摘要：本文针对一款大功率激光直写设备光学系统,采用了数值模拟与试验相结合的方法,并设计了一款镜筒的散热结构。利用有限元分析软件对光学系统结构进行了热分析与应力应变分析,分析结果显示:光学系统激光功率为100 W,SUS304和AL6061材质的镜筒表面温度最高位置都集中在棱镜盒附近区域,最高温度达59.016℃,整体温度均匀性和散热性能较差;AL6061材质光学镜筒棱镜盒附近区域存在较大的应力,结构性能较差。总结光学系统散热设计的一般原则,采用被动和主动相结合的散热设计,并进行了试验验证,试验结果表明:在散热系统正常工作时,系统整体温差为0.99℃,达到了温度均匀性指标要求;DMD标定误差小于15μm且中心位置多向同一方向漂移,满足误差小于20μm的技术指标要求,有利于系统曝光时图像拼接,验证了散热设计的有效性。

摘要：针对目前车道线识别系统因处理对象为离线图像或视频文件而难以实现车道线在线识别的问题,大多数车道线识别算法为了减少图像处理运行量,通常选取固定的兴趣区域(region of interest,ROI)进行处理,导致难以适应环境的动态变化且存在不同程度的识别误差。为此,提出了一种基于机器视觉的不设定兴趣区域的车道线在线识别系统。首先,利用VBAI(Vision Builder for Automation Inspection)平台对实时采集的彩色道路图像进行预处理,完成彩色图像的灰度化、滤波及二值化处理。然后,建立图像坐标系,并构建多条向外发散的灰度值采集线,灰度值采集线与车道线相交处的灰度值会发生较大改变,当某点的灰度值高于设定的灰度阈值时,记该点为边缘突变点。接着,借助直线拟合算法对所有车道边缘突变点进行拟合以完成车道线识别,并求解两侧内车道线的远方消失交点坐标和车辆行驶偏离车道中心线的相对航偏角,当相对航偏角超过不同等级的安全阈值时,系统人机交互界面的提示框呈现不同的颜色以进行提醒或预警。最后,借助LabVIEW进行API(application programming interface,应用程序接口)脚本调用,实现图像处理程序的连续运行与车道线在线识别。试验结果表明,所提出的车道线在线识别系统的识别准确率达98.41%以上,相对航偏角的测量误差小于0.056°,图像处理速度达42帧/s以上,兼具识别的准确性与实时性。综上可知,基于机器视觉的车道线在线识别系统可有效识别出不同环境路面的车道线,并实现行驶偏离预警,可将其应用于基于自动驾驶技术的车道保持辅助(lane keeping assist,LKA)系统。

摘要：零件的质量评定是柔性智能制造中十分重要的环节。现有的自动化识别装置一般采用非人工接触的光学检测系统,但由于工况环境复杂,诸多干扰因素均会影响零件质量检测与评定的准确性。另外,工业现场的连续作业对工控机硬件的运行速度、光学检测系统的环境适应性以及质量评定算法的预测准确性都提出了更高的要求。基于此,提出一种基于机器视觉与机器学习的零件综合质量评定方法。首先,借助机器视觉技术完成被测零件图像的实时采集与处理,并利用灰度匹配算法与几何匹配算法对零件的图像与CAD(computer aided design,计算机辅助设计)机械加工图进行比较,求解得到灰度匹配分数与几何匹配分数这2个几何特征参数。然后,针对零件表面的缺陷(如划伤、磨损、边缘缺料及锈蚀等),在图像预处理(灰度化、图像增强、高斯降噪和二值化)的基础上,求解得到图像灰度的均值和标准差这2个表面缺陷特征参数。最后,借助主成分分析(principal component analysis, PCA)对零件的四维特征数据集进行降维处理,并利用K最近邻(K-nearest neighbor, KNN)算法对降维后的数据集进行训练和预测,完成零件综合质量评定;在此基础上,比较KNN算法与其他机器学习算法的准确率、召回率和特异度等指标,以验证其可行性。实验结果表明,所搭建的光学检测与处理系统在不同光源条件下的识别准确率达到96.15%以上;当相机的快门时间设定为100μs时,该系统的图像处理速度达到45.2帧/s。所提出的零件综合质量评定方法具有较高的准确率与处理速度,适用于复杂工况下零件的综合质量评定。

摘要：以汽车仪表内饰件为研究对象,针对制件在注塑成型过程中出现的翘曲和体积收缩问题,通过正交试验设计和灰色关联分析进行优化,利用Moldflow软件进行模流分析。选择模具温度、熔体温度、冷却时间、保压压力、保压时间和注射时间6个工艺参数为水平因素,以翘曲量和体积收缩率为质量评价指标进行25组正交试验,通过极差分析得到了翘曲量最优的工艺参数和体积收缩率最优的工艺参数,对两组工艺参数进行仿真分析得出:翘曲量最优为1.174 mm,但对应体积收缩率为14.51%,数值较大;体积收缩率最优为12.24%,但对应翘曲量为2.118 mm,数值较大。利用灰色关联分析将优化翘曲量和体积收缩率的多目标问题转化为单目标问题,得到了翘曲量和体积收缩率同时最优的工艺参数:模具温度40℃,熔体温度240℃,冷却时间25 s,保压压力80 MPa,保压时间20 s,注射时间0.8 s,对应的翘曲量为1.431 mm,体积收缩率为12.42%。对比两种方案优化效果可知,灰色关联分析方案的优化效果更好,与默认工艺参数相比,翘曲量和体积收缩率分别降低了46.44%和23.71%。对制件进行试生产,得到的试模样件质量满足生产要求,进一步验证了灰色关联分析优化方案的可行性。

