一、如何装配没有标记的发动机?（论文文献综述）
郑重港[1]（2021）在《基于机器视觉的线束插装引导及缺陷检测技术研究》文中研究指明随着现代科学技术的加速发展,工业自动化与智能化是推动企业发展和加速转型的必要过程。虽然现有许多工业产品都能实现全自动化生产,但考虑到自动化引入成本高以及产品自身制造工艺复杂等问题,仍然有部分装配及质量检测工作需要人工完成,而人工操作极易造成产品装配质量的不稳定。因此在手工装配过程中,进行各装配工序的在线引导和实时检测,将会给产品质量的稳定带来较大的提升。鉴于此,本文利用机器视觉技术,以某型电气控制柜内预装模块的线束插装为研究对象,开发一套基于机器视觉的线束插装引导及缺陷检测系统。主要内容如下:（1）首先根据控制柜内部线束插装的行业检测标准和企业实际生产需求,明确了本系统的检测内容及要求;然后模块化搭建系统框架,并详细介绍了其工作流程;最后基于实际生产情况,构建了视觉成像方案,包括对相机、镜头和光源等硬件的选型以及照明方案的设计。（2）设计了端子排插装引导基准点定位算法。针对特定的简单应用场景,提出一种基于标记的插装点辅助定位算法;针对自由度更高的应用场景,提出一种基于无标记的插装点自动定位算法;通过实验验证了两种算法的准确率和时效性,实验结果表明,两种算法的定位准确率均能达到98%以上,且单张图片耗时约为60ms,最后根据实际应用需求,选择合适的算法作为系统的定位方案。（3）设计了插装后的缺陷检测算法。首先基于检测需求,提取检测区域作为后续插装质量检测的ROI;然后设计粗、细两级特征提取算法,定位线束号码管上的字符并将其作为基准进一步设计各类缺陷检测算法,包括:基于SVM的号码管内容检测算法、基于改进色差法的线束颜色识别算法、基于区域判断的线束漏插检测算法和基于长度特征的线束插装深浅检测算法;最后通过离线测试,表明各算法的准确率均能达到98%以上,验证了所提算法的有效性与准确性,可满足企业的实际生产需求。（4）开发了线束插装引导与缺陷检测软件系统。首先对系统的可视化装配引导方式进行规划,提出一种基于XML的装配工艺信息封装与管理方法;然后在搭建的框架基础上,通过C++与C#联合编程在.Net平台完成软件系统开发;最后通过在线应用测试,验证了本系统具有操作简单、稳定可靠的特性,能够满足系统的设计要求。
姜超[2]（2021）在《基于责任卡识别与网络技术的拖拉机整机制造过程质量管理系统研究》文中研究指明拖拉机的生产和使用情况是农业机械化水平的重要体现。目前国内拖拉机生产企业因产品质量原因在中高端拖拉机市场缺乏竞争力,而整机制造过程质量管理水平不足制约了国产拖拉机产品向高质量发展。因此,一套科学有效的整机制造过程质量管理系统对提升拖拉机质量、增强产品竞争力有重要作用。拖拉机整机制造过程质量管理系统建立在完备的质量数据库与质量管理工具的基础上。质量数据库的构建需要采集各质量控制点产生的质量数据,但部分质量控制点的数据记录在质量责任卡上,尚未实现数据电子化;同时,已实现数据电子化的质量控制点以不同形式单独保存质量数据,使得数据无法共享。传统的质量管理工具基于数理统计原理,只能对质量数据进行简单分析,无法获得深层次质量规律。本文针对上述问题展开研究,具体研究内容与结果如下:（1）为了解决拖拉机整机装配阶段质量数据纸质记录的问题,提出了一种基于责任卡识别的质量数据电子化方法。先对质量责任卡进行了重新设计,规范质量数据的填写;再使用Paddle OCR文本检测与识别模型获取质量数据属性关键词坐标,实现质量数据记录区域的定位;接着提出了一种基于笔画恢复与连通域标记的数字字符分割方法,获取质量数据图像中的单个数字图像;然后训练了CNN识别模型对手写数字进行识别,在测试集上的识别准确率达到99.22%;最后开发了质量数据电子化软件,并提供人工校正功能,保证了数据库中质量数据的准确性。（2）为了解决拖拉机整机调试阶段检测工位间异源异构电子质量数据的融合问题,编写了自动化数据读取、处理程序,实时提取不同工控机上保存在数据库中的结构化质量数据与以文本文件形式保存的非结构质量数据,并设计了基于JSON格式的数据传输接口,通过HTTP协议将质量数据发送到数据库服务器中。使用E-R模型在数据库服务器中构建了质量数据库,以统一结构保存不同来源的质量数据。（3）为了解决拖拉机生产企业缺乏高水平质量管理工具的问题,根据质量数据特点,开发了基于案例推理以及机器学习技术的质量管理工具,提供故障诊断、产品质量分级、质量综合指标提取与故障预测等功能,与传统质量管理工具一起集成到了质量管理系统中,完成了拖拉机整机制造过程质量管理系统研发,并成功应用到企业的实际生产中,提高了质量管理信息化水平。
易仲威[3]（2021）在《燃气发动机排气歧管建模及热负荷分析》文中研究指明天然气内燃机组可有效降低排放污染。本课题对车用柴油发动机改装成发电机组燃气发动机,在缺失排气歧管设计参数的前提下,采用逆向工程技术得到合理的排气歧管三维重构模型.燃气发电内燃机工程时间长,排气温度高,为了进一步改善燃油经济性和提高排气歧管的可靠性。通过搭建发电机组燃气发动机一维模型,对排气歧管结构进行优化,研究认为原机排气歧管为了兼顾低转速的性能,管径设计较小,在1500r/min的排气背压较大,不适宜应用在改装后的燃气发电内燃机。在管径优化的基础上,获取模拟真实工况下的排气歧管热边界条件,通过FLuent UDF模块建立流固耦合仿真模型,耦合计算了5个工作循环,分析了重构模型排气歧管的温度场、热应力、热变形及热模态。在满足该工况条件下,针对不同方案需求,对排气歧管模型进行优化与改进,对比分析了两种排气歧管改进方案的温度场、热应力、热变形及热模态。结果认为第一种方案热变形量略有上升,第二种结构方案可进一步减少热变形量,有利于提高排气歧管的寿命,且两种方案的工作频率都不会与发动机产生共振,满足燃气发电内燃机的设计要求。本文的建模和优化方法可为燃气发电内燃机排气管的改装设计提供参考和指导。本文的主要工作内容如下:1)获取排气歧管产品三维模型,对模型表面处理干净。