涂层刀具铣削加工300M钢的刀具磨损试验研究

建立了一套便携式的在线刀具磨损图像检测装置及相应的计算程序,利用该装置观察到了涂层硬质合金刀具加工300M高强度钢过程的定性磨损规律,并确定了刀具磨损量的测量方法。     

燃油泵综合试验台介绍

1概述1．1用途研制燃油泵综合试验台用于新成品的性能检测验收,对发生异常情况或定期进行维护性故障诊断与排除的成品进行合格调试和性能测试,以保障成品装上飞机后能可靠有效地工作。     

基于边缘对称性的视频车辆检测算法

针对现有视频车辆检测算法受光照、阴影等环境因素影响大,漏检和误检率高的问题,提出了一种视频车辆检测算法.有别于传统算法使用运动特征进行车辆检测,该算法使用边缘特征和对性特征定位车辆.算法首先对图像进行灰度化、平滑去噪等预处理,使用Sobel算子垂直方向掩模计算图像感兴趣区域内的边缘梯度,确定候选区域;而后根据车辆图像垂直边缘具有对称性的特点,分析候选区域的对称性强弱,并计算其对称轴位置和车辆宽度.使用边缘强度、对称性和宽度这3个约束条件对候选区域进行验证.道路实验结果表明,该检测算法有效、可靠,具有良好的鲁棒性.      

基于视频图像处理技术的汽车防撞系统的研究现状

视频图像处理技术应用于汽车防撞系统,可以极大提高车辆的安全驾驶性能。重点介绍基于视频图像处理技术的汽车防撞系统的工作流程,以及该类系统进行目标距离测量采用的模型。并针对该类系统核心的目标车辆检测的方法就国内外的研究现状及研究成果进行了总结,指出基于视频图像处理技术的汽车防撞系统的目标检测朝着多种特征融合、多维模型的方向发展。     

三角样条小波的构造及其在故障检测中的应用

本文首先给出了三角样条函数极其性质,然后在此基础上给出了一种构造三角样条小波的新方法。该方法简单易行,而且构造出的小波具有许多良好的性质,这些对信号处理是非常重要的。最后,将构造出的小波应用于故障信号的检测,与一些常用的小波相比,不但消除了边界效应,而且使故障信号在变换域内能量更集中,从而提高了故障检测的准确性。     

一种动目标检测的优化设计及应用

文章提出一种新的动目标检测(MTD)滤波器组设计方法,即信号处理系统分为目标处理通道和气象处理通道;目标通道采用自适应动目标检测(AMTD)处理方式,实时检测杂波的存在,判定杂波强度(如强、中、弱),根据杂波的强度自动产生或选择滤波器加权因子,以期保证对地杂波高度抑制的前提下,尽量减少信噪比损失,提高对弱小目标的检测能力。该方法可提高雷达在杂波环境中的自适应性能,具有一定的实用价值。     

基于数据挖掘的异常模式入侵检测系统的设计

网络攻击的方法是多种多样的,没有标准的分类模式.入侵检测是网络安全领域的一个重要技术,也是当前网络安全理论研究的一个热点.通过分析已知的攻击方法引起的数据异常情况,可以确定用于检测的敏感数据以建立入侵检测系统.     

机翼蒙皮无损检测生产线中扫描路径优化方法

复合材料机翼蒙皮尺寸大、形状复杂、易回弹,无法采用机床等传统方式进行无损检测,机器人柔性化、智能化的特点,为无损检测生产线提供了全新的思路。针对此类问题,提出了大型机翼蒙皮连续曲面无损检测生产线及路径优化方法。利用双机器人搭载超声扫描设备,采用两次检测策略,第一次扫描对复合材料曲面进行重建,提高第二次透射式无损检测的精度。根据机翼的形貌,提出了一种平行于桁条行切的总体扫描策略,根据曲率利用最小二乘法将点集分组,之后应用混合遗传LM算法进行路径优化,即采用改进型遗传算法进行启发式全局优化,之后采用LM算法进行确定性局部优化,高效得到其最优扫描路径。在RoboDK中进行仿真,利用机器人搭载超声检测末端对蒙皮进行扫描。最后采用机器人搭载线激光扫描仪对优化路径进行精度验证。仿真及试验结果表明,相较于传统的检测方法,该方法满足无损检测约束条件,平均检测效率提高9.2%。     

基于三维激光扫描的金属基航空模线样板自动检测算法

虽然数字化制造已成必然趋势,但在未来很长一个时期内,模线样板依然将在飞机制造中扮演重要角色。如何以先进的数字化技术提升传统模式下的生产效率和质量,是需要认真研究的课题。针对模线样板的检测需求,结合模线样板的几何特征,提出基于三维激光扫描的金属基航空模线样板自动检测算法。对于样板刻线,将样板点云粗栅格化后,根据点云高度信息进行刻线的粗提取,再根据刻线的特性利用法矢信息优化提取结果;对于外形轮廓,将点云转换成二值图像并计算其边缘,实现外形特征提取;将特征提取结果与CAD数模进行配准并去除噪声,最后计算与数模的误差,实现样板检测,输出误差分布。试验结果显示,本文算法在精度和效率上优于现有算法,相较人工检测提升了可靠性和效率,在实际工程中具有应用价值。     

基于卷积神经网络的航天复合材料缺陷智能检测

针对传统的缺陷图像识别处理方式存在着准确度与辨识度不足,且处理缺陷种类单一的问题,提出了一种基于Cascade R-CNN和Mask R-CNN的神经网络模型。首先,为了提高缺陷检测的可视化效果和检测准确度,在实例分割卷积网络Mask R-CNN的基础上,结合级联神经网络Cascade R-CNN结构,组合成了新的级联实例分割Cascade Mask R-CNN网络;其次,对组合而成的级联卷积神经网络进行了训练,将训练好的模型对复合材料缺陷图像进行了检测。实验结果表明:检测的平均准确度达到了91.5%,平均置信度达到了97.3%,达到了检测精度的要求。该研究成果可运用于航天复合材料缺陷识别。