课程文献中心 更多>>

关键词： 缺陷检测   跨尺度分割   管道焊缝   注意力机制   高分辨率图像重建  

摘要： 针对高分辨率管道钢筒焊缝图像中背景干扰强、微小缺陷拓扑复杂的挑战,提出一种宏-微观跨尺度级联分割框架M2M-WeldNet。首先,通过轻量化分割网络与形态学膨胀策略,在宏观视场定位有效焊缝并构建安全提取边界。随后,微观精细分割阶段深度耦合了自适应区域对比度增强、条状空间注意力与多尺度特征融合三大模块,实现了局部光度校准、细长缺陷几何先验聚焦及跨尺度空间对齐。最后,设计了概率级汉宁窗平滑重组与宏观掩码二次过滤策略,实现4K高清图像的无伪影无缝还原。大量实验表明,M2M-WeldNet显著超越现有主流基线模型,其mIoU达0.844,像素级AUROC达0.920,为大型工业构件的高精度自动化无损质检提供了鲁棒且高效的工程范式。

关键词： 焊缝图像   激光条纹分割   DeepLabv3+网络   注意力机制  

摘要： 为了在强噪声和强反光等干扰下精确快速地分割出线激光条纹,提出一种基于DeepLabv3+网络的轻量级焊缝线激光条纹分割网络(weld laser stripe segmentation network, WLS-Net)。为了提高网络的分割速度,选择浅层残差网络ResNet-18为主干网络。结合多头转置注意力(multi-Dconv head transposed attention, MDTA)与卷积块注意力模块(convolutional block attention module, CBAM),提出MD-CBAM注意力模块。选择动态上采样法(dynamic upsampling method, DySample)取代传统的双线性插值法,提高分割精度。针对焊缝线激光图像前景-背景类别不平衡的问题,选择Dice损失函数与逐像素交叉熵损失函数的加和函数作为模型的损失函数。实验结果表明,相比原始DeepLabv3+网络,WLS-Net网络使焊缝线激光数据集的交并比、像素精确率、F1分数分别提升了6.00、5.67、3.76个百分点,并且单张图像推理时间减少了18 ms。与其他语义分割网络相比,WLS-Net网络也能取得较好的分割效果和较高的分割速率。

关键词： 焊缝   横向裂纹   差分探头   鱼鳞纹干扰   磁检测  

摘要： 焊缝横向裂纹严重威胁焊接结构的安全性，其可靠检测对工业无损评估具有重要意义。针对现有磁检测技术难以区分横向微裂纹与焊缝鱼鳞纹的难题，提出了一种基于双Bz传感器差分探头的抗干扰检测方法。通过有限元仿真，系统分析了裂纹与鱼鳞纹磁场分布差异，明确裂纹信号极值位于焊缝中部，而鱼鳞纹极值偏向熔合区。基于该特征，设计了U型磁芯与双传感器空间错位布置的探头结构，结合差分算法有效分离目标信号与干扰噪声。在奥氏体不锈钢和碳钢试块上的实验表明，该探头能够稳定识别深度仅0.3 mm的横向微裂纹，信噪比最高可达59.38 dB，在奥氏体不锈钢和碳钢试块上平均信噪比分别提高27.31 dB和13.71 dB以上，定位误差小于3 mm，性能显著优于常规纵向探头。本研究为焊缝横向微裂纹的可靠检测提供了一种有效解决方案，具有重要的工程应用价值。

关键词： 锂电池焊缝缺陷   机器视觉   目标检测   YOLO11  

摘要： 针对锂电池周边焊缝缺陷检测实时性低且参数量大、检测准确性差、易出现漏检、误检等问题,文章提出一种基于改进YOLO11的检测算法(YOLO11 with DySample, SCConv, Dynamic Multi-scale Feature Fusion, and DIoU Loss,YOLO-DSDD)。该算法首先引入轻量动态上采样,使采样点集中于目标区域,减少模型参数量并提高检测精度;其次在主干网络部分,将空间通道重建卷积添加到空间金字塔池化快速模块之前以减少主干网络的冗余;设计动态多尺度特征融合网络,自适应融合多尺度局部特征,提高对小目标缺陷、相似缺陷的识别精度,使用损失函数DIoU(Distance-IoU)作为边界框回归损失函数,提高小目标缺陷、相似缺陷的识别精度。实验结果表明,在不增加参数量和计算量的前提下,YOLO-DSDD相较于原模型平均精度均值提高了3.0%,检测速度提升19.2%,对锂电池周边焊缝缺陷有较好的检测性能。

