基于混合优化算法的关节臂式测量机参数标定

为进一步提高关节臂式坐标测量机等高机动性精密测量设备的测量精度,使用D-H矩阵法建立其关节坐标转换数学模型并据此推导出参数误差模型.针对非线性多参数标定问题,通过变换分析消除了最小二乘法求解时矩阵中的冗余参数,降低了计算的复杂性.设定判定准则并实现最小二乘法和模拟退火算法的混合,提出了一种基于混合优化算法的参数标定方法,解决了LM算法的初值设定和SA算法的搜索效率逐步降低的问题.实验结果表明:关节臂式测量机参数经混合优化算法标定后,参数的误差范围有了显著的缩小,单点重复性误差的平均值减小了1.746 mm,长度误差的平均值减小了0.941 mm,测量误差得到了进一步的抑制.     

等间距平行线辅助机器视觉实现工件尺寸测量

针对工业柔性密封圈形变造成内外圆尺寸发生改变和传统成像系统畸变造成图像边缘轮廓失真,从而直接影响轮廓测量精度的问题,提出一种基于等间距平行线工件尺寸测量算法.首先对工件区域进行轮廓跟踪,求出区域的边界像素点序列;其次,绘制一组水平或垂直方向等间距平行线,对工件轮廓进行拟合;最后,根据圆的计算公式求解出曲面轮廓的尺寸参数值,从而减少畸变造成的测量误差.通过对密封圈内外轮廓尺寸精度和断面精度对工件测量影响的分析,结果表明:基于等间距平行线工件尺寸测量算法对柔性圈内外径最小误差分别为0.5％和0.9％,横断面最小误差为1.6％.     

基于深度学习网络模型与大数据自动训练的工件缺陷识别算法研究

针对工件缺陷种类多样和特征不明显,造成机器视觉识别精度不稳定的问题,提出了一种基于深度学习网络模型与大数据自动训练的工件缺陷识别算法,并以软件工程来实现其功能。首先,对存在缺陷的工件进行取样,采集缺陷图像,建立识别标准。然后,基于深度神经网络模型和缺陷标准图像,进行模型训练,采取分批训练,逐步迭代收敛的方式,达到准确识别工件缺陷目的。最后,基于Python语言与TensorFlow框架实现深度神经网络模型,并将模型移植到C++平台调用,嵌入到商业版本软件中,实现算法的落地应用。实验测试结果显示,相对于已有的缺陷识别技术而言,本文算法具有更高的识别准确性,可为机器视觉软硬件设备提供技术基础。     

数控车床加工椭圆类非圆曲线宏程序应用

为方便加工零件上不同位置的椭圆轮廓,采用坐标系平移与坐标系旋转的方法,将给定椭圆表达式所在的原坐标系与数控车床工件坐标系建立联系.并通过实例进行粗车循环与宏程序联合编程,完成零件加工.提出的坐标系平移与坐标系旋转方法,可方便地对不同位置的椭圆轮廓在数控车床工件坐标系中建立新的表达式,该方法数学计算简单,适用于各类、不同位置非圆曲线的宏程序编写.     

后方交会技术在实际工作中的应用

本文分析了采用正弦定理解算三角形时出现无解和两解的情况,并从现场实际情况得出结论,凡是现场构成三角形的情况,采用正弦定理解算,除非测量数据有误,都会有解,不会出现无解的情况。对边角后方交会出现无解和多解的情况进行了分析,提出了解决问题的办法。     

匀加速荷电黑洞的量子非热辐射

本文利用Ｈａｍｉｌｔｏｎ－Ｊａｃｏｂｉ方程和推广的Ｔｏｒｔｏｉｓｅ坐标，讨论了匀加速荷电黑洞的量子非热辐射，结果表明，当ωｈ大于零时，在视界附近的邻域内，正能态与付能态姓交错，在交错的区域中会产生自发的量子非热辐时，这种量子非热辐射是由电磁势和黑洞的加速作用引起的。     

用增量有限元法计算金属流动

利用增量有限元理论 ,对金属材料的变形过程进行模拟。为了模拟工程中塑性变形较大的构件的变形规律 ,在每个加载步迭代完成后自动实现坐标更新。     

用立式加工中心及AutoCAD精确测绘凸轮外形

在产品开发及制造中,经常碰到外形复杂的工件,由于没有掌握其运动规律,无法绘制图纸与加工。本人根据立式加工中心的定位精确的特性以及AutoCAD绘图功能强大的优势,制定了用立式加工中心与AutoCAD相结合的测绘工艺。     

重力对大型细长工件加工与测量的影响

1重力变形及其衡量参数1.1原始形状的含义我厂制造铣镗床的底座,立柱等大型工件时,在加工和检测中发现,由自身重力引起的变形对产品质量影响很大。在研究和探索工件变形前,首先要有一个参考系。由于支点的不同,或安装的位置不同,有不同的变形量。而其原始形状是什么样,应预先确定。以长方体的量块为例L(长)×B(宽)×H(高),任何一种位置放置,都会受地心引力影响而引起变形。如直立     

坐标放样法测设线路横断面的技术方法

介绍了采用坐标放样的方式测设线路横断面的技术方法，并推导出了确定中线上任意位置的横断面计算公式。