5G行业专网组网方案和关键技术研究

5G通信技术具有大规模互联、低时延、高性能等特征,其与AI、边缘计算等技术的结合,有利于促进工业互联网的智能化发展。基于此,文中从工业系统构造改革着手,结合5G通信技术和工业互联网,全面分析了5G工业专网融合网络架构,如算力分布式、未来无线化、异构接入等,并提出了以业务感知层、网络资源层、网业协同层等构成的完整的网络逻辑架构。同时,文中研究了5G行业专网的组网方案和关键技术,对现阶段存在的一些问题进行了讨论,为相关领域提供了借鉴。研究发现,结合了5G通信技术和工业专网的组网方案,能提高5G行业专网组网方案的应用效果,促进工业结构的数字化转型,实现相关企业的可持续发展。     

多特征关键点的自适应尺度融合特征点云配准

针对点云在噪声、遮挡及相似特征多个干扰条件下容易产生错误配准的问题，提出一种基于多特征的关键点提取算法和自适应尺度的融合特征的点云配准方法。在关键点提取时，同时计算多个特征，使关键点更具描述性和鲁棒性。特征描述时，在自适应尺度的基础上使用FPFH和RoPs特征两种特征分别进行初始配准和错误点对剔除，最终各自得到多个相似的转换矩阵。完成上述求解后，将两者得到的矩阵组成集合进行聚类并对矩阵数最多的类取平均值处理作为最终的结果以完成特征的融合。实验研究表明，在忽略极少数无法具体化的错误配准点的情况下，真实场景下所提算法的RMSE、ATI和ERR分别为0.46 mm, 1和0.37;使用数据集测试得到的正确率为99.3%,均表明该算法的精度和鲁棒性较高。     

基于红外图像分析的TSV内部缺陷识别方法研究

TSV三维封装内部缺陷难以用传统方法检测。然而其内部缺陷的存在会导致热阻发生变化，对系统温度分布产生影响，因此可以通过对红外图像的分析达到对缺陷进行识别及定位的目的。文中研究了缺陷对温度场的影响，分别通过理论分析、有限元仿真及实验方法对TSV三维封装系统进行了热-电耦合分析，得到了缺陷铜柱类型及位置不同时的温度分布数据集，搭建了卷积神经网络(CNN)模型对2组数据集单独进行分类预测。实验结果表明：利用仿真数据集与试验数据集分别对CNN模型进行特征训练，得到的缺陷识别与定位准确率为98.65%,98.36%。由上可知，缺陷类型及位置的不同会对温度场产生不同影响，利用CNN模型对TSV红外热图像进行特征训练可以有效识别与定位内部缺陷。     

多异构并联机构组合体数字孪生研究北大核心

为了精确构建复杂机械设备数字孪生模型,提出了一种针对多异构并联机构组合体的数字孪生方法。设计了面向特殊机电产品的多异构并联机构组合体数字孪生系统,对该机电产品的多异构并联机构组合体进行运动仿真。搭建了数字孪生虚拟实体,设计了相应的多异构并联机构组合体运动学位姿求解算法;通过信息物理系统(CPS)连接虚拟实体与物理实体,实现了虚拟实体与物理实体的运动关系映射,虚拟实体的运动与物理实体保持同步。仿真和实际运行表明,算法效率满足实时运行需要,多异构并联机构组合体数字孪生系统满足数字孪生高同步性要求。