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

基于增强模板的鞋体涂胶特征点快速匹配提取

计算机应用与软件 2023年第8期40卷 244-249,336页

作者：申启访杨煜俊肖旺李杰诚广东工业大学机电工程学院CIMS实验室广东广州510006 广州巨轮机器人与智能制造研究院广东广州510530

拖鞋自动化生产装配中,胶水喷涂是最重要的环节,由于拖鞋鞋体为特定局部区域侧面喷涂,以及颜色不一、挤压形变和环境光变等因素,涂胶区域的图像特征提取变得尤为困难。应用3D激光相机进行鞋体图像采集,避免环境光变对图像的影响,通过调... 详细信息

拖鞋自动化生产装配中,胶水喷涂是最重要的环节,由于拖鞋鞋体为特定局部区域侧面喷涂,以及颜色不一、挤压形变和环境光变等因素,涂胶区域的图像特征提取变得尤为困难。应用3D激光相机进行鞋体图像采集,避免环境光变对图像的影响,通过调整相机曝光以及相机安装方式等解决像素跳动或缺失的问题,采取基于边缘特征的增强模板匹配的方法,对涂胶特征区域进行匹配定位,结合曲率尺度空间的角点提取方式,精准快速地实现涂胶特征点提取。实验结果表明,该方法针对不同鞋码不同颜色鞋体都具有良好的适用性与稳定性,实现快速检测,满足实际生产需求。

关键词：边缘特征增强模板特征匹配角点提取鞋体涂胶

在线全文

学校读者我要写书评

暂无评论

作业车间类型多机器人制造单元调度算法

计算机集成制造系统 2015年第12期21卷 3239-3248页

作者：杨煜俊龙传泽陶宇广东工业大学广东省计算机集成制造重点实验室广东广州510006

针对带多台机器人的作业车间类型机器人制造单元调度问题的特点,研究了以最小化最大完工时间为优化目标、将邻域搜索策略与启发式规则相结合的混合遗传算法,建立了作业车间类型多机器人制造单元调度问题的数学优化模型和析取图模型。基... 详细信息

针对带多台机器人的作业车间类型机器人制造单元调度问题的特点,研究了以最小化最大完工时间为优化目标、将邻域搜索策略与启发式规则相结合的混合遗传算法,建立了作业车间类型多机器人制造单元调度问题的数学优化模型和析取图模型。基于析取图关键路径,采取移动机床块、交换机器人块、调整任务分配来构建搜索邻域;用启发式搬运工序插入法和启发式搬运任务分配法相结合的三层调度方法初始化种群;将基于邻域结构的局部搜索算法和基于三层调度的遗传算法相结合,有效实现问题的求解。通过基准算例测试表明,混合遗传算法有效并优于其他算法。

关键词：作业车间多机器人制造单元调度析取图遗传算法邻域搜索

集成化工艺信息管理系统InteCAPP的研究与开发

在线全文

学校读者我要写书评

暂无评论

计算机辅助设计与图形学学报 2004年第11期16卷 1617-1622页

作者：万立杨煜俊刘清华陈立平华中科技大学国家CAD支撑软件工程技术研究中心武汉430074

在建立中性化工艺信息模型的基础上 ,分析了基于PDM平台的工艺信息管理系统体系结构和工艺信息管理机制 ,重点研究了设计BOM到工艺BOM、再到制造BOM的生成过程。

关键词：工艺信息模型工艺信息管理物料清单

在线全文

学校读者我要写书评

暂无评论

网络化协同产品开发机理与模型研究

中国机械工程 2007年第1期18卷 35-40页

作者：杨煜俊陈新度陈新万立广东工业大学广州510090 华中科技大学武汉430074

网络化协同产品开发是网络化制造技术的重要组成部分,是企业适应全球化竞争,提高核心竞争力的关键所在。在给出网络化协同产品开发定义的基础上,阐述了其基本特征、技术特征和功能特征。同时,深入探讨了网络化协同产品开发机理及其概念... 详细信息

网络化协同产品开发是网络化制造技术的重要组成部分,是企业适应全球化竞争,提高核心竞争力的关键所在。在给出网络化协同产品开发定义的基础上,阐述了其基本特征、技术特征和功能特征。同时,深入探讨了网络化协同产品开发机理及其概念模型、协同模型和形成过程,从全局与系统的层次上建立了网络化协同产品开发的框架体系。最后,通过企业汽车产品开发实例说明了该思想。

关键词：网络化协同产品开发概念模型协同模型 Internet技术

在线全文

学校读者我要写书评

暂无评论

基于多任务深度学习的快速人像自动抠图

武汉大学学报（工学版） 2020年第8期53卷 740-745,752页

作者：许征波杨煜俊广东工业大学机电工程学院广东广州510006

针对大多数人像抠图存在时效性低、需要人工标注三分图和依赖颜色作为主要依据而导致精度难提高的问题,提出一种基于多任务学习的神经网络的快速人像自动抠图算法。该方法首先对图像的三分图进行学习预测,并将得到的信息反馈至网络后去... 详细信息

