针对金刚石滚轮是一种回转体零件以及其加工制造过程中信息化集成程度低等特点,对金刚石滚轮的特征信息提取、特征加工方案决策、数控程序后置处理等关键技术进行了研究,采用了产品模型数据交换标准STEP AP 242,实现对金刚石滚轮的制造...针对金刚石滚轮是一种回转体零件以及其加工制造过程中信息化集成程度低等特点,对金刚石滚轮的特征信息提取、特征加工方案决策、数控程序后置处理等关键技术进行了研究,采用了产品模型数据交换标准STEP AP 242,实现对金刚石滚轮的制造特征信息提取,使用STEP AP 242和PDM相结合的集成方式,将金刚石滚轮三维模型作为制造加工信息的载体,并选择SolidWorks作为CAD和CAM软件,以及选择Aras Innovator作为PDM平台,使用C#编程语言和数据库技术开发了金刚石滚轮CAD/CAPP/CAM/PDM集成系统,并进行了实例验证。展开更多
【目的】针对风电法兰分类细、规格多、直径大、孔数多,导致多孔加工坐标计算量大、输入效率低,且极坐标、旋转坐标及宏程序、二次开发等加工方案难以满足法兰生产企业实际生产需求的问题,提出一种高效解决方案。【方法】基于Visual Stu...【目的】针对风电法兰分类细、规格多、直径大、孔数多,导致多孔加工坐标计算量大、输入效率低,且极坐标、旋转坐标及宏程序、二次开发等加工方案难以满足法兰生产企业实际生产需求的问题,提出一种高效解决方案。【方法】基于Visual Studio 2022开发平台,开发了一款高效实用、能灵活快速生成螺栓孔加工程序的专用CAM系统。该系统应用了模块化设计思路,把零件信息、加工参数等按相应模块独立处理,有利于系统根据法兰设计标准的变化而及时调整,自动生成不同规格的风电法兰螺栓孔加工程序。【结果】所开发的风电法兰螺栓孔加工CAM系统,实现了多孔加工程序的快速自动生成,显著降低了数控编程员的劳动强度,提高了法兰孔加工生产效率。【结论】未来可进一步对AutoCAD、NX平台进行二次开发,借助平台强大的二维三维图形设计基础,开发基于法兰零件的集设计制造为一体的中小型CAD/CAM系统,以满足企业不断发展的生产管理需求。展开更多
针对目前基于信道脉冲响应(Channel Impulse Response,CIR)的非视距(None Line of Sight,NLoS)/视距(Line of Sight,LoS)识别方法精度低、泛化能力差的问题,提出了一种多层卷积神经网络(Convolutional Neural Network,CNN)与通道注意力...针对目前基于信道脉冲响应(Channel Impulse Response,CIR)的非视距(None Line of Sight,NLoS)/视距(Line of Sight,LoS)识别方法精度低、泛化能力差的问题,提出了一种多层卷积神经网络(Convolutional Neural Network,CNN)与通道注意力模块(Channel Attention Module,CAM)相结合的NLoS/LoS识别方法。在多层CNN中嵌入CAM提取原始CIR的时域数据特征,利用全局平均池化层代替全连接层进行特征整合并分类输出。使用欧洲地平线2020计划项目eWINE公开的数据集进行不同结构模型和不同识别方法的对比实验,结果表明,所提出的CNN-CAM模型LoS和NLoS召回率分别达到了92.29%与87.71%,准确率达到了90.00%,F1分数达到了90.22%。与现有多种传统识别方法相比,均具有更好的识别效果。展开更多
UFLD(ultra fast structure aware deep lane detection)是一种轻量化车道线检测模型,为提升模型的检测精度,对模型进行改进。引入CAM(channel attention mechanism)使模型能更关注携带重要车道线信息的特征通道和像素;为了感知车道线...UFLD(ultra fast structure aware deep lane detection)是一种轻量化车道线检测模型,为提升模型的检测精度,对模型进行改进。