先用显像剂对该排气歧管产品进行喷涂,再贴上标记点,然后,使用光学扫描仪扫描,获得点云数据模型,利用Geomagic Warp软件完成点云数据模型处理。利用处理后的点云数据模型,用Geomagic Design X和UG软件完成对排气歧管模型的重构,通过Geomagic Control X的3D精度对比,得到合理的排气歧管重构模型。2)获取合理的排气歧管热负荷分析结果。先搭建发动机一维模型,对比仿真与试验数据,验证模型有效性。获取最优管道直径,求得排气歧管所需热边界条件。采用流固耦合方法,得到排气歧管温度场、热应力及热变形量。在此温度基础上,对排气歧管热模态分析,获得温度场作用下的振动特性,并对排气歧管的温度场、热应力、热变形量及热模态进行分析。3)对两种方案目标,完成排气歧管模型优化改进,对改进后的排气歧管模型进行同边界条件下地热负荷分析,热负荷分析结果表明优化改进模型满足要求,符合产品设计标准,可用于解决实际工程问题。
张子凯[4]（2021）在《考虑预防维护的装配流水车间生产调度优化方法研究》文中研究表明装配流水车间以其灵活高效的生产方式,被广泛应用于消防车、电脑、塑料制品、服装和汽车等制造业中的大批量多品种产品的制造和装配。其主要包含两阶段:制造阶段和装配阶段。其中,前者实现零部件加工,后者将各零部件装配为合格的产品。然而,在车间生产中,加工和装配机器不可避免地会处于一些不可用的状态,如处于维护操作和故障失效状态等。因此,为保证生产连续性、高效性和设备可靠性,本文致力于将预防维护（preventive maintenance,PM）和故障维护（corrective maintenance,CM）集成到装配流水车间调度中。考虑生产现场布局的多样性,本文逐步对考虑预防维护的两阶段装配流水车间调度优化问题、考虑预防维护的两阶段多装配机器的装配流水车间调度优化问题、以及考虑预防维护和故障维护的装配置换流水车间调度优化问题进行研究。最后通过实际案例验证了所提模型和算法的有效性和优越性。具体研究内容如下:针对考虑预防维护的两阶段装配流水车间调度优化问题（DPm→1|PM|）,构建了以完工时间和维护时间为目标的混合整数规划模型（mixed integer linear programming,MILP）,并设计了12种构造启发式和7种元启发式算法。在所提出的MILP模型中,为每台机器给定一个新的特征——维护水平,并根据威布尔概率分布的最优维护区间确定其初始值。在构造启发式中,提出了一种PM决定策略来改善当前的构造启发式,使其在构造产品序列的同时,能够决定PM活动在各机器上的时间点。在所提出的元启发式算法中,提出了三种局部搜索方法和两种扰动方式来改进迭代局部搜索算法（iterated local search,ILS）,并首次将Q学习应用于蚁群算法中的参数组合选择中,以及超启发式算法的高层次启发式选择中。将所提的MILP模型与常规模型进行对比,发现将柔性PM活动集成到两阶段装配流水车间调度中至关重要。将所改进的12种构造启发式相互对比,发现FAP＿PM在720个基准案例种具有最好的性能。最后,将所提的7种元启发式进行对比,发现所提的ILS1＿Per2算法明显优于其他6种元启发式算法。针对考虑预防维护的两阶段多装配机器的装配流水车间调度优化问题（DPm→Pm|PM|）,深入研究了装配阶段含多并行机的情况,将装配机器从一台拓展到多台。并采用和上一个问题相同的处理方式,来确定每台机器的维护水平。在此基础之上,为了确保机器的可靠性和生产连续性,确定适合的产品序列和PM执行时间点,以及装配机器的分配情况,本文提出了一个新的MILP模型、两种构造启发式MCMTPM和NEHPM、以及基于PM的迭代贪婪算法。最后,设计了三种实验来评估所提的MILP模型、启发式和元启发式的性能。最终实验结果表明:所提出的MILP模型可以有效地解决产品数量小于20的小规模案例;在所有校验案例下,启发式NEHPM的性能要远远优于启发式MCMTPM,所提出的参考局部搜索方法优于常规局部搜索;在相同的终止条件下,所提出的算法优于其他9种元启发式算法。针对考虑预防维护和故障维护的装配置换流水车间调度优化问题（DPm→Fm|PM|）,本文以完工时间和维护成本为目标,提出了一种新的多目标MILP模型和重启Pareto迭代贪婪算法（restarted iterated Pareto greedy algorithm,RIPG）。在所提出的模型中,由于非预期故障数量导致模型具有非线性特性,因此无法直接采用线性求解器求解。所以,本文提出了两个有效策略来松弛期望失效数和CM成本,并进一步使模型线性化。在提出的RIPG中,设计了一种新的评价机制来确定维修计划和计算目标值。并设计了四种改进措施来提高算法的性能:双目标驱动的贪婪阶段、双目标驱动的参考局部搜索、双目标驱动的接受准则和重启机制。最后,通过三类实验对所提出的MILP模型和RIPG进行评价。实验结果表明:通过Epsilon-constraint方法,实现了利用MILP模型来求解双目标问题,并证明了该模型在求解小规模实例时是有效的;所提的RIPG优于其他四种多目标元启发式算法。最后以某企业发动机加工装配实际生产问题为切入点,逐步深入讨论所提出的集成优化方法在DPm→1|PM|、DPm→Pm|PM|和DPm→Fm|PM|问题中的优越性。课题首先采用了所提的MILP模型分别求解DPm→1|PM|和DPm→Pm|PM|问题;采用RIPG算法求解DPm→Fm|PM|问题。通过将所获取的新的方案和传统的方案进行对比。结果表明:所提出的集成优化方法在发动机加工装配问题中,能够有效的提高生产效率和降低维护成本。同时,根据市场行情和实际工作难度,为生产管理的决策者选择合适的方案来组织生产提供了可靠依据。
