机器人替代人工紧固角钢塔螺栓是解决高空作业安全问题的途径之一.针对角钢塔螺栓紧固机器人的作业需求,提出了一种基于神经网络和RGB-D相机的角钢塔主材螺栓检测与定位系统,将轻量化的YOLOv5s-T网络应用于英特尔®实感™深度摄像头D435i采集的图像,实现了角钢塔主材螺栓的实时检测、三维定位及重新排序等功能.经实验验证,YOLOv5s-T在基本不降低均值平均精度(mean average precision,mAP)的情况下,推理速度提高约31%;用RGB-D相机测得的三维坐标计算相邻螺栓间距,平均误差小于1 mm.对主材螺栓排序算法进行验证,RGB-D相机正对螺栓组模板时,模板的正确排序率不低于95%,可快速引导6自由度机械臂末端到达螺栓紧固点.
针对Hilbert-Huang变换方法中由于信号经验模态分解(empirical mode decomposition,简称EMD)过程中所存在的端点效应问题,分析了现有数据延拓方式的利弊,并在基于斜率(slope based method,简称SBM)方法以及改进方法(improved slope based method,简称ISBM)的基础上提出了一种全新的基于斜率再优化(reoptimization slope based method,简称RO-SBM)方法用于信号序列的极值点延拓,然后对延拓后的数据进行EMD分解,得到相应的本征模函数(intrinsic mode function,简称IMF)分量。数值仿真结果表明,采用基于RO-SBM方法进行数据延拓,相比镜像延拓以及ISBM方法,可以更有效地抑制EMD中的端点效应问题,提升HHT方法的信号分析性能。通过基于RO-SBM方法进行数据延拓的HHT方法准确分离出了某转子系统的局部碰摩径向振动信号中所包含的故障特征分量,并将此方法成功应用于旋转机械故障诊断领域。
