首页期刊导航|制造业自动化
期刊信息/Journal information
制造业自动化
制造业自动化

黎晓东

半月刊

1009-0134

ma@riamb.ac.cn

010-82285780

100011

北京德胜门外教场口1号

制造业自动化/Journal Manufacturing AutomationCSCD北大核心CSTPCD
查看更多>>本杂志由北京机械工业自动化研究所主办，国家机械工业局主管，1979年创刊。主要刊载制造业自动化领域所取得的新技术、新成果、新产品、新方法以及自动化技术应用成果、科技动态与信息等。常设栏目有：专家论坛、先进制造技术、CAD/CAM/CIMS、生产自动化、自动化技术与装置、控制与检测、数控技术、工业机器人、应用技术、产业动态等。读者对象为从事制造业自动化技术工作的科技人员、管理人员、企业技工、院校师生等。
正式出版
收录年代

    面向立体仓储运输机器人的光电传感网络高精度位姿测量方法

    张灰施冠群刘志刚
    1-7,25页
    查看更多>>摘要：随着智能制造、人工智能等技术的快速发展,立体仓储和仓储机器人得到了广泛的应用,空间定位测量技术的需求提升.传统的定位测量技术存在精度低、测量范围有限的问题.为此,针对大尺寸空间三维立体位姿测量的应用场景,首先采用旋转激光扫描机构构建光电传感网络,激光平面后方交会于待测目标,然后运用EPNP算法求出物料运输机器人在激光扫描机构坐标系的3D坐标,最后利用单位四元数法求出物料运输机器人相对于世界坐标系的位姿信息.应用结果表明:该方法能够进行大尺寸空间三维立体定位测量,系统稳定,鲁棒性强,能够满足实际应用需求.

    EPNP位姿测量光电传感网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    使用质心规划的四足机器人爬行步态优化控制方法

    金泽凡于宪元李习辉马洪涛...
    8-17页
    查看更多>>摘要：在四足机器人爬行步态中,由于在同一时刻有三条腿处于支撑相,步频较低、质心的位置波动较大,且控制系统实时计算量庞大.单独使用虚拟模型控制(VMC)或模型预测控制(MPC)方法对四足机器人的爬行步态(WALK)的控制效果欠佳,针对四足机器人的爬行步态提出了一种新的控制方案.首先使用基于二次优化的VMC进行机器人的足底支反力计算,构建机器人基本的运动控制模型,然后根据爬行步态的特点,对机器人的质心进行了基于MPC的轨迹规划,并将规划结果送入VMC求解器中迭代求解,从而得到机身期望的姿态和足底力.在仿真模型中检验后将此控制算法应用于物理样机进行试验.实验结果表明,该控制方案大幅度提高了四足机器人爬行步态的稳定性、减少了控制系统实时计算时间.

    四足机器人爬行步态虚拟模型控制模型预测控制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    海珍品采捕双机械手协调运动轨迹规划研究

    蔡卫国陈思远刘志岩孟德龙...
    18-25页
    查看更多>>摘要：为替代传统的人工、机械采捕方式,实现海珍品的自动化、精准化采捕,设计了一种水下采捕双机械手,主机械手具有抓取功能,副机械手完成收集任务,双手协调作业完成采捕作业.所设计的主、副机械手关节均采用独立电机驱动,保证了采捕机械手的灵活性,建立了双机械手三维实体模型.基于D-H法建立了双机械手运动学模型,并验证了模型的正确性.通过MATLAB与ADAMS联合仿真平台得出了双机械手无碰撞路径,并进行了仿真验证.结果表明,双机械手运动路径能够有效地进行空间避障和自避障,水下采捕双机械手可为渔业装备技术人员提供参考.

    水下采捕双机械手轨迹规划避障

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进遗传算法的移动机器人路径规划研究

    刘志海高龙韩文钰张丹丹...
    26-30页
    查看更多>>摘要：针对物流中转仓库内移动机器人转运货物的路径规划问题,以转运货物至指定地点的最短时间为目标函数,利用遗传算法对目标函数进行求解.传统遗传算法存在早熟收敛、寻优能力差的问题,因此,提出一种改进遗传算法的路径规划方法,对算法的交叉算子和变异算子两方面进行改进,设计了启发式交叉算子与自适应策略调整的变异算子来获得最优解.基于MATLAB对仿真环境进行搭建和对改进算法进行实例验证.通过分析仿真结果,改进后的算法规划路径更加合理、具有更好的收敛能力.