陈雅贤[5]（2020）在《《现代军用直升机》翻译项目实习报告》文中研究表明2019年3月—10月,笔者在导师的指导下参加《现代军用直升机》翻译项目实习,对《现代军用直升机》一书进行翻译与审校。根据任务分配,笔者负责本书五小节（共计1,0973字）的翻译和三分之一内容（共计6,9939字）的审校工作。笔者以参与该翻译项目的实习为基础,选择翻译项目过程中的审校环节为研究对象,对整个审校过程进行回顾与总结。在报告中,笔者尝试将审校该德语军事类文本经常出现的问题进行归纳总结。结合翻译的两个阶段——理解与表达——将本次审校过程中发现的错误细化为语言层面的词语、句子和篇章三类。首先,面对德语原文文本出现的专业术语较多的问题,笔者需要查阅大量中文相关资料,寻找业内认可和遵循的译法。同时,因为军事类文本中涉及到大量军事装备的构造和操作方法等,长难句出现频率很高。为了译文的准确和通顺,笔者在审校长难句时分步骤进行,首先对照原文,判断译文是否出现漏译和错译,再对分句进行分析,判断是否需要按照中文语言表达规范和习惯调整译文语句结构。此外,笔者在审校时尽可能使译文与原文信息达到对等,在译文的语言风格等方面也尽量与原文保持一致。笔者希望通过此实习报告总结自己在审校过程中遇到的困难以及解决这些困难的经验和方法,为该领域资料的翻译审校提供有启发的现实案例,从而更好地服务于军事类文本翻译审校工作。
龚雅琼[6]（2020）在《基于增强现实技术的辅助维修系统设计与实现》文中研究说明随着机电装备结构、功能复杂性的增加和产品更新换代速度的加快,传统依靠维修人员经验的方式会导致维修作业负荷强度大、出错率高,难以满足日益增长的维修需求。增强现实（Augmented Reality,AR）技术可以作为辅助角色,在维修操作时减轻人员的认知与记忆负荷,进而提高维修效率和质量,基于AR的辅助维修系统为维修作业改善提供了新的技术手段。本文以增强现实技术在维修领域的应用为研究目标,基于维修作业需求分析增强现实环境下维修作业系统核心模块的设计,以某涡轮发动机为维修对象,完成一套增强现实维修辅助系统的开发。该系统具有人机交互友好、适用于多用户、支持远程通讯等特点。论文完成的主要研究工作如下:（1）在分析维修需求和辅助维修系统功能的基础上,提出辅助维修系统总体架构。通过梳理辅助维修系统功能需求,确定系统开发流程和相关技术,采用3ds Max完成场地和模型构建、基于Unity3D引擎搭建虚拟场景,选择Kinect作为传感器采集数据,采用C#语言在Visual Studio平台实现相关软件模块的开发、打包、编译和部署。（2）围绕维修作业任务,完成辅助维修关键信息的提取与转化,得到AR环境下维修工艺文件;通过建立维修作业模型,实现传统维修工艺向增强现实环境下维修工艺的处理、转化和存储;完成辅助维修系统通用数据库设计,使之具备良好的灵活性和可移植性。（3）以人机交互模块和协同模块为重点,研究系统模块的功能需求及其实现方法。从增强现实交互、维修任务和模块要素等层面分析人机交互模块的结构组成,建立系统交互任务模型。针对目前手势交互存在方式单一的问题,开展基于Kinect传感器的手势识别模块开发,满足用户自定义手势的拓展功能。确定了协同模块并发控制策略和增强现实场景共享技术路线,选用C/S的软件架构,采用TCP和UDP网络通信协议实现数据的传输、封装和解析,分析代码的实现过程。（4）在开展系统功能分析和模块设计的基础上,完成相关功能模块的开发与集成,并以某涡轮发动机为例完成辅助维修案例分析,验证所开发的AR辅助维修系统具有辅助维修等相关功能和良好的人机交互特性。基于增强现实的辅助维修系统能有效提升用户的使用体验,提高维修作业的效率与质量,具有重要工程应用前景。论文完成了此类系统核心功能模块的设计和开发,系统具备后台管理、维修记录管理、维修引导、多人协同以及远程通信等功能。相关研究内容为增强现实技术在工业维修领域的应用做出了有益的理论探索和初步的应用实践。
林禹希[7]（2020）在《腾飞汽车公司总装车间油液加注流程优化研究》文中指出腾飞汽车公司是一家面向订单装配型商用车企业,在市场上占据着较高的份额,拥有良好的用户口碑。近几年汽车市场持续走低,腾飞汽车公司凭借着国内最为强大和完整的自主研发体系、领先的经营管理理念、敏锐的市场洞察意识,保持着连续四年的行业领先地位。作为一家传统商用车企业,受用户群体影响,以客户需求为导向,长期存在着顾客需求多样化制约生产力的问题,另外对标国内外其他优秀商用车企业可以发现腾飞汽车公司的利润率远低于其他车企。在2020年取消商用车制造外资股比限制、GDP增速放缓、人口老龄化带来的用工成本增加、研发投资向新兴领域转移等政治、经济、社会、技术因素的影响下,腾飞汽车公司想要继续保持国内龙头地位面临着更多的机遇与挑战。不只是腾飞汽车公司,在大环境影响下,提高生产效率、降低生产成本、提升企业竞争力已经成为了所有汽车制造企业所面临的当务之急。基于以上研究背景,本文以腾飞汽车公司总装车间油液加注区为切入点,简要介绍了腾飞汽车公司总装车间油液加注区背景及现有油液加注流程。以调研对象车型为例,运用生产线平衡及精益生产管理理论知识,通过现场作业观察、数据记录与分析,绘制流程程序图的方法找到了导致加注流程不顺畅、操作者等待与移动时间长等问题的根本原因有以下三点:一是加注量控制手段不合理,二是现有工艺布局制约生产力,三是发动机冷却液加注时间过长,流程中存在“瓶颈”。作者运用“5W1H”、“ECRS四大原则”分析法,采用对加注设备进行更新改造、新增加注信息系统及设备联网方案的方式,优化加注流程,规范操作者作业活动。本文不仅完成了腾飞汽车公司总装车间油液加注流程优化方案设计,而且对其流程优化效果进行了分析与预测。同时,从组织与人员保障方面、技术保障方面、制度保障方面都制订了详细的方案,保证了方案的可行性。在组织保障方面,成立同步开发项目组管理产品设计基线,从精益生产管理角度积极建立学习型组织,成立加注问题反馈小组实现持续改进。在人员保障方面,着重对工艺人员及操作者进行业务培养。在技术保障方面,对设备基本单元、移动单元、驱动模块等提出技术要求,保障加注作业的顺利进行。在制度保障方面,建立标准化管理制度、设备点检维护制度及工艺纪律检查制度,提高企业工作效率与管理能力,为未来布局智能化、自动化工厂及提高核心竞争能力打下坚实基础。
