检索结果-南通市图书馆

在线全文

学校读者我要写书评

暂无评论

基于概率连续模型的激光视觉焊缝自动跟踪

机械工程学报 2017年第10期53卷 70-78页

作者：邹焱飚周卫林王研博华南理工大学机械与汽车工程学院广州510640

针对目前在实际焊接过程中多数焊缝自动跟踪系统对飞溅、弧光等噪声干扰十分敏感,从而造成焊接精度损失的问题,设计了能够实时检测焊缝特征图像的线激光视觉传感器,并根据其几何模型建立了精确的测量模型。跟踪过程中以线性表示模型对... 详细信息

针对目前在实际焊接过程中多数焊缝自动跟踪系统对飞溅、弧光等噪声干扰十分敏感,从而造成焊接精度损失的问题,设计了能够实时检测焊缝特征图像的线激光视觉传感器,并根据其几何模型建立了精确的测量模型。跟踪过程中以线性表示模型对观测矢量进行建模并利用仿射变换模型对焊缝运动进行描述,提出了基于概率连续模型的焊缝跟踪算法。充分利用图像中激光条纹和背景噪声的空间一致性,结合刻画邻域结构内像素点间相互关系的一阶马尔可夫随机场理论,推导出焊缝跟踪问题的目标函数。采用基于最小二乘法与最大流/最小割的迭代算法对其进行求解,最终获取准确的焊缝位置。搭建了焊缝跟踪试验平台,并在实际焊接环境中应用所提算法进行焊缝跟踪试验。试验结果表明该算法的跟踪精度达?0.109 1 mm,平均每帧图像处理时间不长于45 ms,并且激光条纹与焊接熔池的最小距离可达24 mm,能够克服强烈噪声干扰,实现实时、准确的焊缝跟踪。

关键词：激光视觉焊缝跟踪概率连续空间一致性最大流/最小割

在线全文

学校读者我要写书评

暂无评论

生物法降低油炸薯片中的丙烯酰胺

生物法降低油炸薯片中的丙烯酰胺

作者：周卫林江南大学

学位级别：硕士

食品中的丙烯酰胺产生的主要途径之一是食品组分中的还原糖和天冬酰胺在高于120℃的温度下通过美拉德反应生成。本文研究了生物法酵母和天冬酰胺酶分别降低丙烯酰胺的前体物质以减少和消除油炸薯片中的丙烯酰胺。论文还对天冬酰胺酶在... 详细信息

