为了解决目前水龙头加工行业人工分拣效率低的问题,基于Labview2014平台和Vision development module视觉模块,设计了一套基于机器视觉的水龙头工件自动分类识别系统,并针对水龙头工件种类繁多的情况提出一种基于几何特征约束的粒子分类训练方法,从而提高了相似工件分类识别的精度。该方法通过采集和在线处理目标图像来区分外观特征并获取位置信息,并在流水线上实现水龙头工件的自动分类检测。实验结果表明:当流水线速度小于100 mm/s时,该系统能较精确地区分出检测工件的种类,并能准确地区分外形相近尺寸不同的工件类型,检测精度在87%~94.5%,满足实际流水线作业需求。
定向能量沉积(directed energy deposition,DED)热力仿真是有效预测沉积件残余应力和变形、优化工艺参数的重要方法,其仿真精度取决于输入参数的准确性.针对传统方法难以直接、准确获取输入参数的问题,文中以热源参数为例,提出基于支持向量机和遗传算法的参数反向识别方法,并用于精确构建实际DED工件热力仿真模型.首先基于参数化仿真建模正向获取不同热源参数下单道单层沉积件仿真误差;其次借助支持向量机构建热源参数与仿真误差的定量映射关系,并利用遗传算法反向识别热源参数,在正向-反向实施过程中,通过闭环迭代优化热源参数识别区间,达到参数精确识别目的;最后以实际DED工件涡轮叶片为案例,构建基于最优参数的热力仿真模型,进一步验证该最优参数反向识别法.结果表明,由单道单层简单件反向提取的最优热源参数,可用于准确预测实际DED工件制造过程中温度和变形场变化规律,为后续变形补偿等工艺优化提供理论基础.