王丹妮[8]（2019）在《基于多模态传感数据的诊断预测方法与应用》文中提出随着智能化和信息化技术的发展,我国各行各业都兴起了信息化智能化建设,尤其在工业制造领域和医疗领域,每天产生大量不同来源和形式的信息数据,而每一种来源和形式的信息都是一种模态,一个多模态数据样本中可以包含多种信息标签,这些多模态数据对于其所属领域的生产发展具有很高的研究价值。本文提出面向多模态传感数据的预测诊断模型,利用多领域的多模态传感数据,针对时序和非时序多模态传感数据的特点,提出相应的诊断预测方法,得到具有意义的预测结果。多模态数据分为时序数据和非时序数据两种。例如,生产装配线上采集到的多模态数据多为非时序数据,每一个产品的每一个检测项只对应唯一一个数据。而医院重症监护室采集到的病人生理数据则为时序数据,每一种生理信号都经过长时间的检测记录,具有很多数据点。多模态传感数据,尤其是工业生产过程中产生的非时序多模态传感数据,普遍具有属性种类众多、信息存储结构复杂和数据大量冗余的特点。本文面向时序和非时序的多模态传感数据提出面向多模态传感数据的预测诊断模型,为针对不同领域的多模态传感数据,分别做出相应的诊断预测。本文分别对医院重症监护室生理信号多模态传感数据和汽车发动机装配线多模态传感过程数据进行分析处理,分别对病人所患疾病以及发动机转速的性能和稳定性进行预测。本文的工作主要分为三个方面:（1）本文根据多模态传感数据的数据特点,提出了相应的预处理方法。并针对时序多模态传感数据和非时序传感数据在时间依赖性等方面的差异,分别阐述了两种相对应的模式特征提取的方法。（2）本文针对时序多模态传感数据的预测诊断问题,根据数据模式间的时间依赖关系,构建出结合二次模式提取与艾伦区间关系和基于中餐馆过程的潜在变量的概率图模型,利用病人时序多模态生理信号数据,实现对病人所患疾病的诊断预测。（3）对于非时序多模态传感数据的诊断预测,本文针对分类预测问题和回归预测问题,分别提出回归算法动态最优组合机制和区域加权集成分类方法,并结合稀疏自编码器,使用发动机装配线多模态过程检测传感数据和工艺检测传感数据,分别实现以下诊断预测:1)发动机在启动阶段、高速和怠速阶段三种工况下转速性能合格情况的诊断预测。2)发动机在启动阶段、高速阶段和怠速阶段三种完整工况下转速的均值和标准差的诊断预测。
殷风婷[9]（2019）在《面向发动机混流装配车间的排序问题研究》文中研究说明随着JIT生产模式在实际车间的推广,生产系统对计划排程的要求越来越高。发动机装配车间具有混流生产、工艺流程长、生产周期长、生产规则复杂等特点,凭借经验和手工编制方式制定的生产计划指导实际生产的作用有限,因此实际车间亟需采用更科学、准确的混流生产计划以充分发挥车间的产能。本文以一汽锡柴发动机生产企业为案例背景,研究装配车间的计划排序问题。首先,通过分析车间的实际生产情况,提出一个按产线上下游划分的两阶段排序模型,即首先对处于上游的总装线进行排序优化,然后对处于下游与总装线关联的的校车线和油封线进行关联排序优化,从而得到针对整个装配车间的排序计划。针对阶段一的混流总装线排序问题,构建以产品生产均衡化、工位负荷均衡化和完工时间最小化为目标的最小生产批量的混流排序模型并设计改进的人工蜂群算法对该问题进行求解。通过仿真实验,将改进人工蜂群算法与标准人工蜂群算法的进行比较。通过实际车间的生产订单数据为例进行验证,使用改进人工蜂群算法求解得到该订单在总装线上的最优生产序列。针对阶段二的“总装-校车-油封”多产线关联排序问题,运用物流仿真平台Plant Simulation建立该装配车间的物流仿真模型进行建模求解和优化。针对校车线排序问题构建基于映射关系的校车线序列优化模型,采用仿真平台内置的GA模块进行优化求解;针对油封线排序问题,采用基于实际生产规则的启发式算法进行排序求解。在上游的最优混流排序生产序列约束下,通过对同一实例问题进行求解,得到使缓冲区堆积最少、完工时间最短的最优校车线生产序列和油封线生产序列;并在仿真模型中设置随机因素进行重排序,验证该模型的多产线关联实时排序方法。本文的研究成果丰富了混流装配车间排序问题的研究,提出的面向混流装配车间的两阶段排序方法不仅为同类问题提供了一种研究思路,而且对实际车间提供了决策依据,具有较好的实用价值。
王月[10]（2018）在《面向产品装配引导的增强现实虚实融合技术研究》文中进行了进一步梳理增强现实（Augmented Reality,简称AR）是一种新型的人机交互技术,它通过计算机模拟仿真,能够将虚拟世界信息叠加到现实世界,从而被人类感官所感知,达到对现实世界的补充和增强。由于AR技术具有同时展现现实世界信息和虚拟世界信息的能力,因此近年来被越来越多的应用到以航空航天为代表的复杂机械产品的装配引导过程。基于AR的装配引导技术通过将计算机生成的零部件装配位置、装配过程、注意事项等虚拟装配引导信息以三维模型、动画、文本注释等形式叠加到现实装配环境中,能大大提高操作人员对机械产品装配过程的理解,提升装配效率。其中虚实融合技术是实现虚拟引导信息和装配现场“无缝”集成的核心。但目前大多数面向机械产品装配的AR引导系统只是简单地将虚拟提示信息叠加到摄像机拍摄到的现实装配环境图像中,并未对真实物体和虚拟信息之间的虚实融合关系进行处理。这不仅会降低场景的真实感,使用户产生视觉疲劳,而且还会导致装配人员对装配位置的理解产生歧义,降低装配效率,增大出错几率。虽然有部分学者针对装配过程中的虚实融合问题提出了相应的解决方案,但仍然存在虚实注册方法面向机械装配环境的适用性和鲁棒性差、装配交互过程中的虚实融合难以有效处理等问题。针对上述问题,本文详细分析了机械产品装配环境特点,围绕虚实融合过程中虚拟引导信息在装配环境中的虚实注册（配准）和装配交互过程中的虚实遮挡等技术展开深入系统的研究。旨在消除虚拟引导信息的空间位置歧义,强化虚拟引导信息在机械产品AR装配环境中的真实感,提升系统的实用性。