食品中的丙烯酰胺产生的主要途径之一是食品组分中的还原糖和天冬酰胺在高于120℃的温度下通过美拉德反应生成。本文研究了生物法酵母和天冬酰胺酶分别降低丙烯酰胺的前体物质以减少和消除油炸薯片中的丙烯酰胺。论文还对天冬酰胺酶在应用中的热稳定性进行研究。论文研究了食品级酵母代谢降低土豆片中还原糖的最佳条件。研究结果表明,在酵母预处理过程中,土豆片中还原糖的降低速率高于对照组。在固液比为1:4、酵母添加量为0.5%,温度为37℃的条件下,预处理110 min土豆片中的还原糖几乎降至为零。运用改良的HPLC-MS/MS法测得的油炸薯片中丙烯酰胺含量与对照组相比降低了70%。感官评价结果显示,与未经过任何预处理的样品相比,酵母预处理后的油炸薯片感官品质没有明显变化。天冬酰胺酶能够将天冬酰胺专一性的水解为天冬氨酸和氨。研究结果表明,在60℃,酶浓度为1750 U/L的条件下,酶解20 min后,土豆片中天冬酰胺含量降低了31.11%,从最初的2.25 mg/g降低至1.55 mg/g。酶预处理后的土豆片经油炸后丙烯酰胺含量与对照组相比降低了52.91%,与未经过任何预处理的油炸薯片相比降低了78.55%。采用分光测色仪定量测定了油炸薯片的色泽变化,结果显示,经过酶预处理的油炸薯片色泽均匀。预处理土豆片油炸后的含油率没有明显变化。为了提高天冬酰胺酶的重复利用率,本研究考察了天冬酰胺酶在应用过程中的稳定性,研究发现,土豆浸出物对天冬酰胺酶具有热稳定作用。土豆浸出液中的天冬酰胺酶在60℃的条件下连续使用多次仍具有较高活力,而60℃的条件下天冬酰胺酶在纯水中的半衰期为0.5 h。为了探寻天冬酰胺酶的稳定因子,本文通过乙醇沉淀和透析法,确定了土豆浸出物中起稳定作用的是小分子物质。本文还系统研究金属离子、氨基酸、糖和醇类物质对天冬酰胺酶热稳定性的影响,结果表明,一些金属离子(Fe2+和K+)、阳离子([NH4]+)和氨基酸,在不影响酶活力的前提下具有提高酶热稳定性的作用。在60℃条件下,当体系中含有40 mmol/L[NH4]+时,8 h后天冬酰胺酶的残余酶活仍大于40%,而同样温度下,天冬酰胺酶在水中1 h后完全失活。一些常用的降低水分活度的物质(甘油、聚乙二醇200、甘露醇、海藻糖)并不能很好的提高天冬酰胺酶的热稳定性。进一步对小分子稳定剂进行复配研究,获得最终的最佳复配稳定剂为20 mmol/L的[NH4]+和2%(m/v)的甘氨酸。在复配稳定剂存在的条件下,天冬酰胺酶在60℃,48 h后的残余酶活力大于60%,相比单一稳定剂,效果大大提高。采用蛋白质荧光光谱和差示扫描量热分析等方法考察酶蛋白结构和性质的变化,研究复配稳定剂对天冬酰胺酶的稳定机理。研究结果表明,复配剂中的酶蛋白表面疏水强度随着时间的延长而升高,60℃,8 h后升高至302.38%,对应天冬酰胺酶的残余酶活由100%降低至71.91%;48 h后酶蛋白表面疏水强度增加至384.76%,残余酶活下降至60.60%。蛋白质表面疏水性强度的不断增加,表明蛋白质内部疏水基团的不断暴露,空间结构发生较大变化导致酶逐步热变性,致使酶活下降。复配稳定剂会淬灭酶蛋白产生的荧光,通过Stern-Volmer方程拟合分析,淬灭常数随温度升高而增加,确定复配剂的淬灭机制为动态淬灭。微量差示扫描量热分析的结果也表明,复配稳定剂使天冬酰胺酶蛋白的热变性温度有所提高,故酶的热稳定性得到提高。

关键词：酵母天冬酰胺酶丙烯酰胺油炸薯片

基于深度分层特征的激光视觉焊缝检测与跟踪系统的研究

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于深度分层特征的激光视觉焊缝检测与跟踪系统的研究

作者：周卫林华南理工大学

学位级别：硕士

近年来,随着机器人技术、信息技术等多种技术的协同发展,弊端众多的手工焊接加工方式逐渐不再适用于现代制造场合,取而代之的是以焊接机器人为主体的自动化焊接加工系统,但受限于当前机器人的智能化水平,大多数机器人实施焊接作业时仍... 详细信息

