面向铸件自动化打磨的点云精简方法

由于铸件自动化打磨作业中存在点云数据过冗余等问题，导致数据处理时间过长，影响加工效率。为了提高点云处理的计算效率，提出一种基于线性耦合曲率的点云精简方法，以兼具效率和精度。对源扫描点云构建K-d树数据结构，并提出更稳健的线性耦合曲率特征模型以提取特征域；在此基础上，利用改进空间二分法快速精简非特征域；最后融合特征域和精简后的非特征域，得到最终精简结果。结果表明：该方法可得准确的精简比，拟合曲面模型仅存在微小的数据空洞。在90%精简比、2.7%噪声比条件下，保形性误差为0.867 mm，优于传统的点云精简方法，能够实现铸件点云的高效精简。     

基于点云深度学习的散乱堆叠轴承圈位姿检测

为解决工业应用中散乱堆叠轴承圈的难识别、分割与抓取问题，提出一种分层递进随机下采样算法对采集的点云模型进行下采样操作，并结合提出的基于RGB阈值自动标注算法完成数据集的制作，利用PointNet++网络预测并分割出可抓取轴承圈上表面，进而使用RANSAC算法精确分割出待抓取轴承圈上表面，最后采用防干涉的抓取点选取策略完成待抓取轴承圈的位姿检测。实际场景下三组抓取实验得到的成功率均在98%以上，验证了其有效性。     

基于粗糙集理论与聚类算法的加工中心可靠性综合评价研究

针对数控机床可靠性综合评价中指标选取不一、需要大量先验知识等不足，提出一种粗糙集与K-means聚类算法相结合的评价方法。建立原始评价指标体系，通过K-means聚类算法与Silhouetta指标对各指标值进行离散化处理，并运用粗糙集理论约简冗余指标，构造动态评价指标体系。根据属性重要度定义对约简后的指标客观赋权，构建粗糙集聚类可靠性综合评价模型。结果表明：所提出的方法合理、有效。     

基于双边滤波的三维曲面重构技术在钢轨检测中的应用

钢轨廓形的测量对指导钢轨打磨、提高列车运行安全、延长钢轨寿命具有重要的意义。采用三维激光扫描重建技术,获取钢轨廓形点云数据;分别采用迭代最近邻算法、双边滤波法以及曲率精简法对钢轨点云数据进行拼接、降噪和精简处理;对比在不同高斯滤波参数下,该技术对钢轨点云数据的滤波效果。结合UM动力学软件和有限元分析软件对三维重构后的钢轨模型进行仿真对比分析。结果表明:采用该三维重构技术可以快速地对钢轨的型面进行重构;高斯滤波参数σ_c为20时,对钢轨点云数据的滤波效果较好,能够使钢轨轨顶保持良好的细节特征。     

行星轮系故障动力学仿真及其诊断软件开发

行星齿轮箱的诸多传动优点使其越来越广泛地被应用于诸多机械设备中,其振动响应比定轴齿轮箱更为复杂,相应的动力学模型建立及故障诊断成为近年来的研究难点和热点。建立了行星齿轮系统动力学模型;通过对行星齿轮系统动力学模型的求解,并利用MATLAB/Simulink模块对模型进行分析,得到了行星轮断齿时系统的频谱响应特性;同时,运用现代信号处理方法,以面向对象的程序设计语言Visual C++6.0和关系型数据库SQL Server为工具,建立故障诊断类型及信号处理方法数据库,将不同故障特征录入故障库,研究开发了一套行星轮系健康状态监测和故障诊断的软件。运用行星齿轮箱故障诊断实验台对所设计软件进行试验测试,通过试验信号的对比,验证了动力学模型分析结果的准确性以及该软件具有可用性和准确性。     

基于图卷积网络的滚动轴承智能故障诊断

基于非欧几里德空间的数据包含着数据点以及数据点之间的关系信息，而基于深度学习模型的故障诊断方法通常忽略了数据点之间的关系信息。对此，通过结合可视图算法和图卷积网络，将基于非欧几里德空间的不规则数据应用到轴承故障诊断领域。首先，将原始信号利用可视图算法转换为图数据，以图数据显示时域特征，极大丰富了输入信息；其次，利用构建的图卷积网络对故障特征进行学习，以达到故障诊断的目的。实验结果表明，图卷积网络在单一轴承故障分类任务上能够达到97%以上的准确率，这表明利用可视图算法提取的关系信息对轴承故障的识别具有重要作用。     

基于点云数据驱动的中厚板机器人焊接路径规划

为实现中厚板多层多道自动化焊接的需求,提出一种基于点云数据驱动的机器人焊接路径自适应规划算法。以V形焊缝为例,首先通过线结构光扫描焊缝表面采集点云数据,对点云数据进行滤波预处理,在精简数据量的同时也去除噪声点,据此采用点云分割和边缘提取算法成功提取焊缝特征点。最终通过焊接实验验证算法的准确性和可行性,结果表明,提出的算法处理得到的焊缝特征点坐标与人工示教得到的实际坐标偏差小于0.17 mm,能够满足实际应用需求。     