摘要：为提高车辆行驶偏离测量与干预的准确性,提出双参数偏离测量与干预策略。借助VBAI进行图像处理,利用最大类间方差法求解出不同环境下最佳二值化分割阈值。设计灰度采集线获得车道边缘点,借助Fit Line算法拟合边缘点完成车道线识别。根据预警模型对相对航偏角与像素距离比进行分析,将提醒或预警的干预结果显示在界面上。经道路实测,报警准确率在97.7%以上,处理速度高于1/42 s/frame。系统对提高行驶安全性,降低偏离引起的交通事故有着实际的应用价值。

摘要：以某汽车仪表框架为例,对塑件注塑后的翘曲量进行研究。选取模具温度、熔体温度、冷却时间、保压压力、保压时间和注射时间作为自变量,以翘曲量作为优化对象。通过正交试验得到各个工艺参数范围内翘曲量较小的工艺参数组合,利用BP神经网络建立塑件翘曲量和各工艺参数之间的非线性模型。将BP神经网络模型作为粒子群算法的适应度函数,通过粒子群算法的优化能力对工艺参数进行优化,并得到最小的翘曲量0.9363 mm和最优的工艺参数组合,即模具温度55.813℃,熔体温度259.568℃,冷却时间29.650 s,保压压力85.02 MPa,保压时间29.187 s,注射时间1.23 s。利用Moldflow模流分析软件对最优的工艺参数组合进行翘曲分析,得到翘曲量为0.9489 mm。与初始默认值和正交试验优化的工艺参数结果对比,翘曲量分别降低了64.48%和19.17%,达到优化塑件质量的目的。

摘要：为了更好地辅助腕关节损伤患者进行康复治疗,设计了一种腕部康复训练器。首先,根据腕关节的生物学运动机制和仿生原理,对康复训练器进行结构设计,并添加腕关节的柔性补偿关节设计;然后,基于柔性补偿关节建立腕关节的运动学模型并求得训练器工作空间;接着,搭建虚拟样机平台并设计关节驱动阻抗控制器,进行联合仿真试验,分析了摩擦参数、阻尼参数以及人机接触负载对阻抗控制性能的影响,验证关节控制可以实现;并对比分析了补偿关节的工作空间,验证了训练器结构设计的合理性和可行性,为下一步实物样机的制作提供了理论依据。

摘要：基于最小化阿贝误差的理念,设计了带有重力补偿器的整体结构对称的Z轴测量平台,其次,使用扫面静电力显微镜组成配套的探针系统,最后,对设计的核心内容分两组进行分离测试以验证设计的合理性与有效性。测试首先验证了测量系统分别在静态和动态下重力补偿器的可行性,然后验证经过双高度法补偿后的扫描静电力显微镜探针系统的有效性,实验结果表明,设计的纳米级Z轴坐标测量系统可实现超高精度空间分辨率,具有50 mm的有效行程范围,同时具有对部分非导体的测量能力,使得微纳米测量机的适用范围得到延伸,具有较高的应用价值。

摘要：针对单相PWM整流器的输入电流控制提出了H∞重复控制方案。通过引进一个虚拟扰动Δ(z)取代重复控制器的延迟环节z-Nd,重复控制器被很好地集成到H∞反馈控制器设计结构中,并能显著降低反馈控制器的阶数。详细地给出了H∞重复控制方案的设计方法。所提出的控制方案将H∞优化反馈控制与重复控制有机结合,并兼具二者的优点:动态响应快,鲁棒性好和跟踪稳态误差小。采用H∞重复控制方案控制的单相PWM整流器,不仅具有输入电流谐波含量低,稳态跟踪精确度高,动态响应快,而且在负载扰动发生的情况下,具有很好的鲁棒性。实验结果验证了所提控制方法的有效性。

摘要：针对传统SAR图像变化检测算法易受噪声影响、检测精度低等问题,提出了一种基于差异图融合和FLICM聚类的SAR图像变化检测算法。该算法以对数比和滤波比法生成两幅不同表征的差异图像,并设计融合算子对两差异图的特征信息进行综合,获取高可分性的融合差异图;之后采用局部信息模糊C均值聚类对融合差异图进行处理,分离出其中的变化区域和非变化区域。实验选用漏检数、误检数、正确率、Kappa系数作为评价指标,对算法进行了定性和定量的实验分析。分析结果表明,所提出的算法具有更好的相干斑噪声抑制能力,可有效、准确地检测出变化区域,提高了变化检测的精度。