近年来,随着机器人技术、信息技术等多种技术的协同发展,弊端众多的手工焊接加工方式逐渐不再适用于现代制造场合,取而代之的是以焊接机器人为主体的自动化焊接加工系统,但受限于当前机器人的智能化水平,大多数机器人实施焊接作业时仍停留在“手动示教—记忆再现”这一固定模式。在非结构化焊接环境中,受热变形、振动移位、装夹误差等因素的影响,导致焊缝的实际轨迹与示教轨迹间不可避免地存在偏差,这种工作模式的机器人不能根据轨迹的变化作出相应的修正动作,从而影响最终的焊接质量与精度。为此,本文对机器人实现环境信息感知和自我认知功能所需要的焊缝跟踪技术进行了研究,采用“传感—决策—执行”的模式,在设计以激光为信息载体、视觉为感知手段的激光视觉传感器的基础上,通过开发激光视觉信息采集模块、焊缝图像信息处理模块及焊缝跟踪控制模块等功能单元,构建了一套基于深度分层特征的激光视觉焊缝检测与跟踪系统。本课题的研究获得国家科技重大专项“五千台具有完全自主知识产权的面向机床自动化生产的机器人开发及产业工程”(编号:2015ZX04005006)和广东省科技重大专项“面向数控机床与机器人集成一体化技术的研究”(编号:2014B090920001)资助。研究的内容主要包括:(1)在剖析焊缝自动跟踪系统总体框架、工作机制及设计要求的基础上,研制了实时获取焊缝位置信息的激光视觉传感器,根据视觉测量系统中激光视觉传感器与机器人的空间分布关系,结合透视投影成像模型,详细推导和建立了具有由二维图像信息重构三维位置信息功能的测量数学模型。基于Halcon软件研究了装载于传感器中的工业相机的标定算法,从而实现二维视觉坐标向相机坐标系下三维空间位置的映射。研究了激光平面的标定算法,使用平面靶标通过变位姿采样获取大量同源激光点,通过正交回归方法进行平面拟合得到平面方程的关键参数。针对以传感器为眼、机器人末端为手构成的Eye-in-Hand系统,提出了一种定点变位姿的手眼标定算法,以健壮求解相机与机器人间的手眼关系矩阵,最终实现像素坐标系下二维视觉坐标向机器人基坐标系下三维空间坐标的转换。(2)针对目前大多数焊缝跟踪系统中图像处理算法对飞溅、弧光等噪声极其敏感,难以从含有强烈噪声污染的时序图像中稳健、快速检测出焊缝并精确定位,导致跟踪精度降低的问题,从焊缝特征提取、焊缝检测定位两方面对焊缝检测和跟踪算法进行了研究。在研究与深度卷积神经网络相关的若干关键性基础理论的基础上,结合深度卷积神经网络强大的特征表达能力和自学习功能,提出了基于深度分层特征的焊缝检测和跟踪算法。提出的图像处理算法通过深度卷积神经网络结构提取目标高层次的深度抽象特征,克服了传统像素级特征分析以及单一几何特征识别或统计决策方法的局限,减小了特征的歧义性;考虑到相邻帧间焊缝特征点运动的连续性及激光条纹结构信息的相关性,提出了基于多相关滤波器协同检测机制的实时焊缝搜索定位策略,旨在解决大噪声下焊缝的智能检测和定位这一技术难题。(3)焊缝自动跟踪控制系统呈现出明显的大耦合、强非线性及时变性,为尽可能地避免焊枪依循计算轨迹运动所出现的周期性抖振问题,控制系统应具有一定的动态柔顺性及自适应性。在适应性广、控制精度高的传统PID控制方法的基础上,借鉴生物机体的免疫反馈响应过程,同时设计模糊控制器在控制过程中学习环境的非预知信息,提出了适用于复杂焊接环境的模糊免疫自适应智能控制算法。设计的智能跟踪控制器具有稳健性及全局自寻优能力,能够实时优化控制参数,可赋予系统论域自适应变伸缩且模糊规则自调整的特性,能够实现平滑的轨迹跟踪。(4)搭建了焊缝跟踪实验平台,在实际焊接环境中应用所提算法进行了焊缝自动跟踪实验。实验结果表明,在强烈弧光和飞溅的干扰下,传感器测量频率达到20 Hz,平均绝对跟踪误差均小于0.25 mm,而最大跟踪误差也未超过1 mm,焊接过程中焊枪末端运行平稳。从而证明该系统能实现焊缝的实时跟踪,可准确可靠地从不同程度噪声污染图像中检测到焊缝位置并实现平滑焊接,与目前大多数焊缝自动跟踪系统所能达到的最好精度范围0.3mm.5mm相比,具有更大的性能优势,能够满足高质量的焊接要求。

关键词：激光视觉传感器深度分层特征焊缝跟踪相关滤波器智能控制

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

焊缝跟踪应用的线激光视觉伺服控制系统

光学精密工程 2016年第11期24卷 2689-2698页

作者：邹焱飚王研博周卫林华南理工大学机械与汽车工程学院广东广州510640

设计了一套由三轴直角坐标机器人、线激光传感器和工业计算机组成的焊缝跟踪系统。研究了该系统所涉及的测量原理、特征点测量方法和基于模糊自适应的控制方法。通过高斯核相关算法(KCF)在焊接过程中实时检测焊缝特征点,并根据测量原理... 详细信息