基于K-means++聚类算法和SSIM指标的金属板材腐蚀区域识别

材料腐蚀后会在表面产生锈斑、裂纹和鼓泡等多种腐蚀特征现象,通过观察腐蚀特征现象可判断材料腐蚀程度。目前主要通过人工目测的方式对材料的腐蚀情况进行判断,但其存在结果无法量化、效率低下等不足。本文采用K-means++聚类算法对金属板材图像像素RGB值进行聚类,分离腐蚀区域和未腐蚀区域;采用图像结构相似性指标(SSIM)判断聚类各区域是否发生腐蚀。结果表明：将K-means++聚类中心数量k设定为5,可有效根据图像颜色分布划分出各聚类区域;相比峰值信噪比PSNR和均方误差MSE,结构相似性指标SSIM与图像是否发生腐蚀具有较强相关性,将SSIM指标阈值设定为0.95,可根据SSIM指标有效判断各聚类区域是否发生腐蚀;本文所用方法相比人为根据像素颜色划分腐蚀区域,具有更高的识别效率,且准确率不低于90%。本研究可用于金属板材环境试验后防腐性能自动化评价。     

基于PointNet++的焊装夹具零件识别

焊装夹具是汽车白车身焊接生产线中重要的组成部分,有效的管理和归纳焊装夹具零件设计数模能够显著提高设计效率。将原始设计数模离散为点云,利用点云数据和PointNet++深度学习网络探讨了一种焊装夹具零件智能分类方法,并对比各模型的分类精度,选取运行效率和精度最高的单尺度分组(SSG)模型完成焊装夹具零件的分类。训练结果表明,该方法在验证集上的准确率为97.5%,型块、连接块、定位销、销座、支座的验证集类内准确率分别为92.5%、97.5%、100%、97.5%和100%。这些结果表明该方法具有较高的识别精度,能够满足焊装夹具零件分类的精度要求。     

锥台工件点云拟合算法研究

针对不完整锥面工件模型拟合问题背景，为了解决大量点云数据的标准几何模型拟合问题，提出一种基于遗传算法的锥面点云数据拟合算法：通过随机选取拟合模型采样点，用点云数据点-标准模型采样点的距离计算替代点云数据点-标准曲面模型的距离运算，提高计算效率同时保留点云细节特征；通过对点云数据建立Kd-tree索引提升标准模型采样点距离检测效率；通过遗传算法迭代搜索拟合模型参数，并通过变数据量、变拟合精度等方法改进遗传算法的搜索效率。经实验验证：采用该算法可有效提升部分锥面工件拟合的匹配精度，误差范围±0.5 mm,且对于大量点云数据的处理效果良好。     

基于局部特征的位姿求解算法北大核心

为提高点云数据配准精度,更准确获取目标物体位姿信息,提出一种基于局部特征的多源数据匹配位姿求解方法。首先,通过3D深度相机获取模型三维点云数据,并根据梯度阈值算法从大量点云数据中得到物体表面梯度值;其次,使用L+边界提取算法提取物体边缘轮廓特征信息,再遍历实体大量点云数据求解二维轮廓特征值,从而对输出的轮廓特征数据建立特征数据库;最后,对获取的点云数据特征进行数据处理,通过Hu矩匹配算法找到相对应的数据源后再由F-ICP匹配算法获取模型位姿。结果表明基于局部特征的多源数据匹配算法可以有效对点云数据进行位姿计算,匹配精度得到提升。     

基于云模型与LSTM算法的旋转机械故障诊断研究

针对旋转机械故障率偏高,而人工参与故障诊断工作量大、效率偏低等问题,提出一种基于云模型与LSTM算法的旋转机械故障诊断方法。采用实验台采集振动故障原始数据,统一进行EEMD数据预处理,利用云模型进行故障特征数据提取,输入LSTM神经网络模型进行故障诊断。通过云模型和能量法进行特征提取,分别输入支持向量机和LSTM神经网络模型进行诊断结果对比。结果表明：云模型与LSTM算法的故障诊断准确率最高,达到98.75%,证明该方法能够有效应用在旋转机械故障诊断中。     

基于NV-SEC的复杂箱体特征尺寸提取方法及应用

为了实现导弹发射箱的自动化打磨工序,必须提取复杂箱体的特征尺寸。通过三维激光扫描技术得到发射箱的点云数据后,对其进行分析,提出了一种基于法向量和排序欧式聚类(Normal Vector and Sorted Euclidean Clustering,NV-SEC)的箱体类零件特征尺寸快速提取方法。该方法首先以箱体点云模型中各点法向量的不同为判断依据,将箱体所有的环筋边缘信息提取出来,并采用改进的排序欧式聚类分割算法,得到有序的单根环筋的边缘信息,从而进一步求得箱体的宽度尺寸。实验结果表明,该方法可以满足箱体自动化打磨的要求,可以大幅度提高箱体环筋与纵筋装配质量,提高箱体加工效率。     