    路径规划改进遗传操作移动机器人遗传算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    厚板多层多道机器人焊接分层规划方法

    魏晓鹏李芳杨旭张忠科...
    31-35页
    查看更多>>摘要：针对现有机器人多层多道焊规划方法中存在误差累积、易产生焊接缺陷的问题,提出一种厚板多层多道机器人焊接分层规划方法.利用神经网络及理论分析建立多层多道焊焊缝成形与工艺参数预测模型,在每焊接一层之前,利用激光传感器检测待焊层底部宽度,根据层底宽度及多层多道焊缝成形模型自适应规划待焊层的工艺参数与机器人焊接路径.经过实际焊接实验验证,结果表明使用该规划方法实现的机器人自动焊接,焊缝表面成形平整、焊缝无内部缺陷,规划效果良好.

    机器人多层多道焊神经网络自适应规划

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向复杂产品漏装检测的虚实边缘匹配方法

    吕能斌王瑶伟杨敏曹正洪...
    36-42页
    查看更多>>摘要：针对复杂产品装配过程中无/少真实样本数据支撑的漏装检测问题,提出了一种基于虚实边缘匹配的漏装检测方法.首先,基于虚拟空间成像获取装配零件三维模型的多视角虚拟视图,通过提取边缘梯度特征进行模板库构建.其次,基于高效的虚实边缘匹配进行装配零件的识别与粗定位,并基于ICP算法对定位进行优化.最后,将匹配的模板边缘点映射至图像,建立基于形状上下文匹配的漏装判别过程,将零件检测、形状相似度以及边缘匹配率共同作为漏装判别依据.试验结果表明,所提方法对漏装的平均检出率达到了96.82%.

    模型驱动边缘匹配目标检测模板匹配漏装检测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    换热器管口的单目视觉识别定位及清洗路径规划

    王彪陆斌罗高生姜哲...
    43-47,53页
    查看更多>>摘要：为实现换热器管口的自动清洗,使用单目摄像头结合深度学习目标检测算法对换热器管口进行导航,主要包括管口识别、管口定位和路径规划.首先,管口识别采用基于深度学习的YOLOv3算法,并且从主干网络、边界框维度聚类、网络结构等方面进行改进以适用于实际应用需求;然后将识别得到的管口像素坐标根据单目视觉的成像原理转换为实际坐标;最后,规划一条'己'字形的清洗路径.实验结果表明,该视觉导航系统的识别准确率为99.85%,召回率为100%,定位误差为1.35mm,整个流程耗时0.18s,达到准确性和实时性的要求.

    换热器清洗装置单目视觉视觉导航YOLOv3管口定位

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于BP神经网络的电动扳手扭矩校准研究

    钱龙方笑晗斯嘉禾吴欢乐...
    48-53页
    查看更多>>摘要：针对定扭矩电动扳手输出扭矩值与设定扭矩值不一致产生的非线性误差问题,提出使用BP神经网络建立扭矩参数校准模型.实验结果表明,与分段线性插值法和最小二乘法相比,BP神经网络对非线性曲线拟合程度更好.同时设计在线校准程序,将扭矩校准模型应用在扳手实际工作过程中,经试验测量,该校准模型使得扳手扭矩输出精度控制在±3%以内,具有一定的适应性和实用性.

    电动扳手扭矩校准非线性BP神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    LWT-SSF特征学习的双变量过程均值偏移在线诊断

    周昊飞王国东李婧
    54-60页
    查看更多>>摘要：为了提升双变量过程均值偏移的诊断效率,提出了提升小波重构去噪增强、堆叠稀疏滤波特征学习和Softmax回归分类的双变量过程均值偏移在线诊断模型.首先,对原始数据流进行提升小波分解与重构,以突显其整体变化特性.其次,利用堆叠稀疏滤波对重构后的数据序列进行逐层学习,得到维度低且表征强的数据特征.而后,通过带有标签的特征数据对Softmax回归分类器进行有监督学习,识别双变量过程均值偏移的失控源.最后,仿真实验验证了所提诊断模型的有效性.

    双变量过程均值偏移提升小波变换堆叠稀疏滤波Softmax回归

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    增强空间变换的细粒度高频元件分类模型

    李国鹏罗建桥曾保誌熊鹰...
    61-68页
    查看更多>>摘要：飞机高频元件制造过程中需要进行细粒度元件分类,针对元件图像类间相似度高、类内差异大,空间变换网络(Spatial Transformer Network,STN)难以捕捉不同类型元件局部辨识区域的问题,增强STN的输入样本和损失函数,提出基于增强STN的细粒度高频元件分类模型(reinforced STN,rSTN).首先,设计样本增强,将STN的输入由原始图像替换为形态学轮廓,轮廓突出了元件结构信息,有利于捕捉元件局部辨识区域.然后,在STN交叉熵损失函数基础上加入鼓励特征类内紧凑性的中心损失,中心损失引导模型为同类元件捕捉相似局部辨识区域.最后,经过空间变换的原始图像被输入分类主干网络.实验表明,所提rSTN准确捕捉了不同类型高频元件的局部辨识区域,分类准确率由STN的0.8857提高到0.9212.

    智能制造细粒度视觉分类深度学习空间变换网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据