本文主要研究工作如下:（1）基于边界捕捉的深度图像高精度修复方法。高质量的深度图像是基于点云的虚实注册的基础。本文充分考虑了机械产品装配环境中零部件表面特性、材料属性等对深度图像的影响。首先结合彩色图像信息,利用联合双边滤波器对深度图像进行降噪,在降噪过程中引入噪声核函数和从属核函数,抑制噪声向非噪声图像区域扩散。其次利用彩色图像与深度图像具有相似物体边界的特性,通过深度图像物体边界对深度图像物体边界进行捕捉,并利用改进的快速行进法修复空洞区域,使深度图像恢复良好的边界特性。与现有深度图像降噪修复方法相比,本文方法深度图像质量更好、物体边缘精度更高,为点云的生成打下良好的基础。（2）基于点云和视觉特征融合的虚实注册方法。虚实注册是虚实融合的首要条件。为了提高虚实注册方法面向机械产品AR装配系统的适用性和鲁棒性,提出一种点云和视觉特征融合的虚实注册方法。该方法针对机械产品装配环境特点,首先利用参考模型点云对虚实注册绝对坐标系进行定义。然后在ICP（Iterative Closest Point）点云配准的基础上,结合深度传感器彩色图像信息,引入视觉特征匹配,提高深度传感器快速移动时的跟踪注册过程鲁棒性。为了提高无纹理装配场景中视觉特征匹配点对的提取数量,提出了一种基于方向向量一致性的视觉特征匹配策略。最后在跟踪注册过程加入基于关键帧的回环检测和全局位姿优化,提高了虚实注册方法面向机械产品AR装配引导的适用性和鲁棒性。（3）基于LINE-MOD模板匹配的刚性物体虚实遮挡处理方法。虚实遮挡是实现虚实融合的关键指标。交互过程中刚性物体的虚实遮挡处理是本章的研究重点。首先,离线阶段在CAD环境中采集装配对象不同视角下的参考图像并记录相机采集位姿。其次,在在线阶段,利用改进的LINE-MOD模板匹配方法获取与当前视角图像最相似的关键帧,并获取相机粗略位姿。然后,根据关键帧的空间拓扑关系,采用插值的方法对相机位置和姿态进行精确估计。最后,根据跟踪结果在待装配对象表面叠加相应CAD模型,通过模型之间空间位置的判断实现刚性待装配对象与引导信息的虚实遮挡。实验结果表明,该方法实时性好,虚实遮挡处理精度较高。（4）基于主动表观模型的非刚体虚实遮挡处理方法。针对机械产品装配交互过程存在非刚性物体（人手）的情况,借助主动表观模型轮廓跟踪算法,设计了一种基于深度计算的非刚性物体与引导信息的虚实遮挡处理方法。在准确跟踪非刚性物体轮廓的同时,获取非刚性物体轮廓区域内每一个像素点的深度值,通过轮廓区域内深度值和虚拟装配引导信息深度值的比较,获得正确的虚实遮挡关系。该方法与现有的基于深度计算的虚实遮挡方法相比,避免了在整幅深度图像上进行深度值比较带来的运算量大的问题,提高了系统的实时性和实用性。基于以上研究成果,研制了一个具有虚实融合处理能力的机械产品AR装配引导原型系统(CPILab-AAPS（Cyber-Physical Interaction Lab-Assembly Assistance Prototype System）,并给出了相应的实验结果,验证了本文提出的理论、方法的可行性和有效性。
二、如何装配没有标记的发动机?（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、如何装配没有标记的发动机?（论文提纲范文）
（1）基于机器视觉的线束插装引导及缺陷检测技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题来源及研究意义 |
| 1.2 国内外研究现状 |
| 1.3 研究内容及论文结构 |
| 1.3.1 研究内容 |
| 1.3.2 论文结构 |
| 1.4 技术路线 |
| 1.5 创新点 |
| 第二章 系统整体分析与设计 |
| 2.1 系统需求分析 |
| 2.2 系统框架设计 |
| 2.3 系统工作流程 |
| 2.4 硬件方案设计 |
| 2.4.1 硬件平台搭建 |
| 2.4.2 相机的选型 |
| 2.4.3 镜头的选型 |
| 2.4.4 照明方案设计 |
| 2.5 软件框架设计 |
| 2.6 关键技术分析 |
| 2.7 本章小结 |
| 第三章 插装引导基准点定位算法设计 |
| 3.1 插装基准点选取原则 |
| 3.2 图像预处理 |
| 3.2.1 图像灰度化 |
| 3.2.2 图像滤波 |
| 3.2.3 图像增强 |
| 3.3 基于标记的辅助定位 |
| 3.3.1 Marker标记的选取 |
| 3.3.2 Marker标记的检测定位 |
| 3.3.3 插装点的定位 |
| 3.4 基于无标记的自动定位 |
| 3.4.1 端子排矫正与定位 |
| 3.4.2 插装点定位 |
| 3.5 算法测试与结果分析 |
| 3.6 本章小结 |
| 第四章 线束插装后缺陷检测算法设计 |
| 4.1 线束插装缺陷类别 |
| 4.1.1 缺陷类别说明 |
| 4.1.2 算法流程 |
| 4.2 感兴趣区域与线束定位基准提取 |
| 4.2.1 感兴趣区域提取 |
| 4.2.2 定位基准选取原则 |
| 4.2.3 定位基准提取算法 |
| 4.2.4 定位基准提取算法准确率分析 |
| 4.3 线束号码管内容检测 |
| 4.3.1 基于SVM的号码管内容识别 |
| 4.3.2 号码管内容检测示例 |
| 4.3.3 号码管内容检测实验与分析 |
| 4.4 线束色序检测 |
| 4.4.1 基于改进色差法的颜色识别 |
| 4.4.2 线束颜色检测示例 |
| 4.4.3 线束颜色检测实验与分析 |
| 4.5 线束漏插检测 |
| 4.5.1 基于区域判断的漏插检测 |
| 4.5.2 线束漏插检测示例 |
| 4.5.3 线束漏插检测实验与分析 |
| 4.6 线束插装不规范检测 |
| 4.6.1 基于长度特征的插装深浅检测 |
| 4.6.2 线束插装深浅检测示例 |
| 4.6.3 线束插装深浅检测实验与分析 |
