针对喷涂机器人自动轨迹规划过程中喷涂质量低的问题,对平面喷涂物体的轨迹规划问题进行了研究。利用椭圆双β模型构建平面双道喷涂厚度累积模型,以喷涂厚度的理论值和实际值之间的方差作为目标函数,结合粒子群算法进行相应的优化求解,并与其他优化方法进行对比,证明了粒子群算法对喷涂质量进行优化的有效性,具有一定的指导意义。

针对航天密封圈表面缺陷人工检测效率低、传统图像处理检测算法通用性差的问题,提出了两种基于深度学习的密封圈表面缺陷检测算法。首先,针对缺陷大部分为小目标的特点,选取对小目标较敏感的RetinaNet网络作为检测算法的基本架构,通过在RetinaNet网络中引入轻量级网络MoGaA构建出MoGaA-RetinaNet算法。然后,为了提高检测精度,在MoGaA-RetinaNet基础上,用分解卷积模块代替MoGaA骨干网络中的深度卷积构建了newMoGaA骨干网络,设计出newMoGaA-RetinaNet算法。最后,在测试集上的实验结果表明,MoGaA-RetinaNet算法比RetinaNet算法检测速度更快,但检测准确率略低;而newMoGaA-RetinaNet算法实现了检测精度与检测速度的良好平衡,比RetinaNet算法准确率提升4.5%,达到92%,检测速度提升55%,达到31 frame/s,网络参数量减少50%。所设计的newMoGaA-RetinaNet算法可以实现密封圈表面缺陷的快速准确检测。

目前我国河道污染极其严重,利用清淤泵完成水力治淤是定期治理河道的有效方法之一。文中首先根据速度系数法,并结合设计经验完成了一台低比转速清淤泵的水力设计计算,获得了各个过流部件的几何参数。在此基础上,采用ASMM模型对清淤泵内部的固液两相流进行了数值计算分析,获得了初步的内部三维流动特征。该研究结果将为后续进一步优化清淤泵提供很好的依据。