动态重构特性,可以在RMS构型设计中实现仿真分析.对面向RMS的数字孪生映射进行建模,通过引入孪生实体(TE),实现RMS车间的多源异构数据集成,并分别建立机床与构型的数字孪生映射.建立数字孪生方法在RMS重构中的应用流程,通过信息物理融合迭代与构型仿真优化迭代,DTMSIP可以服务于RMS的系统重构.为了验证所提出方法的可行性,使用虚幻引擎四(UE4)为一套实际的模块化RMS构建数字孪生平台,并将当前构型以及4种规划构型作为仿真输入.通过分析重构成本、生产周期与系统平衡率3项指标,实现对构型的量化综合分析,实现了重构设计流程加速.

摘要：针对采用“即刻返工”机制的生产系统面临的设备组成复杂性高、空闲机器空转时间长、能耗在线优化难度大等问题,提出一种基于数字孪生的生产系统在线能耗优化方法。构建了面向生产系统能耗优化的数字孪生系统,建立了面向“即刻返工”机制的生产系统能耗数字模型,融合实时数据实现了基于最佳缓存区阈值的在线能耗优化。以某新能源车厂电池车间模组产线为应用对象,设计并开发了该车间返工型生产线的能耗优化数字孪生系统,验证了所提方法的有效性与可行性。

摘要：针对目前国内汽车制造业中面漆后车身表面缺陷难以非接触高精度检测,得不到缺陷确切位置等问题,这里提出了一种结合相位测量偏折术与双目测距原理的车身漆面缺陷检测定位方法。首先采用四步相移法提取车身反射图像相位,运用格雷码进行相位解包裹,再通过判断局部相位突变来提取缺陷;建立缺陷池并通过过滤器去除伪缺陷得到真实缺陷;基于双目测距原理,对检测出的缺陷,取其形状中心再得到具体位置坐标。实验结果表明,该缺陷检测方法能够自动,准确,稳定地检测漆面缺陷;双目测距法能准确地得到缺陷的具体位置,可为后续实现自动打磨提供可靠数据来源。

摘要：为解决汽车企业在车间智能化转型的过程中,采用机器人代替人工进行车门密封条滚压时,遇到车身过大、密封条缺少特征点难以准确定位、协作机器人预设路径偏离实际路径、末端执行器与路径配合不当造成的机械臂报警停止等问题,设计了一种基于视觉的协作机器人滚压系统。本文提出了一种基于光影法的识别定位方法,以解决黑色背景下的黑色密封条识别定位困难的问题。基于HALCON图像处理库进行图像识别,编写数据采集、机器人运动与IO控制的集成开发方案与代码。在某型号的车身上进行密封条滚压的模拟试验,滚压枪末端嵌入误差小于±1 mm满足定位要求,滚压过程中,末端各轴向受力小于60 N,所受最大扭矩小于10 N·m,满足机器人负载要求。结果表明,该系统方案对于工厂的复杂环境,有一定的可行性和适应性。

摘要：针对现有的室内物料追踪定位技术(UWB、RFID、蓝牙、WIFI等)无法摆脱必须携带电子信号标签的限制的问题,提出了一种基于深度学习的大空间多视角物料追踪方法。为了解决传统目标检测难以检测小目标的问题,基于Yolov3和图像滑窗分割结合的检测算法实现了大分辨率图像中小目标的稳定检测。针对监控相机视场过大难以标定的问题,通过一种内外参分离标定的方法,首先标定相机内参,然后将相机外参标定问题转化为PnP问题并使用DLT算法进行求解。最后进行了多视角的匹配,解决了单一视角容易被遮挡的问题,进一步提升了检测的准确性。最后搭建了大空间多视角物料追踪系统并进行了实验,实验结果表明,该系统平均定位精度能达到10 cm,单副图片平均检测时间55 ms,准确率均值mAP达到87.68%,可以有效实现大空间内的物料定位追踪。

摘要：针对目前部分工厂急需对设备进行数字化升级,而国外机床厂家不开放机床内部数据接口,需要.通过机器视觉、外接传感器等方式采集机床工作信息的问题,本论文提出了一种基于二维视觉进行图像采集并降噪,使用卷积神经网络进行信息识别的机床信息采集方法。首先,基于投影变换原理确定机床面板范围,算法不受光照影响;再提出一种针对工业现场条件变化导致字符识别困难的问题的面板噪声滤波方法对采集图像进行预处理;然后,基于卷积神经网络,对不同类型的字符统一识别;最终,搭建了视觉识别系统并在某军工厂进行部署,实现了稳定的工业化运行。

摘要：针对目前国内外汽车车身涂装工艺后缺陷识别自动化程度低,难以进行非接触高精度检测等问题,提出了一种结合二维视觉、三维视觉进行缺陷识别,通过卷积神经网络进行分类的方法。首先基于最大类间方差法和特征提取算法实现缺陷二维坐标的确定,算法受光照影响较小;其次基于卷积神经网络,实现对黑胶、划痕、凸点等三种常见缺陷类型的分类;然后基于RANSC聚类算法及PCA主成分分析,实现对车身平面拟合及缺陷法向量信息的确定;最后搭建了实验系统,通过双机器人标定及三维手眼标定实现对基准坐标系的坐标转换,实现对缺陷几何中心坐标、法向量、类型等信息的确定,系统的平均误差远小于现有打磨设备的尺寸。实验结果表面本方案可为后续自动化打磨设备提供工艺优化及打磨处理的数据输入。

摘要：运用网络信息资源构建知识库以提供知识答疑服务,有助于汽车企业或第三方平台获取竞争优势。本研究通过汽车运维专家系统集成建模,提出了基于知识图谱的系统构建方案。在命名实体识别方法上,通过集成隐马尔可夫模型、条件随机场(conditional random field,CRF)、双向长短期记忆网络(Bi-directional long short-term memory,BiLSTM)、BiLSTM CRF和Lattice LSTM,提出了BM LSTM(boyer-moore long short-term memory)算法,提高了实体识别精度。在文本质量评估算法上,设计了二级文本质量评估体系,基于词林工具包Synonyms以及Levenshtein Distance算法评估了问题匹配质量,基于TF-IDF(term frequency-inverse document frequency)相似度算法并围绕完整性、准确性、可靠性、论述强度评估了答案文本质量。最后对所提模型和算法进行了实验,证明了其有效性。

摘要：零件装配是产品制造过程中的关键步骤,在装配环节中,依靠互动装配中的人工智能目标识别功能,能够有效提高装配效率,减少学习成本。针对在目标识别环节中的互动装配数据集采集难度高、成本大,大量图像标注费时费力且缺乏标注标准的问题,提出了一种基于虚拟模型数据集的目标识别方法。通过基于物理渲染的图像以及在虚拟环境中能够自由调节光照与环境的特点,采集得到丰富的数据集样本;通过旋转变换,视角变换与投影变换实现从虚拟模型的三维坐标转换为数据集二维坐标,实现数据集的自动标注功能;通过与使用传统方法采集得到的真实数据集进行对比,验证了虚拟模型在目标识别上的可靠性。