自动焊接时,为提高焊缝坡口关键位置的检测精度和抗干扰能力,基于卷积神经网络设计了焊缝特征点提取网络。该网络通过卷积、池化操作对图像中焊缝激光线的位置信息和拐点特征信息进行提取;引入先验框,将焊缝特征点检测从全局定位转为局部定位;识别定位模块通过结合特征点位置预测与特征点存在置信度预测,抑制了噪声干扰。为保证实际的焊接效率,融合相关滤波算法完成了焊缝关键位置的自动追踪。核相关滤波通过快速傅里叶变换降低了算法的时间复杂度,引入循环矩阵循环移位样本进行充分训练,保证了跟踪速度和精度。实验结果表明,焊缝特征点定位的均方根误差为0.207 mm,最大定位误差为0.71 mm。本文所提算法的定位精度较高,而且适用性和抗噪声干扰能力较强,能够满足焊缝自动跟踪系统的要求。

针对自动焊接过程中焊缝跟踪因受弧光、飞溅等噪声干扰而导致跟踪精度低的问题,提出了一种基于方向梯度直方图(Hog)粒子滤波的V型焊缝跟踪算法。Hog具有良好的几何和光学形变不变性,所提算法用它来描述焊缝激光条纹在拐点处的方向性特征。本算法首先通过提取焊缝目标区域的Hog建立目标模板,然后利用焊缝序列图像位置信息的连续性预测焊缝的候选状态,再通过粒子采样计算候选状态下的Hog特征,并将其与目标模板进行相似度计算,得到最优的焊缝位置,实现焊缝的跟踪。对典型的V型焊缝图像进行了跟踪实验,实验结果显示:所提算法在有强烈弧光、飞溅等噪声干扰的环境下,能够准确定位焊缝的目标位置,跟踪误差小于0.24 mm。

为了解决煤矿掘进机位姿测量的问题, 将一组反向同轴安装的工业相机和捷联惯性导航系统组装成测偏单元, 并结合视觉测量和惯性导航技术提出了一种基于空间矢量约束的实时位姿组合测量方法。该方法通过测偏单元测得激光指向仪光源光斑的空间矢量、掌子面光斑的空间矢量和掘进机的姿态信息, 建立空间矢量约束方程以及坐标系转换得到掘进机位置信息, 并进行了理论分析和实验验证。结果表明, 通过该方法能得到掘进机实时位姿的六自由度信息。该方法可用于煤矿掘进机的位姿测量, 具有广阔的应用和发展前景。

基于深层卷积神经网络的特征学习能力,提出了一种基于全卷积神经网络的焊缝特征提取方法。该方法利用全卷积神经网络将包含焊缝特征信息的像素预测出来,通过融合低层与高层特征信息来补充焊缝边缘的特征信息。研究结果表明:所提方法能在强烈弧光和烟尘干扰下准确地提取出焊缝位置,具有抗干扰能力强、识别准确的优点。

捷联惯导系统的精度受到自身各种误差因素的影响, 需在使用之前进行精确地标定和补偿。为了更加有效地标定误差, 设计了一种10位置系统级标定的方法。利用简化的误差模型和速度误差变化率方程, 建立了所有误差参数与导航误差之间的线性关系。通过设计的10位置连续旋转方案对由各项误差参数引起的速度误差进行充分激励, 利用所得数据进行卡尔曼滤波, 计算出包括陀螺仪和加速度计的零偏、标度因数误差、安装误差以及加速度计二次项误差等24个误差参数。仿真得到陀螺零偏误差优于0.000 75(°)/h, 加速度计零偏误差优于5 ?滋g, 陀螺和加速度计的安装角误差优于1.5″, 标度因数误差优于2 ppm(1 ppm=10-6)系统, 加速度计二次项误差优于0.15×10-6 s2/m。另通过3组实验验证了重复性, 证明了该方法确实有效。

为了实现IC封装设备视觉定位系统的整体构建，在分析面向IC封装的视觉系统的基础上，对显微成像系统、视觉系统标定以及模式识别定位算法进行了研究。针对面向IC封装的视觉定位系统的特点，搭建视觉系统，并进行了系统标定。用Matlab编写了模式识别定位软件界面，并进行了相关试验研究。实验分析了系统的定位精度和稳定性，实验结果表明，标定误差基本满足正态分布，XY方向的平均误差为0.014 5和0.106 5 pixel，方差为0.310 3和0.277 5 pixel。经过对视觉定位系统的标定，并使用某种IC芯片进行实际定位实验，结果显示匹配定位误差可以控制在3.5 μm(0.4 pixel)以内。该视觉系统实现了亚像素级的定位精度。

为了解决激光辐照树脂基复合材料时热解热和移动热解面给温度场求解带来的难题,通过修正处理相变问题的热焓法,建立了连续激光辐照树脂基复合材料的一维温度场模型,简化了求解过程。在此基础上采用“历史最高温度点追踪法”对热焓法模型进行了进一步修正,使之能够解决脉冲激光辐照复合材料时温度双向变化与热解过程不可逆之间的矛盾,从而对脉冲激光辐照的情况也能适用。用有限差分方法进行离散后,编写了FORTRAN程序求得数值解。计算结果与实验结果基本相符,最后模型分析了脉冲激光参量对树脂基复合材料温升的影响。