| 4.7 本章小结 |
| 第五章 系统软件开发与测试 |
| 5.1 装配工艺信息管理模块封装 |
| 5.1.1 可视化装配引导方案规划 |
| 5.1.2 基于XML的数据封装与管理 |
| 5.2 视觉检测算法封装 |
| 5.3 软件开发与实现 |
| 5.3.1 系统开发环境 |
| 5.3.2 功能模块设计 |
| 5.4 系统测试 |
| 5.5 系统性能验证 |
| 5.6 本章小结 |
| 总结和展望 |
| 工作总结 |
| 研究展望 |
| 参考文献 |
| 致谢 |
| 在学期间主要研究成果 |
（2）基于责任卡识别与网络技术的拖拉机整机制造过程质量管理系统研究（论文提纲范文）
| 致谢 |
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 质量数据电子化研究 |
| 1.2.2 基于OCR技术的表格识别研究 |
| 1.2.3 质量管理工具研究 |
| 1.3 研究内容与技术路线 |
| 1.3.1 研究内容 |
| 1.3.2 技术路线 |
| 第二章 质量管理系统整体设计 |
| 2.1 拖拉机整机制造流程分析 |
| 2.1.1 整机装配阶段流程 |
| 2.1.2 整机调试阶段流程 |
| 2.2 质量数据采集方法设计 |
| 2.2.1 装配阶段质量数据采集方法 |
| 2.2.2 调试阶段质量数据采集方法 |
| 2.3 质量管理工具选择 |
| 2.3.1 传统质量管理工具 |
| 2.3.2 基于机器学习的质量管理工具 |
| 2.4 系统架构设计 |
| 2.5 本章小结 |
| 第三章 质量责任卡识别方法研究 |
| 3.1 规范化质量责任卡设计 |
| 3.2 图像采集设备选择 |
| 3.3 规范化质量责任卡识别分析 |
| 3.4 质量数据记录区域获取 |
| 3.4.1 关键词识别 |
| 3.4.2 质量数据图像定位 |
| 3.5 质量数据图像预处理 |
| 3.5.1 图像二值化 |
| 3.5.2 线条连接 |
| 3.5.3 框线消除 |
| 3.5.4 笔画恢复 |
| 3.5.5 数字像素提取 |
| 3.5.6 其它处理 |
| 3.6 手写数字识别 |
| 3.6.1 CNN模型设计 |
| 3.6.2 数据集制备 |
| 3.6.3 模型训练与测试 |
| 3.7 本章小结 |
| 第四章 质量管理系统开发 |
| 4.1 质量数据采集 |
| 4.1.1 质量数据电子化软件开发 |
| 4.1.2 调试阶段质量数据采集 |
| 4.2 数据库设计 |
| 4.2.1 E-R模型介绍 |
| 4.2.2 数据库概念结构设计 |
| 4.2.3 数据库逻辑结构设计 |
| 4.3 质量管理工具算法实现 |
| 4.3.1 案例推理算法 |
| 4.3.2 数理统计方法 |
| 4.3.3 机器学习算法 |
| 4.4 人机界面开发 |
| 4.5 本章小结 |
| 第五章 系统应用与验证 |
| 5.1 系统概述 |
| 5.2 系统功能模块 |
| 5.2.1 数据来源信息查询模块 |
| 5.2.2 故障诊断与排除方法模块 |
| 5.2.3 整机调试台账模块 |
| 5.2.4 统计分析模块 |
| 5.2.5 智能分析模块 |
| 5.3 系统验证 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 研究结论 |
| 6.2 主要创新点 |
| 6.3 展望 |
| 参考文献 |
| 作者简历 |
（3）燃气发动机排气歧管建模及热负荷分析（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究现状 |
| 1.2.1 逆向工程研究现状 |
| 1.2.2 排气歧管研究现状 |
| 1.3 本文研究内容 |
| 1.4 研究的技术路线 |
| 2 逆向工程技术及其应用 |
| 2.1 逆向软件简介 |
| 2.2 数据处理 |
| 2.2.1 渲染和去除体外孤点 |
| 2.2.2 滤除噪声点 |
| 2.2.3 数据插补 |
| 2.2.4 数据精简 |
| 2.3 模型重构 |
| 2.3.1 基于曲线的重构方法 |
| 2.3.2 基于曲面的重构方法 |
| 2.3.3 基于特征的重构方法 |
| 2.3.4 曲面光顺性评价 |
| 2.4 排气歧管的逆向设计 |
| 2.4.1 排气歧管的点云数据采集 |
| 2.4.2 排气歧管点云数据处理 |
| 2.4.3 排气歧管模型重构 |
| 2.4.4 重构模型精度对比 |
| 2.4.5 逆向工程中的误差 |
| 2.5 本章小结 |
| 3 排气歧管热负荷分析计算 |
| 3.1 一维模拟计算与验证 |
| 3.1.1 GT-POWER软件简介与模拟计算理论 |
| 3.1.2 一维模型搭建与验证 |
| 3.1.3 模拟计算结果及分析 |
| 3.2 排气歧管温度场仿真计算 |
| 3.2.1 ANSYS Workbench软件与流固耦合仿真计算理论 |
| 3.2.2 计算过程 |
| 3.2.3 计算结果分析 |
| 3.3 排气歧管热应力计算与分析 |
| 3.3.1 ANSYS Workbench热分析模拟计算理论 |
| 3.3.2 有限元模型建立及计算过程 |
| 3.3.3 计算结果分析 |
| 3.4 排气歧管热模态分析 |
| 3.4.1 ANSYS Workbench模态计算理论 |
| 3.4.2 排气歧管的自由热模态 |
| 3.4.3 排气歧管的约束热模态 |
| 3.4.4 模态评价 |
| 3.5 本章小结 |
| 4 排气歧管的结构改进 |
| 4.1 改进方案的提出 |
| 4.2 改进后的几何模型 |
| 4.3 改进后的排气歧管温度场、热应力及热变形对比分析 |
| 4.4 改进后的排气歧管热模态对比分析 |
| 4.5 本章小结 |