关键词： 房屋建筑   墙体裂缝   防治技术  

摘要： 房屋建筑施工中,墙体裂缝是一个普遍存在的问题,不仅影响建筑的美观性,更严重威胁到建筑的安全性和耐久性.墙体裂缝的产生原因复杂多样,涉及材料、设计、施工和环境等多个方面.如果不加以有效防治,墙体裂缝可能导致建筑物的结构强度下降,防水性能减弱,甚至引发严重的安全隐患.因此,深入探讨墙体裂缝的防治技术,对于提高房屋建筑的质量和延长其使用寿命具有重要意义.从材料选择与优化、设计优化、施工技术改进以及监测与维护等多个角度,详细探讨墙体裂缝的防治技术,为实际工程提供科学依据和实践指导.

关键词： 智能焊接   焊缝识别   时空记忆网络   线激光视觉传感器   特征提取  

摘要： 基于视觉传感的焊缝跟踪是现代智能焊接的关键技术,但常受制于复杂环境噪声的干扰。为提升强干扰工况下的定位精度,本文提出了一种面向对接焊缝的鲁棒性识别算法。首先,采用基于时空记忆机制的识别网络,充分利用与目标相关的历史信息,以适应因干扰导致的目标外观形变。其次,为解决依赖局部特征构建的时空记忆读取可能导致次优结果,在识别算法的特征提取网络中嵌入循环交叉注意力模块,实现对全图上下文信息的高效聚合。最后,针对特征全遮挡的极端工况,设计了跟踪-预测算法对焊缝位置实时预测。实验结果表明,在包含全遮挡图像与无全遮挡图像测试集上,平均中心位置误差分别低至1.79像素和1.39像素,在强干扰环境下具备优异的鲁棒性和实时性。

关键词： 高架桥   桥梁伸缩缝   交通噪声   测试研究   小波变换  

摘要： 在桥梁和高架桥上为了应对由于温度变化而引起的热胀冷缩常常会设置伸缩缝,然而伸缩缝的设置会与桥面形成高度差,车辆在通过伸缩缝时便会产生结构噪声,这种噪声是城市交通噪声的主要来源。本文对城市高架桥上两种常用伸缩缝——模数式伸缩缝和梳齿板伸缩缝——的噪声进行了实地测量,并通过对实测噪声的滤波与小波变换,对比分析了伸缩缝噪声与桥面噪声的频谱特性,研究结果如下:(1)噪声实测表明,伸缩缝噪声的声压峰值出现在车轮经过伸缩缝的跳车时刻,小波分析也表明,伸缩缝噪声的卓越频率也出现在车轮跳车时刻,这说明车轮跳车是伸缩缝噪声的主要原因;(2)相同测试车辆以80km/h速度通过模数式伸缩缝、梳齿板伸缩缝、桥面时的平均噪声分别为2.3Pa、1.48Pa、0.58Pa,这说明伸缩缝噪声明显大于桥面噪声,而梳齿板伸缩缝相对而言是一种低噪声的伸缩缝形式。(3)车辆在桥面行驶时噪声卓越频率为52Hz,与汽车发动机的噪声频率接近;模数式伸缩缝的噪声平均卓越频率为199Hz,主要由车轮对伸缩缝的冲击导致;梳齿板伸缩缝的噪声平均卓越频率为55Hz,仍以汽车发动机噪声为主,说明车轮对伸缩缝的冲击作用较小,这也是梳齿板伸缩缝噪声较小的原因。

