【摘 要】
:
在铜导条无损检测中,常规超声检测技术存在一定的盲区,难以识别皮下缩尾等近表面处的缺陷,针对铜导条检测时的这一问题,提出了一种基于高频聚焦超声探头的机器人自动检测系统.以高频聚焦探头表面聚焦技术为基础,和高精度工业机器人相结合,搭建了一条用于高铁电机铜导条的超声检测流水线.利用搭建的流水线对挤压生产的铜导条进行检测,并对被机器人系统判废的铜导条进行破坏性验证,证实铜导条确实存在皮下缩尾缺陷,验证了机器人系统的可靠性.
【机 构】
:
浙江大学流体动力与机电系统国家重点实验室,浙江 杭州310027
论文部分内容阅读
在铜导条无损检测中,常规超声检测技术存在一定的盲区,难以识别皮下缩尾等近表面处的缺陷,针对铜导条检测时的这一问题,提出了一种基于高频聚焦超声探头的机器人自动检测系统.以高频聚焦探头表面聚焦技术为基础,和高精度工业机器人相结合,搭建了一条用于高铁电机铜导条的超声检测流水线.利用搭建的流水线对挤压生产的铜导条进行检测,并对被机器人系统判废的铜导条进行破坏性验证,证实铜导条确实存在皮下缩尾缺陷,验证了机器人系统的可靠性.
其他文献
在随钻测量中,地磁矢量是解算方位角的关键信息,但地磁测量时,容易受到磁干扰的影响,为进一步提高方位角测量精度,提出了基于等效旋转调制的地磁提取算法.首先概述了地磁向量的误差模型;根据随钻测量环境特征设计了旋转随钻测量系统方案;并根据多测点的统计信息设计了统计卡尔曼滤波器对地磁参数进行估计.最后通过自主研发的磁惯性测量模块进行模拟物理实验和旋转钻进实验.实验表明:基于等效旋转调制的地磁提取算法能够将方位角的绝对误差从椭球拟合的4.88°,降低至0.45°.
针对现有跌倒检测方法识别效率低、检测过程实时性有待提高的问题,提出了一种基于Yolov5s人体目标检测结合轻量级OpenPose人体姿态估计模型的跌倒检测算法。首先,利用Yolov5s算法检测出人体的包围框,将Yolov5s的输出作为轻量级OpenPose网络的输入实时得到人体骨骼关键点坐标。然后,利用选取的4个骨骼关键点坐标计算人体中心点的下降速度。最后,通过中心点的下降速度结合人体宽高比来判断
随着环境问题的日益严重,许多国家制定了能源转型目标以助力《巴黎协定》的实现.利用太阳能作为传统能源替代品支持能源转型已成为国际共识.因此分析太阳能资源分布、储量及质量不仅可以帮助单个国家有效利用本国资源,更有助于实现洲际资源规模化互补与利用.本研究构建了全球太阳能资源评估数据库、建模方法和平台工具.首先,通过对全球太阳能资源进行评估,包括理论储量(TRs)、技术装机容量(TPIC)和平均开发成本(ADC),对各大洲评估结果进行了分析比较.其次,基于大数据和地理信息系统(GIS)技术,通过容量因子和平均开发
提出了一种基于改进视觉背景提取(ViBe)算法与多通道聚合特征的人群定位与检测方法。先通过检测运动目标获得运动目标候选区域,再对候选运动区域使用分类器检测行人目标。针对传统聚合通道特征(ACF)算法在行人头部目标检测过程中存在特征信息描述不强导致误检率较高的问题,提出了一种结合局部二值模式(LBP)通道特征和ACF的人头增强特征信息描述方法;针对非极大值抑制(NMS)算法输出窗口融合误检窗口较多的
工程应用中通常采用经验公式对接触电阻进行计算,计算精度较差,难以满足实际需求.为此,提出一种基于蚁群优化算法—径向基函数(ACO-RBF)神经网络的接触电阻预测模型.开展不同回路电流、滑动速度、接触压力下的接触电阻实验,获得接触电阻值;采用ACO-RBF神经网络建立接触电阻关于回路电流、滑动速度和接触压力的预测模型;并利用MATLAB对所建模型进行仿真分析.结果表明:模型能对接触电阻做出良好的预测,与传统的RBF神经网络预测模型相比,平均相对误差下降了5.9%,预测精度更高.
为了实时精确地获取永磁球形电机(PMSM)的转子姿态信息,从而实现对PMSM的闭环控制,提出了一种基于机器视觉的PMSM转子姿态检测方法。首先,使用OpenMV摄像头检测安装于转子输出轴顶端的红绿标志点,然后将两个标志点的图像信息实时发送给上位机,并在上位机中解算出PMSM转子姿态信息。最后搭建了实验平台,通过与微机电系统姿态传感器所得结果的对比,验证了该方法的可行性。
针对三维无线传感器网络(WSNs)随机部署产生的覆盖率低、节点分布不均匀等问题,建立以监测区域覆盖率为优化目标函数,提出一种基于虚拟力算法(VFA)与人工鱼群算法(AFSA)相融合的三维无线传感器网络覆盖优化算法.利用融合算法实现优势互补,解决覆盖不合理、资源浪费等问题,并以提高网络覆盖率、减小覆盖空洞和增强算法稳定性等因素为目标,从而获得最优节点部署方案.仿真结果对比表明:提出的融合算法相对于基本人工鱼算法和基本虚拟力算法,有效提高了网络覆盖率,并使得节点分布更加均匀.
针对复杂环境中传统手势识别方法识别效果不佳的问题,提出一种基于Kinect传感器和改进动态时间规整(DTW)算法的动态手势识别方法。通过对Kinect传感器获取的深度信息进行分析,获取人体主要骨骼点的坐标,选取手部节点作为手部运动的特征参照,然后构造矢量特征描述手的运动轨迹,采用一种改进的DTW算法对得到的特征数据进行模板训练,实现了基于轨迹匹配的动态手势识别。实验结果表明:所提方法能够识别定义的
为了解决微机电系统(MEMS)传感器输出数据精度低的问题,针对陀螺仪阵列提出了一种卡尔曼滤波和人工神经网络(ANN)滤波相结合的算法.先建立了针对研究对象的随机漂移误差模型,再将ANN算法有规律地嵌套在卡尔曼迭代中.经实验验证,最后经过数据融合后实现了更高精度的陀螺仪输出数据.并且同基础卡尔曼滤波法相比,所提的结合算法在零偏不稳定性、角度随机游走和速率斜坡三个参数上分别下降了76.38%,78.91%和80.98%,其降噪能力更强.
针对无线传感器网络中接收信号强度指示(RSSI)测距误差的问题,对加权质心算法存在的不合理因素进行改进,提出一种基于RSSI的测距质心算法和加权质心定位算法相结合(RSSI-RCWC)的定位算法。前期引入距离比例模型,解决锚节点圆不相交的问题;后期提出一种改进的加权质心算法,是一种更精确的距离倒数和权重的比例公式。实验结果表明:与传统的算法相比,定位精度提高了56.06%,比加权质心算法提高了23