| 5 结论与展望 |
| 参考文献 |
| 致谢 |
（4）考虑预防维护的装配流水车间生产调度优化方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题来源、目的和意义 |
| 1.1.1 课题来源和目的 |
| 1.1.2 课题背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 两阶段装配流水车间调度问题研究现状 |
| 1.2.2 两阶段多装配机器装配流水车间调度问题研究现状 |
| 1.2.3 装配置换流水车间调度问题研究现状 |
| 1.2.4 调度与维护集成问题研究现状 |
| 1.3 研究现状分析 |
| 1.4 本文主要工作及结构 |
| 第2章 考虑预防维护的两阶段装配流水车间调度优化问题 |
| 2.1 引言 |
| 2.2 DP_m→1|PM|问题描述与MILP模型 |
| 2.2.1 融合预防维护的MILP模型构建 |
| 2.2.2 初始维护水平和退化系数的确定 |
| 2.2.3 DP_m→1|PM|示例说明 |
| 2.3 融合预防维护的构造启发式 |
| 2.4 融合预防维护的元启发式算法 |
| 2.4.1 迭代局部搜索算法(ILS) |
| 2.4.2 基于Q学习的蚁群算法(QACS_LS) |
| 2.4.3 基于Q学习的超启发式算法(QHH) |
| 2.5 算例验证及分析 |
| 2.5.1 集成优化的重要性分析 |
| 2.5.2 构造启发式的小规模案例性能测试 |
| 2.5.3 构造启发式的大规模案例性能测试 |
| 2.5.4 元启发式算法性能测试 |
| 2.6 本章小结 |
| 第3章 考虑预防维护的两阶段多装配机器的装配流水车间调度优化方法 |
| 3.1 引言 |
| 3.2 DP_m→P_m|PM|问题描述与MILP模型 |
| 3.2.1 融合PM的 MILP模型构建及线性化处理 |
| 3.2.2 DP_m→P_m|PM|示例说明 |
| 3.3 融合预防维护的解码及构造启发式 |
| 3.3.1 融合PM的解码方式 |
| 3.3.2 MCMT_(PM)启发式 |
| 3.3.3 NEH_(PM)启发式 |
| 3.4 融合预防维护的迭代贪婪算法 |
| 3.4.1 初始化阶段 |
| 3.4.2 贪婪阶段 |
| 3.4.3 局部搜索阶段 |
| 3.4.4 接受机制 |
| 3.5 算例验证及分析 |
| 3.5.1 基准案例与运行环境设置 |
| 3.5.2 MILP模型性能测试 |
| 3.5.3 参数校验及启发式与局部搜索操作性能测试 |
| 3.5.4 元启发式算法IG_(PM)性能测试 |
| 3.6 本章小结 |
| 第4章 考虑预防维护和故障维护的装配置换流水车间调度优化方法 |
| 4.1 引言 |
| 4.2 DP_m→F_m|PM&CM|(C_(max),TMC)问题描述与多目标模型 |
| 4.2.1 融合PM&CM的 MILP模型构建 |
| 4.2.2 约束松弛及线性化处理 |
| 4.2.3 DP_m→F_m|PM|示例说明 |
| 4.3 重启迭代Pareto贪婪算法 |
| 4.3.1 融合PM&CM的解码及初始化 |
| 4.3.2 多目标驱动的贪婪阶段 |
| 4.3.3 多目标驱动的参考局部搜索 |
| 4.3.4 多目标驱动的接受机制 |
| 4.3.5 重启机制 |
| 4.4 算例验证及分析 |
| 4.4.1 基准案例设置及多目标评价指标 |
| 4.4.2 RIPG参数校验 |
| 4.4.3 多目标模型评价 |
| 4.4.4 RIPG算法性能测试 |
| 4.5 本章小结 |
| 第5章 装配流水车间仿真实验案例分析 |
| 5.1 引言 |
| 5.2 工程实例介绍 |
| 5.3 案例求解及分析 |
| 5.3.1 DP_m→1|PM|问题和DP_m→P_m|PM|问题求解与分析 |
| 5.3.2 DP_m→F_m|PM&CM|(C_(max),TMC)问题求解与分析 |
| 5.4 本章小结 |
| 第6章 结论与展望 |
| 6.1 全文总结 |
| 6.2 创新之处 |
| 6.3 未来展望 |
| 致谢 |
| 参考文献 |
| 附录1 攻读博士学位期间取得的科研成果 |
| 附录2 攻读博士学位期间参加的科研项目 |
（5）《现代军用直升机》翻译项目实习报告（论文提纲范文）
| 摘要 |
| abstract |
| 引言 |
| 第一章 翻译项目介绍 |
| 第一节 任务详情 |
| 一、原文内容 |
| 二、原文文本特点 |
| 第二节 目标受众 |
| 第三节 委托方要求 |
| 第二章 翻译审校前期准备 |
| 第一节 统筹审校任务 |
| 第二节 确立审校目标与准则,明确审校质量标准 |
| 第三节 剖析原译文,监控与评估译文质量 |
| 第四节 选择审校理论、资源和技术支持 |
| 第五节 制定审校计划 |
| 第三章 翻译审校中的常见问题及对策 |
| 第一节 词语 |
| 一、专业术语 |
| 二、专有名词 |
| 三、近义词 |
| 第二节 句子 |
| 一、长难句 |
| 二、插入语 |
| 第三节 篇章 |
| 一、前后一致性 |
| 二、语言风格 |
| 第四章 翻译审校实习总结 |
| 第一节 已解决的问题及总结 |
| 第二节 未解决的问题及反思 |
| 第三节 对未来翻译及审校工作的启发 |
| 参考文献 |
| 攻读学位期间的研究成果 |
| 附录一 Moderne Milit?rhubschrauber审校原文 |
| 附录二 《现代军用直升机》审校前后译文 |
| 附录三 Moderne Milit?rhubschrauber翻译原文 |
| 附录四 《现代军用直升机》翻译译文 |
| 附录五 (部分)专有名词列表 |
| 致谢 |