针对大多数人像抠图存在时效性低、需要人工标注三分图和依赖颜色作为主要依据而导致精度难提高的问题,提出一种基于多任务学习的神经网络的快速人像自动抠图算法。该方法首先对图像的三分图进行学习预测,并将得到的信息反馈至网络后去学习预测图像的α值,网络结构采用编码器-解码器的方式,编码器部分使用深度可分离残差卷积做特征提取,和多组空洞卷积并联组合使得网络拥有足够的感受野;解码部分使用双线性加性上采样使特征图逐步恢复至原图大小,另外使用跳跃连接层将编码和解码部分相连接;使用公开数据库作为测试集,与Deeplab加文献[3]算法和DAPM算法进行对比,实验结果表明在运行时间、SAD、MSE和Gradient评价指标上优于对比算法。

关键词：人像抠图可分离卷积空洞卷积双线性加性组归一化

在线全文

学校读者我要写书评

暂无评论

基于条件约束满足问题的产品配置研究

计算机集成制造系统 2004年第11期10卷 1332-1337页

作者：杨煜俊刘清华万立王启富陈立平华中科技大学国家企业信息化应用支撑软件工程研究中心湖北武汉430074

强大灵活的配置模型和高效的求解策略是实现复杂产品配置的基础。为了构建复杂产品的配置模型,提出了一种基于条件约束满足问题框架的配置建模方法,该方法利用配置变量和配置约束来统一表达配置模型中的产品模型和用户需求,从而使配置... 详细信息

强大灵活的配置模型和高效的求解策略是实现复杂产品配置的基础。为了构建复杂产品的配置模型,提出了一种基于条件约束满足问题框架的配置建模方法,该方法利用配置变量和配置约束来统一表达配置模型中的产品模型和用户需求,从而使配置模型具有表达一致性;配置变量分为类型变量、属性变量、接口变量、基数变量四种类型;配制约束包含依赖约束和活动约束两种类型;在构建统一形式配置模型的基础上,采用一种模型分解策略进行求解。最后采用一个汽车产品实例说明配制建模和配置求解过程。

关键词：产品配置条件约束满足问题模型分解策略

在线全文

学校读者我要写书评

暂无评论

变量-知识体表达的产品开发过程模型研究

中国机械工程 2007年第5期18卷 564-568页

作者：杨煜俊陈新度陈新万立广东工业大学广州510090 华中科技大学武汉430074

提出了一种基于变量和知识体的过程模型表达方法,该方法的思想是,将过程模型中所有活动、路由和控制参数均统一表达成变量形式,所有加载过程模型的约束规则均表达成知识体形式,从而使过程模型表达具有高度一致性和可计算性,为后续过程... 详细信息

提出了一种基于变量和知识体的过程模型表达方法,该方法的思想是,将过程模型中所有活动、路由和控制参数均统一表达成变量形式,所有加载过程模型的约束规则均表达成知识体形式,从而使过程模型表达具有高度一致性和可计算性,为后续过程模型的执行、分析和仿真提供了较好的基础。

关键词：产品开发过程过程模型变量-知识体过程控制

在线全文

学校读者我要写书评

暂无评论

基于五维状态空间的产品建模方法研究

中国机械工程 2007年第4期18卷 407-410,453页

作者：杨煜俊陈新度陈新万立广东工业大学广州510090 华中科技大学武汉430074

从动态可扩展的角度提出了一种基于五维状态空间(生命周期维、结构层次维、属性类型维、版本状态维和协同控制维)的产品建模方法,分析了状态空间的深度与广度。该方法具有较强的适应性和扩展性,能够适应具有边界不确定性、动态性等特征... 详细信息

从动态可扩展的角度提出了一种基于五维状态空间(生命周期维、结构层次维、属性类型维、版本状态维和协同控制维)的产品建模方法,分析了状态空间的深度与广度。该方法具有较强的适应性和扩展性,能够适应具有边界不确定性、动态性等特征的现代复杂产品信息的表达。

关键词：状态空间协同产品开发产品模型产品生命周期

在线全文

学校读者我要写书评

暂无评论

求解柔性机器人车间调度问题的混合蚁群算法

计算机工程与应用 2018年第13期54卷 160-167页

作者：杨煜俊陈业广东工业大学机电工程学院广州510006

在柔性作业车间调度问题的基础上,考虑多台搬运机器人执行不同工序在不同机床之间的搬运,形成柔性机器人作业车间调度问题,提出混合蚁群算法。用改进析取图对问题进行描述,使用混合选择策略、自适应伪随机比例规则和改进信息素更新规则... 详细信息

在柔性作业车间调度问题的基础上,考虑多台搬运机器人执行不同工序在不同机床之间的搬运,形成柔性机器人作业车间调度问题,提出混合蚁群算法。用改进析取图对问题进行描述,使用混合选择策略、自适应伪随机比例规则和改进信息素更新规则优化蚁群算法,结合遗传算子完成机床选择和工序排序。使用一种多机器人排序算法完成搬运机器人分配和搬运工序排序。通过多组算例仿真测试并与其他算法进行比较,验证了算法的有效性和可靠性。

关键词：蚁群算法多搬运机器人柔性作业车间调度问题(FJSP)