基于UG的多轴加工策略研究

介绍了多轴加工技术以及多轴编程中的关键参数——驱动方法、投影矢量、刀轴矢量,包括其定义、功能、作用及分类等;同时介绍了UG软件“可变轮廓铣”和“MILL MULTI BLADE”两个多轴加工策略,包括其功用、参数、设置技巧等.     

基于专家访谈的民航飞行员心理健康特征指标体系研究

本研究为《飞行人员心理特征及行为方式引导研究》的子课题。《飞行人员心理特征及行为方式引导研究》是国内首个针对民航飞行员心理特征及行为方式展开的社会科学研究,由东航集团公司与中国民航飞行学院合作进行。经过详细的前期访谈和样本分析,形成了不同年龄群体的飞行员心理状态比对研究模型,并开发出民航飞行员心理在线测评系统、EAP手册、民航飞行员心理健康指数报告等成果。项目成果有望率先在东航展开应用,通过对飞行机组心理健康水平的监测、疏导,将有效提升航空公司的持续安全运行水平。     

压气机叶片型面精密数控铣加工技术应用研究

为了提高压气机叶片型面和进、排气边转接圆角的数控铣加工质量,在工艺、夹具、数控加工模型与程序以及检测方法等方面采取了攻关措施,减小了叶片型面精铣加工的变形,实现了叶身型面的精密铣削加工,对型面采用毡轮修光去除铣削痕迹后,经过3坐标、小半径投影仪等设备的测量,进、排气边转接圆角的形状和型面轮廓度、位置度各项要求的加工质量得到了质的提升,其合格率由20％提高到75％以上,加工效率和刀具耐用度提高1倍以上,使叶身型面精密铣削技术具备了精品叶片批量生产的工程化应用技术基础.     

智能加工技术在切削颤振在线抑制中的应用

具有薄壁结构的关键航空零部件在切削过程中不可避免发生颤振现象。为提高工件表面质量,在加工过程中对颤振进行准确识别和有效控制已成为该领域的主要研究方向。而对于颤振在线辨识和抑制功能的实现,必须开发集成先进传感器和智能控制算法的智能数控系统,并保证系统中各功能模块线程协调运行。因此,在航空薄壁件的精密加工过程中,利用智能加工技术对切削颤振进行实时辨识和在线抑制将成为未来数控加工技术的发展趋势。     

基于双三次B样条插值的薄壁件加工误差补偿方法

以薄壁件加工过程为研究对象,针对薄壁件加工的误差预测、补偿问题,提出一种基于双三次B样条插值的薄壁件加工误差补偿方法.在获得薄壁件历史加工数据的基础上,运用插值理论建立误差模型,得到误差分布规律,考虑切削力与弹性变形之间的迭代影响建立误差补偿方法.该方法综合考虑了弹性变形、热误差、几何误差等多种误差源,通过数值分析方法建立误差模型,避免以往薄壁件误差建模中误差源分析不全、解析困难的弊端,最终以薄板工件为例,通过实验验证,应用该误差补偿方法可有效提高薄壁件的加工精度.     

基于MBD的数控加工工艺技术研究

针对传统数控加工工艺设计面临的问题,提出在基于MBD(Model Based Definition)的设计与工艺协同的新模式下,实现工厂工艺资源管理、数控加工工艺设计、工序模型的创建及三维标注、结构化工艺设计、三维作业指导卡的发布等一体化管理与应用.结构化工艺设计技术的应用将极大地缩短产品研制生产周期,为全面推进工厂的数字化建设提供了保障.     

零件表面微观工艺特征性研究 ——产品(零件)工艺技术基础科学问题机理探索

通过研究产品(零件)制造过程、方法、参数等工艺因素,给零件表面及表层带来(留下)特有的微观特征性,首次在高精度惯性仪表和高可靠电磁继电器(机电类)产品制造体系中引入了零件表面微观工艺特征性概念,提出了制造阶段的产品工艺可靠性设计和微观工艺特征(性)分析方法,提出了该类产品制造中的工艺设计更应该关注零件与产品设计原理匹配性和性能特性符合性观点,提出零件制造要从单纯的控制几何精度向控制性能特性转变,从宏观、单一采标的几何参数评价向微观、综合采标的非几何(非尺寸)参数评价模式为主转变的建议.零件表面存在的这种微观特征现象与零件几何精度一样,将对产品制造的合格率、稳定性、可靠性的实现起到至关重要的作用,尤其对产品的合格率影响极大,有必要开展更深入、更系统的研究,以建立起我国自主的高端产品(或零件)制造基准工艺平台.     

基于改进SSD的无人机航拍目标检测

针对无人机航拍图像尺度变化大、识别难度大和目标普遍较小的问题,提出一种基于改进单阶段多框检测器(single shot multibox detector, SSD)的无人机航拍目标检测算法——RCBnet.该算法为了提升网络的特征提取能力,将SSD算法的特征提取网络修改为Resnet-50并采用特征融合的方式,将特征图进行融合,用融合后的特征图构建特征金字塔;为了增强算法对物体的检测能力,设计一种联合注意力机制的多尺度卷积结构来有效调节感受野,实现不同尺寸卷积核对特征图的并行运算;针对训练过程中正负样本极具不平衡的问题,该算法采用Focal Loss损失函数训练网络模型,使其侧重于困难样本.通过与其他经典算法相比可知,所提算法在无人机航拍图像中具有更高的检测精度、更好的检测性能和鲁棒性,相比SSD,精度提高达3.46%.     

基于高置信局部特征的车辆重识别优化算法

根据车辆重识别中区域置信度不同,提出了基于高置信局部特征的车辆重识别优化算法。首先,利用车辆关键点检测获得对应的多个关键点坐标信息,分割出车标扩散区域和其他重要的局部区域。根据车标扩散区域的高区分度特性,提升局部区域的置信度。使用多层卷积神经网络对输入图片进行处理,根据局部区域分割信息,对卷积得到的特征张量进行空间维度上的切割,获得代表全局信息和关键局部信息的特征张量。然后,通过全连接层特征张量转化为表示车辆个体的一维向量,计算损失函数。最后,在测试阶段使用全局特征,并利用训练好的车标扩散区域提取分支获得高置信局部特征,缩短局部识别一致的车辆目标距离。在典型车辆重识别数据集VehicleID上进行测试,验证了所提算法的有效性。