应用于增材制造的连续运动捕捉方法

针对增材制造中出现的三维模型连续运动高速捕捉情况下丢帧的问题,本文提出了一种连续运动捕捉的新方法。该方法的主要内容是：首先基于多视点视频序列得到两个非同构的静态模型,用联合骨架优化方法自动提取两个模型的骨架结构;然后在最短测地线路径约束下插值出中间动作骨架;接着建立变形距离场DDF来调整表面细节过渡;最后对插值点云进行双边滤波和泊松重建。该方法能自然并准确地捕捉快速和大跨度的动作,速度快,精度高。实验的结果表明,采用该方法基本满足各种运动序列高速捕捉时的有效性和实用性。     

基于参数曲面的增材制造保形晶格结构生成方法

晶格结构因其具备特殊的机械性能,已成为增材制造复杂结构设计和制造的重要研究领域之一.针对传统的模型晶格结构生成方法需要通过对参数化建模的晶格结构网格进行裁剪或对其网格进行保形变形实现,且生成效率较低的问题,提出一种基于参数曲面的增材制造保形晶格结构生成方法,实现晶格结构对曲面空间的适应和高效生成.首先,基于一种矩阵方法...     

一种基于参数样条曲线的增材制造轨迹插值算法探讨

增材制造(3D打印)过程中常常会遇到不规则的连续曲线,传统的处理方法是采用微小的多段折线来逼近曲线。但在曲线过长或者过于复杂时就会产生大量的微小直线段数据,给控制系统的运行造成一定的负担。本文采用参数样条曲线插补的方式,借助参数三次多项式推导出插值曲线段的递推公式,在一定程度上克服上述插值方法的不足,提高加工效率与精度。     

板带材缺陷检测中的多特征优化组合方法研究

针对冷轧板带材常见表面缺陷图像识别的特点,提出了板带材表面缺陷多特征优化组合方法,该方法以直方图统计特征、小波变换特征、灰度共生矩阵特征、不变矩特征等4类特征共26维特征向量为基础,依据类间类内距离差的类别可分离性判据对特征进行优化,选出最优特征向量组合。对6类典型板带材表面缺陷进行实验,实验结果表明,采用多特征优化组合方法选择出的特征向量具有较好的分离效果,显著地提高了表面缺陷的识别率。     

基于机器学习的增材制造用高温合金设计：研究现状与未来趋势

机器学习辅助材料设计是一种高效的合金设计方法,该方法结合高通量计算/实验技术能够极大推动材料领域的发展。然而,目前材料研究者尚未充分利用该方法。针对上述问题,详细介绍了基于机器学习的高温合金设计的基本方法,包括数据收集与预处理、模型建立与训练、合金性能预测等步骤,阐述了增材制造用高温合金的设计现存困难和亟待解决“权衡裂纹敏感性与高温性能”的关键问题,深入分析了机器学习在增材制造用高温合金设计中的必要性。从高温合金数据获取、性能预测、合金设计等方面梳理了机器学习辅助增材制造用高温合金设计的应用现状,指出了该领域目前存在的数据来源、建模范式、模型的应用与推广等核心问题,并对该领域后续的发展提供了建议。     

基于NX喷嘴壳体的增材制造技术研究

喷嘴壳体是一种广泛应用于航空领域的极为复杂的金属零件,为了解决喷嘴壳体高强度金属难加工的问题,本文基于NX平台其自带的高级仿真模块与增材制造相结合,提出了极为简便的验证环节,对喷嘴壳体进行了拓扑优化和增材制造流程模拟,最后根据仿真分析结果进行优化。该研究极大地缩短了金属产品生产的周期,在一定程度上展现了NX平台增材制造工艺方法的应用潜力。     

铝合金模拟腐蚀缺陷的红外热波无损检测

本文通过对模拟铝合金材料腐蚀缺陷的红外热波无损检测实验,采用基于最小二乘法的去除拟合背景方法、脉冲相位法对实验结果进行处理,提高了缺陷的探测能力.并利用基于统计学的图像评估标准对处理效果作了定量评价.结果表明,红外热波检测技术可对缺陷作出快速有效直观的检测;去除拟合背景方法能有效的减少加热不均对缺陷识别的不利影响脉冲相位法对空域的随机噪声有一定的抑制作用,并对在定位缺陷深度时有一定的识别能力.     

基于图像分析的热电池缺陷无损检测方法

针对目前国内外热电池装配缺陷检测多靠人工分辨的问题,提出了一种基于图像分析检测热电池装配缺陷的方法.通过对热电池的标准单体电池和缺陷单体电池进行分析,以热电池内部结构特征自对比实现对热电池内单体电池的整体倒装、单体电池漏装集流片、装配次序错误进行检测,建立了一个无损检测系统.利用模板匹配将X射线仪拍摄的电池图片中的电池...     

神经网络驱动的机器视觉学习实现增材制造过程的自适应监控模型

随着增材制造（AM）技术的快速发展,其质量控制与过程监控逐渐成为研究焦点。致力于解决3D打印过程中出现的质量波动和缺陷问题,通过利用神经网络驱动的机器视觉系统实现对增材制造过程的高效自适应监控。采用卷积神经网络（CNN）对高分辨率的熔池图像数据进行深入分析,旨在实现对增材制造过程的实时检测和缺陷分类。实验数据通过激光金属沉积过程收集,并对数据进行了详尽的分析与标注,建立了一个全面且高质量的数据集。基于此数据集,开发了一个专门针对熔池图像识别的CNN模型,该模型有效地从复杂图像中提取关键特征,用于增材制造过程的监控与自适应调整。研究成果表明,所开发的模型在检测和分类增材制造过程中具有高准确率、高召回率和优秀的F1分数,证明了其在提升增材制造过程精度和可靠性方面的有效性。通过对增材制造过程的实时监控和分析,展示了神经网络在机器视觉应用中的强大能力,为增材制造技术的质量控制和过程优化提供了新的思路。     

基于二次加密的JPhide隐写检测方法

经典的x2检测算法是目前公认的能唯一检测JPhide的最佳检测算法,但实际上检测准确度并不高。该文基于二次加密提出了一种新颖的JPhide加密检测方法,进行了一系列的实验考证。该方法克服了x2检测算法的缺点,可以较准确地进行JPhide加密检测,降低了误检率。并对该方法进行了进一步的展望。     

参数估计法检测与诊断铁路运输车减振装置故障

本文利用参数估计法检测与诊断铁路运输车减振装置故障,并分别对6自由度和4自由度模型进行了仿真和模拟实验。