【摘 要】
：
铜作为重要的有色金属储量丰富,具有优良的物理性能,被广泛应用于社会发展的各领域。粗铜的电解精炼需要使用永久不锈钢阴极板。在永久不锈钢阴极板的制造工艺中,导电棒与不锈钢板的焊接十分关键。目前国内不锈钢阴极板焊接以氩弧手工焊为主,焊缝易出现气孔、裂纹、焊偏等问题,因此很难满足行业内日益求精的市场要求。本文针对不锈钢阴极板的焊接,开发了一种激光视觉传感器的焊缝自动跟踪系统。该系统由工控机、激光视觉传感器
论文部分内容阅读
铜作为重要的有色金属储量丰富,具有优良的物理性能,被广泛应用于社会发展的各领域。粗铜的电解精炼需要使用永久不锈钢阴极板。在永久不锈钢阴极板的制造工艺中,导电棒与不锈钢板的焊接十分关键。目前国内不锈钢阴极板焊接以氩弧手工焊为主,焊缝易出现气孔、裂纹、焊偏等问题,因此很难满足行业内日益求精的市场要求。本文针对不锈钢阴极板的焊接,开发了一种激光视觉传感器的焊缝自动跟踪系统。该系统由工控机、激光视觉传感器、图像采集卡、运动控制器、伺服驱动器、伺服电机等组成。基于三角原理的主动视觉传感器具有灵敏度高,实时性好,测量精度高、抗干扰能力强的特点,设计了一款单目激光视觉传感器,该传感器将激光投射到工件表面,通过与半导体激光器呈一定角度的CCD摄像机获取焊缝信息,实现了焊缝的实时采集。基于Opencv开源视觉库,设计了一种加窗处理、中值滤波、二值化处理、边缘检测的图像处理方法,有效地去除了弧光、烟尘等噪声,获得了理想的焊缝图像,采用斜率分析法,实现了对焊缝特征偏差的精确提取。围绕不锈钢阴极板焊接系统的运动控制,以台达集团生产的6轴总线运动控制器DVP15MC11T-06为核心,搭载多个伺服电机,以焊缝偏差作为驱动信号,采用位置控制模式的闭环控制,实现了对焊枪的精确控制。最后,通过对316L材料的焊接实验,比较焊接前跟踪曲线与焊接跟踪曲线可知,焊缝跟踪的误差在±0.1mm之内,满足焊缝跟踪精度的要求。通过对不锈钢阴极板焊缝截面质量以及焊缝强度和疲劳实验,焊缝破断力达到45.69KN-50.01KN,远远大于需求的强度指标,证明了此焊接跟踪系统在永久不锈钢阴极板的自动焊接跟踪中的良好效果。
其他文献
在当今时代,图片作为信息存储和交流的最直观和方便载体,在互联网上大量的传播,图片数据的数量爆炸式增长,以此为前提图像检索任务的需求是目前的重要课题。水利行业伴随着水利信息化的推进,越来越多的监控摄像头被用于记录各水利设施的运行情况,同样产生了大量的图片数据。由于需要对这些水利图像数据进行智能化分析,水利图像检索方法也被迫切需求。基于哈希的图像检索方法和卷积神经网络结合后产生了深度哈希方法,能够满足
随着数字化科技的不断发展,数字图像信息因其具有较强的综合性和直观性等特点,在日常生活的各方面如通讯、教育、医疗等方面都得到广泛应用。同时,数字图像在存储、传输的过程中有可能会受到攻击者的非法盗取或篡改,这将损害合法信息持有者的利益,故研究出安全可靠的数字图像加密方案至关重要。因此,近年来很多信号处理的方法被应用到图像加密中,例如傅里叶变换、离散余弦变换、梅林变换、混沌映射及它们的分数阶版本等,但深
随着对自动情感识别系统的需求日益增长,情感识别的深入研究越来越重要。近年来,硬件和深度学习方法高速发展,自动情感识别性能不断提高。由于情感的抽象概念和多重表达,自动情感识别仍然是一项极具挑战性的任务。目前,情感识别的传统方法一是主要集中在提取不同类型的手工特征上。然后依靠人工手动标注视频的情感内容来达到情感识别的目的,但手工制作的特征总是需要特定任务的领域知识,而设计合适的特性可能更耗时。因此,探