线接触曲线圆柱齿轮的加工方法与仿真北大核心

为提高线接触曲线圆柱齿轮的加工效率并降低制造成本,提出一种采用现有六轴数控铣齿机和单刃面铣刀盘的线接触曲线齿轮加工方法。根据该齿轮的成型原理,推导齿面的数学模型,获得齿面点云数据;基于点云数据在三维建模软件中构建齿轮实体模型;在VERICUT中构建数控机床和刀具模型,编写齿轮加工的数控程序,完成齿轮仿真加工;利用构建的齿轮实体模型与加工成型的齿轮模型进行偏差分析。结果表明:采用所提方法加工线接触曲线圆柱齿轮是可行的,可减少科研人员对专用线接触曲线齿轮机床研究的投入。     

基于3DSS的汽车转向柱护套反求设计

以汽车转向柱护套的反求设计为例,利用三维光学扫描仪采集点云数据,对采点数据的处理包括数据精简、多边形化处理等方法进行了探讨,并重点介绍了在Imageware软件中进行点云补缺、构建曲线与曲面及曲面光顺性检测的过程.     

基于AFCM-SVM的滚动轴承退化状态评估与剩余寿命预测

针对支持向量机模型状态数需要人为设定的不足,提出了一种基于自适应模糊C均值-支持向量机(AFCM-SVM)的滚动轴承退化状态评估与剩余寿命预测方法。该算法采用相对特征建立敏感特征数据集,利用聚类评价指标构造自适应函数,实现了模型聚类结果的自动更新,获得了轴承运行过程中的最佳状态数;基于AFCM-SVM模型与各个运行状态的一一对应关系,确定轴承在不同退化状态下的时间间隔,实现轴承的健康等级评估与寿命预测。根据美国NSFI/UCR智能维护中心提供的滚动轴承全寿命数据对所提算法进行了验证。结果表明,不受轴承个体差异的影响,AFCM-SVM能有效实现自动聚类,识别结果符合轴承退化演变规律;与分层狄利克雷(HDP)和K-means算法相比,AFCM-SVM具有更快的运算速度和更准确的辨识能力。     

基于CLPSO-IDBN的风电机组轴承故障诊断

针对风电机组轴承故障诊断时的数据特征复杂难以提取，故障诊断准确率低，耗费时间长等问题，提出一种综合型学习粒子群算法(comprehensive learning particle swarm optimization, CLPSO)与改进深度置信网络(improved deep belief network, IDBN)相结合的故障诊断方法。首先在DBN内部添加了迭代误差阈值优化策略构建IDBN,大大减少了训练时间；然后利用CLPSO算法优选IDBN网络结构，运用具有最优结构的IDBN模型从原始信号中提取故障特征，识别轴承的故障类型。仿真实验结果表明，CLPSO-IDBN算法模型具有更高的准确率以及在相同情况时更少的训练时间，在训练集和测试集上的诊断准确率分别达到了98.28%与97%,并且可以平均节省约30%的训练时间，与4种其他方法相比较，证实了新方法的有效性与准确性。     

航空发动机叶片数字化再制造方法研究

叶片作为航空发动机的关键部件,其数字化三维模型等核心技术资料一直由国外发动机厂商垄断。为获取航空发动机叶片的三维数字化模型,提出一种基于海量点云数据的叶片数字化模型重建方法。利用激光扫描仪获取的叶片点云数据;在点云数据预处理部分,进行点云对齐并合理精简;将点云数据截面转化为含有噪声的时域信号进行滤波,引入单树小波包分析方法,并通过坐标变换将其分割为叶盆面和叶背面;依据叶片的型面特点,采用不同方法对叶片截面边界进行拟合。反复上述过程,采用蒙面曲面的方法建立叶片数字化三维模型。实验结果表明,利用该方法建立的发动机叶片模型具有良好的光顺性和几何精度,明显提升了建模效率。     

基于混合特征和CFOA-GRNN的行星齿轮箱故障诊断研究

针对行星齿轮传动系统典型故障的识别,提出一种基于信号混合特征和混沌果蝇优化算法-广义回归神经网络（CFOA-GRNN）的故障诊断方法。计算信号的几种典型时域统计特征,并通过小波包分解获取信号频域能量特征,得到信号混合特征向量作为广义回归神经网络（GRNN）的输入;采用混沌扰动改进的果蝇优化算法对GRNN进行参数寻优,构建最优诊断模型;利用采集的行星齿轮箱实验台不同工况数据进行实验和对比。结果表明：所提方法能够有效识别不同工况下齿轮箱的不同故障;与其他模型相比,它具有参数设置简便、主观因素影响小、寻优速度快等优势,具有较好的实用性。     

多深孔特征汽车端盖的模型重构

为获取多深孔特征汽车端盖的实体化模型,对其模型重构方法进行研究。运用Geomagic Wrap完成点云数据的精简和噪点的去除,应用GA-BP算法对跨面点云孔洞修补。利用Geomagic Design X的正逆向结合设计功能,截取深孔特征处的轮廓;基于点云的自动特征识别进行参数化修正,运用正向设计命令完成实体模型的重构。采用Geomagic Control X软件对实体模型与原始点云数据的偏差进行分析,验证了该建模思路能够获得满足精度要求的汽车端盖实体模型,对具有相似情况的零件模型重构提供了参考。