钱昌明
- 作品数：6 被引量：22H指数：3
- 供职机构：上海交通大学更多>>
- 发文基金：国家自然科学基金国家教育部博士点基金更多>>
- 相关领域：金属学及工艺交通运输工程机械工程文化科学更多>>
- 多层次深度学习神经网络自适应全局变形视觉测量方法和系统
- 本发明提供了一种多层次深度学习神经网络自适应全局变形视觉测量方法和系统，包括：步骤S1：将相机和镜头的光轴与试样表面垂直对齐，记录试样在不同状态下的信息；步骤S2：基于多层次深度学习神经网络对图像中感兴趣区域进行全局网格...
- 何霁任恩圳钱昌明
- 免本构模型全局自适应应力计算和反向识别方法及系统
- 本发明提供了一种免本构模型全局自适应应力计算和反向识别方法及系统，包括：步骤S1：获取材料在不同加载条件下的应力应变数据集；步骤S2：基于多层次深度学习神经网络将物体进行全局网格化离散处理生成形函数；步骤S3：基于应力应...
- 何霁任恩圳钱昌明
- 车身点焊接头虚焊缺陷的超声快速识别被引量：13
- 2006年
- 在采用超声波检测汽车车身点焊接头的虚焊缺陷时,适应性较差且识别率低。针对传统超声检测中存在的这些问题,在对点焊接头缺陷进行以特征值参数定性分析为主的超声回波特性分析的基础上,通过采集标准超声曲线及开发峰值标记识别算法对汽车车身点焊缺陷进行快速识别。经试验验证,对于汽车车身普通钢板点焊接头,该识别方法是可靠的,识别效率高,且准确率达95%以上。
- 赵欣钱昌明陈关龙张延松
- 关键词：点焊接头虚焊超声波检测
- 塑性变形理论建模新范式:人工智能赋能和数据科学驱动
- 2024年
- 传统塑性变形理论基于唯象方法,主要依赖于开发者的经验并通过拟合已得到的实验数据来获取,具有强烈的局限性。随着材料微观结构和力学性能的复杂程度不断提高,开发更为复杂的唯象本构模型已经极其困难。材料模型不通用、难以联系材料性能和制造过程成为制约塑性成形加工的主要问题之一,也为塑性理论的发展提出严峻挑战。人工智能与数据科学的发展为材料和机械科学带来了新的机遇,随着材料设计和应用的快速发展,不需要传统的显式本构模型,反映材料微观结构和宏观性能之间关系的塑性变形理论建模方法应运而生。其中,以物理规律增强神经网络建模、高效多尺度聚类分析、数据驱动免本构建模为代表的理论建模新范式具有其鲜明的特色和显著优势,是极具潜力的模拟预测方法。通过对这3个方面的总结梳理,探讨了人工智能赋能和数据科学驱动的塑性理论建模及多尺度模拟技术开发的发展现状与未来趋势。
- 何霁何霁刘霄郭聪刘霄李淑慧
- 关键词：数据驱动多尺度
- 双相钢电阻点焊熔核特征分析及质量检测方法研究
- 节能和环保一直是现代汽车工业迫切要求突破的技术难题。在满足碰撞安全的前提下，降低车身重量是平衡车辆安全与节能环保的有效方法之一。其中，采用先进高强钢板替代传统的低碳钢板，对提高汽车结构强度及降低车身重量具有重要意义。在使...
- 钱昌明
- 关键词：双相钢电阻点焊图像识别超声波检测在线检测
- 文献传递
- 伺服焊枪车身点焊质量在线评价被引量：4
- 2008年
- 利用机器人驱动伺服焊枪进行点焊控制的同时,研究从伺服编码器中在线提取压痕深度来进行焊点质量在线评价.通过在0.8 mm、45#热镀锌钢板上的验证,表明该方法是切实可行的,并且检测成功率较高,能够代替目前常用的焊点质量离线抽样检测方法,如破坏性检测、无损检测法等.
- 钱昌明林忠钦杜伟国陈关龙
- 关键词：伺服焊枪点焊压痕在线检测
