一种基于深度学习的工件缺陷检测方法

    公开(公告)号:CN114764763A

    公开(公告)日:2022-07-19

    申请号:CN202011614975.5

    申请日:2020-12-31

    Abstract: 本发明涉及一种基于深度学习的工件缺陷检测方法,包括已下步骤:1)图像采集:根据传输带、摄像机、玻璃板等设备搭建工件自动检测装置,通过自动化方式采集待检侧工件图像。2)图像预处理:将采集到的图像通过图像增强、锐化滤波、暗通道去雾等算法进行图片预处理,凸显工件特征,提高检测的准确性与科学性。3)缺陷检测模型:在Faster R‑CNN模型基础上,将Resnet50作为主干网络,引入可变形卷积和特征金字塔结构训练缺陷检测模型。并用训练好的模型进行检测,根据缺陷位置和面积大小判断工件是否存在缺陷。4)手柄分类:通过机械手柄将有缺陷和无缺陷的工件进行分类放置。本发明旨在改进FasterR‑CNN深度神经网络,从而自动化地检测工件是否存在缺陷,提高工件缺陷检测准确率,降低工件生产成本。

    基于EMD和残差神经网络的滚动轴承故障诊断方法

    公开(公告)号:CN111351665B

    公开(公告)日:2021-08-31

    申请号:CN201811583249.4

    申请日:2018-12-24

    Abstract: 本发明涉及一种基于EMD和残差神经网络的滚动轴承故障诊断方法,采集滚动轴承的多组原始振动数据,并将数据分为训练集和验证集;对训练集的每一组原始振动数据进行EMD分解,得到各个模态分量,将各个模态分量组合,得到二维特征图;将二维特征图输入到残差神经网络模型进行训练,并利用验证集调整出残差神经网络模型的超参数,形成训练后的残差神经网络模型;将滚动轴承的二维特征图输入到训练后的残差神经网络模型,输出故障诊断结果。本发明不需要复杂的统计学习过程,也不需要对轴承信息特殊的预处理,特征提取的过程比较便利;残差神经网络模型的搭建简单,训练速度快,分类准确率和召回率高。

    一种实现数控机床非线性误差的智能补偿方法

    公开(公告)号:CN111352387A

    公开(公告)日:2020-06-30

    申请号:CN201811585987.2

    申请日:2018-12-24

    Abstract: 本发明涉及一种实现数控机床非线性误差的智能补偿方法,采集误差源信号、机床坐标轴位置作为模糊神经网络的输入,采集误差信号作为模糊神经网络的输出,训练模糊神经网络;利用模糊神经网络进行PLC误差表标定,生成PLC误差表;PLC线程采集实时补偿用误差源信号,运动控制模块采集实时机床坐标轴位置,存储于共享内存,PLC通过读取共享内存中的实时机床坐标轴位置,通过PLC误差表线性差值,确定当前待补偿轴的误差值;通过得到的误差值对当前待补偿轴进行误差补偿。本发明减小了非线性误差因素对数控机床加工精度的影响,提高了系统误差补偿的鲁棒性及加工稳定性,提高了数控机床运动控制的实时性能,对实现高速高精加工具有重要的理论意义。

    一种横剪生产线的跟随系统

    公开(公告)号:CN106670567B

    公开(公告)日:2018-11-16

    申请号:CN201510756130.2

    申请日:2015-11-09

    Abstract: 本发明属于变压器铁芯横剪生产线技术领域,具体地说是一种横剪生产线的跟随系统。包括横向直线导轨、长导引、小托板、大托板、短导引、托板驱动机构及双层导轨结构,其中横向直线导轨和托板驱动机构设置于设备平台上,小托板和大托板与横向直线导轨滑动连接,大托板的一端与剪床托板固定连接,托板驱动机构与小托板和大托板连接,用于驱动小托板和大托板同时向相反方向运动,长导引通过长支座安装在大托板上,双层导轨结构设置于小托板上,短导引通过短支座设置于双层导轨结构上,双层导轨结构使短导引与剪床刀刃之间的距离恒定。本发明在横剪机剪切过程中,保证剪切不同宽度的矽钢片导引装置都能与45°剪床刀刃距离恒定。

    一种基于840D的缓进磨在线修整加工方法

    公开(公告)号:CN104625966B

    公开(公告)日:2017-01-25

    申请号:CN201310574018.8

    申请日:2013-11-13

    Abstract: 本发明涉及一种基于840D的缓进磨在线修整加工方法,包括以下步骤:在砂轮对零件进行磨削的过程中,砂轮修整器实时调整自身位置对砂轮进行实时修整,被修整的砂轮根据零件的材质和磨削厚度实时调整自身的磨削高度,同时,砂轮根据自身的半径变化实时调整其角速度以保证恒定线速度的加工;在磨削的同时,用于降低磨削产生热量的喷水头位置也根据磨削高度的变化实时进行调整。本发明中,在线连续修整加工时,被修整的砂轮根据修整量的变化,时调整砂轮的磨削高度,确保磨削平面的尺寸稳定,使加工与修整工作同时进行,确保砂轮的形状与锐度,始终处于最佳状态,对磨削出的零件表面光洁度与尺寸都提供了较高的保障。

    一种用于数控机床工作台或主轴的无级调速装置

    公开(公告)号:CN103812401B

    公开(公告)日:2016-08-17

    申请号:CN201210456993.4

    申请日:2012-11-14

    Abstract: 本发明涉及一种用于数控机床工作台或主轴的无级调速装置包括:速度调节器、电流调节器、三角波发生器、脉宽调制解调器、晶体管功放电路、电流信号放大器和测速反馈电路;所述速度调节器、电流调节器、脉宽调制解调器和晶体管功放电路顺序连接;三角波发生器与脉宽调制解调器连接;电流信号放大器输入端与晶体管功放电路的输出端连接,电流信号放大器输入端与电流调节器输入端连接;用于测量电机转速的测速反馈电路与速度调节器的输入端连接。本发明频带宽、频率高;晶体管“结电容”小,快速性好;电流脉动小,电源的功率因数高;PWM系统的直流电源为不受控的整流输出,功率因数高动态硬度好。

    基于残差修正的滚动轴承剩余寿命预测方法

    公开(公告)号:CN112990524A

    公开(公告)日:2021-06-18

    申请号:CN201911290741.7

    申请日:2019-12-16

    Abstract: 本发明应用长短记忆网络LSTM和残差修正的方式对滚动轴承的剩余寿命进行预测,属数控技术领域,具体涉及一种基于残差修正的滚动轴承剩余寿命预测方法。本发明包括以下步骤:采集滚动轴承全寿命周期的振动加速度信号,用使用该信号训练剩余寿命预测模型;使用滑动窗口的方式对振动加速度信号进行处理,得到训练集,使用该训练集训练LSTM网络模型;训练预测残差的BP神经网络模型;构建残差修正模型,将LSTM网络模型的结果和BP神经网络模型的结果相加即为最终模型的预测结果;将需要预测滚动轴承剩余寿命的信号,输入到残差修正模型,即可得到当前时刻的剩余寿命。本发明提高了剩余寿命预测的精确度。

Patent Agency Ranking