引入CAM(channel attention mechanism)使模型能更关注携带重要车道线信息的特征通道和像素;为了感知车道线的细节信息,引入ASPP(atrous spatial pyramid pooling)扩大卷积过程的感受野,提高模型分割精度;搭建引入CAM和ASPP后的改进模型,并在改进的模型上进行实验。实验结果表明:在TuSimple数据集上以ResNet18为主干网络的模型检测精度由95.81%提升至95.98%,以ResNet34为主干网络的模型检测精度由95.84%提升至96.12%;在CULane数据集上,无论是以ResNet18还是以ResNet34为主干网络模型,其平均精度均有不同程度的提高。展开更多
文摘针对金刚石滚轮是一种回转体零件以及其加工制造过程中信息化集成程度低等特点,对金刚石滚轮的特征信息提取、特征加工方案决策、数控程序后置处理等关键技术进行了研究,采用了产品模型数据交换标准STEP AP 242,实现对金刚石滚轮的制造特征信息提取,使用STEP AP 242和PDM相结合的集成方式,将金刚石滚轮三维模型作为制造加工信息的载体,并选择SolidWorks作为CAD和CAM软件,以及选择Aras Innovator作为PDM平台,使用C#编程语言和数据库技术开发了金刚石滚轮CAD/CAPP/CAM/PDM集成系统,并进行了实例验证。
文摘【目的】针对风电法兰分类细、规格多、直径大、孔数多,导致多孔加工坐标计算量大、输入效率低,且极坐标、旋转坐标及宏程序、二次开发等加工方案难以满足法兰生产企业实际生产需求的问题,提出一种高效解决方案。【方法】基于Visual Studio 2022开发平台,开发了一款高效实用、能灵活快速生成螺栓孔加工程序的专用CAM系统。该系统应用了模块化设计思路,把零件信息、加工参数等按相应模块独立处理,有利于系统根据法兰设计标准的变化而及时调整,自动生成不同规格的风电法兰螺栓孔加工程序。【结果】所开发的风电法兰螺栓孔加工CAM系统,实现了多孔加工程序的快速自动生成,显著降低了数控编程员的劳动强度,提高了法兰孔加工生产效率。【结论】未来可进一步对AutoCAD、NX平台进行二次开发,借助平台强大的二维三维图形设计基础,开发基于法兰零件的集设计制造为一体的中小型CAD/CAM系统,以满足企业不断发展的生产管理需求。
文摘针对目前基于信道脉冲响应(Channel Impulse Response,CIR)的非视距(None Line of Sight,NLoS)/视距(Line of Sight,LoS)识别方法精度低、泛化能力差的问题,提出了一种多层卷积神经网络(Convolutional Neural Network,CNN)与通道注意力模块(Channel Attention Module,CAM)相结合的NLoS/LoS识别方法。在多层CNN中嵌入CAM提取原始CIR的时域数据特征,利用全局平均池化层代替全连接层进行特征整合并分类输出。使用欧洲地平线2020计划项目eWINE公开的数据集进行不同结构模型和不同识别方法的对比实验,结果表明,所提出的CNN-CAM模型LoS和NLoS召回率分别达到了92.29%与87.71%,准确率达到了90.00%,F1分数达到了90.22%。与现有多种传统识别方法相比,均具有更好的识别效果。
文摘UFLD(ultra fast structure aware deep lane detection)是一种轻量化车道线检测模型,为提升模型的检测精度,对模型进行改进。引入CAM(channel attention mechanism)使模型能更关注携带重要车道线信息的特征通道和像素;为了感知车道线的细节信息,引入ASPP(atrous spatial pyramid pooling)扩大卷积过程的感受野,提高模型分割精度;搭建引入CAM和ASPP后的改进模型,并在改进的模型上进行实验。实验结果表明:在TuSimple数据集上以ResNet18为主干网络的模型检测精度由95.81%提升至95.98%,以ResNet34为主干网络的模型检测精度由95.84%提升至96.12%;在CULane数据集上,无论是以ResNet18还是以ResNet34为主干网络模型,其平均精度均有不同程度的提高。