设计了一套由三轴直角坐标机器人、线激光传感器和工业计算机组成的焊缝跟踪系统。研究了该系统所涉及的测量原理、特征点测量方法和基于模糊自适应的控制方法。通过高斯核相关算法(KCF)在焊接过程中实时检测焊缝特征点,并根据测量原理计算获得特征点相对于相机坐标系的三维坐标值。设计了一种自适应模糊控制器,通过自适应模糊控制器计算坐标的偏差值和偏差变化率得到焊枪末端运动轨迹的控制量,同时对模糊控制器的输入输出论域、模糊规则和隶属函数进行实时动态更新。实施了焊缝跟踪实验。结果显示:采用最大焊接电流为350 A的惰性气体保护焊(MIG),在强烈弧光和飞溅的干扰下,该系统能实时跟踪焊接工件,跟踪精度为0.325 3mm,传感器测量频率为20Hz。焊接过程中焊枪末端运行平稳,焊缝轨迹跟踪准确,且抗干扰能力,能满足焊接应用要求。

关键词：线激光传感器焊缝跟踪自适应模糊控制焊缝特征点高斯核相关算法

基于分段学习模型的自动驾驶行为决策算法研究

在线全文

学校读者我要写书评

暂无评论

中国公路学报 2022年第6期35卷 324-338页

作者：周卫林王玉龙裴锋黄明亮闫春香广州汽车集团股份有限公司汽车工程研究院广东广州510640 湖南大学汽车车身先进设计制造国家重点实验室湖南长沙410082

在具有车道线的特定自动驾驶场景中,针对目前端到端的行为决策算法直接输入原始图像进行决策导致的网络模型迁移性差、预测精度欠佳、泛化能力不足等问题,提出一种基于分段学习模型的车辆自动驾驶行为决策算法。首先,基于GoogLeNet建立... 详细信息

在具有车道线的特定自动驾驶场景中,针对目前端到端的行为决策算法直接输入原始图像进行决策导致的网络模型迁移性差、预测精度欠佳、泛化能力不足等问题,提出一种基于分段学习模型的车辆自动驾驶行为决策算法。首先,基于GoogLeNet建立一种端到端的车道线检测网络模型,并引入车道中心线作为决策的重要线索提高算法的迁移能力,同时利用YOLOv3目标检测模型对本车道内前方最近障碍物进行位置检测;而后,经几何测量模型将两者检测结果转换成环境状态信息向量为决策做支撑;最后,构建基于长短期记忆(LSTM)网络的驾驶行为决策模型,根据编码的历史状态信息刻画出动态环境中车辆的运动模式,并结合当前时刻的状态推理得到驾驶行为参量。使用建立的真实驾驶场景数据集对模型分别进行训练、验证与测试,离线测试结果显示车道线检测模型的检测位置误差小于1.3%,车道内前方障碍物检测模型的检测精度达98%以上,驾驶行为决策网络模型表征预测优度的决定系数大于0.7。为进一步验证算法的有效性,搭建了Simulink/PreScan联合仿真平台,多种工况下的仿真验证试验中多个评价指标均达到工程精度要求,实车测试的试验结果也表明该算法可实现复杂驾驶场景下平稳、准确无偏航的预测效果并满足实时性要求,且与传统端到端模式的算法相比,具有更好的迁移性和泛化能力。

关键词：汽车工程驾驶行为决策分段学习模型深度神经网络车道线检测目标检测

基于开关式深度神经网络的拟人化自动驾驶决策算法

在线全文

学校读者我要写书评

暂无评论

中国机械工程 2021年第6期32卷 689-696页

作者：王玉龙裴锋刘文如闫春香周卫林李智广州汽车集团股份有限公司汽车工程研究院广州510641 湖南大学汽车车身先进设计制造国家重点实验室长沙410082

基于深度神经网络的拟人化自动驾驶为复杂环境下的高级自动驾驶提供了新的思路,但网络的封闭性会导致上层驾驶指令很难进入网络,为此,设计了一种开关式深度神经网络,该网络由卷积神经网络层和长短期记忆网络层组成,在两个子网络间嵌入... 详细信息

基于深度神经网络的拟人化自动驾驶为复杂环境下的高级自动驾驶提供了新的思路,但网络的封闭性会导致上层驾驶指令很难进入网络,为此,设计了一种开关式深度神经网络,该网络由卷积神经网络层和长短期记忆网络层组成,在两个子网络间嵌入了具有开关性质的特征选择层,并通过不同的驾驶指令选择激活不同的特征分支,从而完成了相应的驾驶任务。实车测试结果表明,开关式深度神经网络不会显著增加模型的推理时间,同时该网络实现了根据输入的不同驾驶指令完成车辆在路口的左转、右转、直行和绕障行为。

关键词：开关式深度神经网络拟人化自动驾驶决策算法