卷积神经网络作为深度学习领域的一项代表技术,在目标检测与图像分类识别等计算机视觉任务中性能表现突出。随着网络深度越来越深,模型结构越来越复杂,网络中的参数量和计算量也越来越大,导致其难以应用在计算和存储资源较差的设备上,因此对卷积神经网络模型压缩技术的研究变得越来越重要。本文基于参数剪枝的思想对模型压缩方法进行研究,主要研究内容如下:提出基于混合参数剪枝的模型压缩算法,该算法分别对卷积神经网络中的
行人重识别旨在从不重叠的摄像区域定位特定行人,是一种为公安办案、寻找丢失人口的辅助技术。随着深度学习技术的发展与大型公共数据集的提出,基于深度学习的有监督行人重识别方法在性能上得到了巨大的提升。有监督的行人重识别方法的成功极大地依赖于大型数据集中的真实标签,然而,在现实中为海量的行人样本手工标记真实标签是极为耗时耗力的,这极大地阻碍了行人重识别技术的发展。因此学术界提出基于无监督学习的行人重识别方
为了改善酸性染料对锦氨织物同浴染色时氨纶得色较浅且牢度较差的问题，采用加入氨纶上色剂的方式以提高锦氨同色性及色牢度。探究了不同氨纶上色剂对提高氨纶K/S值的差异及其最佳用量，并考察了氨纶上色剂应用于不同染料染色时对锦氨同色性及其色牢度的影响。结果表明：氨纶上色剂对氨纶K/S值有良好的提升效果，且适用于多种单色和拼混染料，对不同的染料提升效果不一。在上色剂用量为1%～2% （owf） 时，其可有效改
习近平总书记指出，“没有信息化就没有现代化”，要“善于运用互联网技术和信息化手段开展工作”。随着人工智能、区块链等互联网技术飞速发展，人民法院顺应科技发展浪潮，加速推进智慧法院建设，传统庭审从线下搬到线上，数据信息从纸面迁至云端，人民法院的各个诉讼环节发生了深刻的变化。疫情防控期间，为减少人员接触，避免交叉感染，将信息技术与诉讼程序深度融合的智慧法院大显身手，
面对医学影像数据快速增长,而放射科医师严重不足问题,寻求快速且准确的智能诊断方式一直是国内外研究人员不懈努力的方向。与此同时,基于卷积神经网络的深度学习算法,在图像分类、检测以及分割等方面超越传统算法展现突出成绩,并且已被广泛应用于自动驾驶、机器人视觉等领域。因此,将深度学习技术引入医疗领域,研究高效且精确解读医学影像的智能方式,不仅能够辅助医生诊断,减少漏诊误诊;而且可以提高疾病诊断效率,弥补医
波达方向（Direction of Arrival,DOA）估计是阵列信号处理领域中的一大问题。毫米波因带宽宽、波束窄、分辨率高等优点在通信与雷达领域被广泛应用。但是,由于毫米波频率高、波长短,传统的干涉仪测向、空间谱估计测向及幅度法测向等测向方法很难应用于宽空域测向。此外在实际应用过程中,由于受到通道幅相误差、天线位置误差、天线方向图不一致性等各种系统误差的影响,传统测向方法测向精度会有所下降。
求解高维偏微分方程（PDEs）是应用数学领域的最具挑战的课题之一.用深度学习（DL）方法求解高维PDEs是当前研究热点,人们期待深度学习方法可以克服经典数值解法无法解决的高维方程的维数灾难问题.然而,如何把求解偏微分方程问题转化为一个学习问题,并使深度学习技术契合具体的高维偏微分方程仍是一个颇为艰难的任务.本文以PDEs的倒向随机微分方程（BSDE）表示为基础,利用深度神经网络（DNN）估计方程的