关键词： 螺栓连接   非对称变形体   相对刚度   理论模型优化   有限元仿真  

摘要： 在螺栓连接结构中被夹紧件和螺栓的相对刚度将会直接影响外载荷在螺栓上的分配比例,为了实现对非对称变形体螺栓连接结构相对刚度的准确计算。首先建立M8、M12、M16以及M20四种规格螺栓共32个螺栓连接有限元模型,根据仿真结果对起始扩散直径进行修正并拟合修正曲线,基于压应力均匀分布和压应力四次多项式分布理论得到压应力均匀分布和压应力四次多项式分布理论修正解析式,根据理论修正解析式和仿真结果发现基于压应力四次多项式分布的压缩变形量计算结果更为准确,同时,基于两种压应力分布理论下的变形量计算公式,进一步推导非对称变形体变形量的计算公式并引入起始扩散直径修正系数K计算螺栓连接非对称变形体的相对刚度。研究表明:引入修正系数K以后基于压应力四次多项式分布理论的压缩变形量计算结果误差最大为-3.86%,修正起始扩散直径以后非对称变形体的相对刚度最大误差不超过2%,相比压应力均匀分布非对称变形体相对刚度的计算具有更精确的准确性。

关键词： 焊缝识别   交线提取   Open CASCADE   结构件弧焊   接触面分析   点云配准  

摘要： 针对机器人弧焊多品种、小批量钢结构件出现的人工示教和离线编程的效率低,图像处理方法易受环境与待焊接工件表面材质的干扰,以及深度学习方法在制作训练数据集时难度大、成本高等问题,提出一种融合CAD模型先验知识与三维点云的自动识别方法:基于Open CASCADE平台提出双约束接触面判别机制,进而设计了一套“布尔求交-边界遍历-参数化表征”的系统化流程,从装配体中自动提取并量化焊缝交线参数;将提取到的焊缝参数通过点云配准映射至实际工件点云,完成焊缝的识别与提取。实验结果表明,该方法能有效克服非结构化的环境干扰,对常见焊缝识别准确稳定,为小批量定制化工件的自动化焊接提供了一种可供借鉴的解决方案。

关键词： 列车-轨道动力相互作用   焊缝不平顺   减振轨道结构参数设计   自适应神经网络代理模型   多目标灰狼优化算法  

摘要： 依托北京地铁某城市轨道交通轨道工程绿色低碳技术研究项目,构建考虑焊缝不平顺的减振轨道结构关键参数智能优化策略。引入经典的焊缝不平顺,基于车辆-轨道耦合动力学及有限单元法构建了列车-轨道系统动力仿真程序,采用拉丁超立方抽样方法,创建高维样本参数空间矩阵,构建列车-轨道系统关键参数的输入样本。针对传统神经网络迭代次数多、容易陷入局部最优解等问题,引入了一种基于自适应激活函数的神经网络算法构建列车-轨道系统减振结构关键参数-评价指标代理模型,并以决定系数及均方根误差为指标对比分析不同代理模型的计算精度及计算成本。基于以上代理模型,引入灰狼优化算法,获得Pareto最优解集;通过求解经典的多目标优化测试函数ZDT1问题,以Pareto最优解集与Pareto真实前沿的世代距离为评价标准,对比灰狼优化算法与常用的粒子群优化算法及NSGA-Ⅱ算法的收敛性。最后分析了周期性焊缝不平顺对列车-轨道系统动力性能的影响,并对比了优化前与优化后的系统动力响应。研究表明:1)相比于传统神经网络,基于自适应激活函数的神经网络中,每个神经元所需的参数量多20%,但在总参数量相当的条件下,其计算精度大于传统神经网络;2)不同优化算法的对比分析证明灰狼优化算法具有较好的收敛性且不容易陷入局部最优,其所需迭代次数比粒子群优化算法少45%,且计算精度高于NSGA-Ⅱ算法;3)优化后的减振轨道结构在符合标准的前提下,轮重减载率、钢轨加速度及底座板振动分别下降了55.03%、20.91%及10.76%,具有较好的安全性和减振性能。研究结果为减振轨道结构参数设计提供了可靠的理论工具。