（6）基于增强现实技术的辅助维修系统设计与实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 增强现实技术研究现状 |
| 1.2.2 辅助维修技术发展现状 |
| 1.2.3 人机交互研究现状 |
| 1.3 论文研究内容与架构 |
| 1.3.1 论文的研究内容 |
| 1.3.2 论文的组织结构 |
| 第二章 AR辅助维修系统的分析与设计 |
| 2.1 AR辅助维修系统分析 |
| 2.1.1 系统整体分析 |
| 2.1.2 用户需求分析 |
| 2.1.3 功能需求分析 |
| 2.2 系统方案设计 |
| 2.2.1 系统体系结构 |
| 2.2.2 系统开发平台 |
| 2.3 关键技术 |
| 2.3.1 常用的任务模型 |
| 2.3.2 辅助手势识别 |
| 2.3.3 Vuforia图片识别 |
| 2.3.4 数据传输协议 |
| 2.4 本章小结 |
| 第三章 AR辅助维修信息转化与过程建模 |
| 3.1 维修信息处理简介 |
| 3.2 辅助维修作业信息处理 |
| 3.2.1 辅助维修的信息需求 |
| 3.2.2 辅助维修信息的组成与分类 |
| 3.2.3 辅助维修信息转化 |
| 3.3 维修作业过程建模 |
| 3.3.1 维修作业过程 |
| 3.3.2 维修作业分层 |
| 3.4 本章小结 |
| 第四章 交互模块设计 |
| 4.1 AR交互模块 |
| 4.1.1 多模交互原理 |
| 4.1.2 交互模块要素 |
| 4.1.3 多模交互层次模型 |
| 4.1.4 交互操作流程 |
| 4.2 AR环境中的交互任务分解 |
| 4.2.1 交互基本任务 |
| 4.2.2 选择/操纵的任务分析和分解 |
| 4.2.3 导航/漫游的任务分析和分解 |
| 4.2.4 交互反馈 |
| 4.3 用户维修任务 |
| 4.3.1 AR维修场景 |
| 4.3.2 面向维修场景的用户任务 |
| 4.4 基于CTT模型的交互任务建模 |
| 4.4.1 CTT简介 |
| 4.4.2 基于CTT模型的任务分析 |
| 4.4.3 操作任务建模 |
| 4.5 本章小结 |
| 第五章 协同模块设计与实现 |
| 5.1 协同权限管理 |
| 5.2 协同一致与并发控制 |
| 5.2.1 协同并发控制技术和策略 |
| 5.2.2 协同AR中场景共享 |
| 5.3 网络通信模块设计 |
| 5.3.1 网络通信结构 |
| 5.3.2 数据传输的设计 |
| 5.3.3 数据的封装和解析 |
| 5.4 本章小结 |
| 第六章 系统实现与实例应用 |
| 6.1 系统开发与实现 |
| 6.1.1 系统实现流程 |
| 6.1.2 模型建立与约束 |
| 6.1.3 数据库设计 |
| 6.1.4 辅助手势识别的开发 |
| 6.2 系统的实现效果 |
| 6.2.1 用户登录 |
| 6.2.2 图片识别与虚拟模型定位 |
| 6.2.3 系统交互总菜单 |
| 6.2.4 产品及其零部件介绍 |
| 6.2.5 维修记录查询 |
| 6.2.6 维修引导 |
| 6.2.7 多人协同维修 |
| 6.2.8 远程通信 |
| 6.3 本章小结 |
| 第七章 总结与展望 |
| 7.1 论文总结 |
| 7.2 未来展望 |
| 致谢 |
| 参考文献 |
| 附录 A |
| 附录 B |
| 攻读硕士学位期间发表的论文 |
| 参与的科研项目 |
（7）腾飞汽车公司总装车间油液加注流程优化研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景与意义 |
| 1.2 研究方法与内容 |
| 1.3 理论基础和文献综述 |
| 第2章 总装车间油液加注流程现状及问题分析 |
| 2.1 油液加注流程现状 |
| 2.2 油液加注流程存在的问题 |
| 2.3 油液加注流程存在的问题原因分析 |
| 第3章 总装车间油液加注流程优化方案设计 |
| 3.1 油液加注流程优化的目标 |
| 3.2 油液加注流程优化方案 |
| 3.3 油液加注流程效果分析 |
| 第4章 总装车间油液加注流程优化方案保障措施 |
| 4.1 组织与人员保障 |
| 4.2 技术保障 |
| 4.3 制度保障 |
| 结论 |
| 参考文献 |
| 附录 |
| 致谢 |
（8）基于多模态传感数据的诊断预测方法与应用（论文提纲范文）
| 中文摘要 |
| 英文摘要 |
| 1 绪论 |
| 1.1 课题背景及意义 |
| 1.2 研究现状 |
| 1.2.1 时序多模态数据诊断预测案例:疾病诊断预测研究现状 |
| 1.2.2 非时序多模态数据诊断检测案例:工业产品性能预测研究现状 |
| 1.3 本文主要工作 |
| 1.4 论文组织结构 |
| 2 相关理论及技术概论 |
| 2.1 特征提取方法 |
| 2.2 回归及分类预测方法 |
| 2.2.1 高斯过程回归 |
| 2.2.2 支持向量机回归 |
| 2.2.3 集成回归 |
| 2.2.4 K最近邻算法 |
| 2.2.5 朴素贝叶斯分类器 |
| 2.3 中国餐馆过程 |
| 2.4 本章小结 |
| 3 多模态传感数据采集及预处理 |
| 3.1 基于多模态传感数据的诊断预测方法整体结构 |
| 3.2 数据采集 |
| 3.2.1 医疗生理信号采集 |
| 3.2.2 发动机数据采集 |
| 3.3 数据预处理 |
| 3.3.1 数据预处理流程 |
| 3.3.2 数据异常值处理 |
| 3.3.3 数据空缺及降噪处理 |
| 3.3.4 数据标准化及截段处理 |
| 3.4 本章小结 |
| 4 面向时序多模态传感数据的诊断预测模型 |
| 4.1 模型简介 |
| 4.2 二次模式提取 |
| 4.3 模型概率图描述 |
| 4.3.1 区间关系描述 |
| 4.3.2 节点分配 |
| 4.3.3 图的生成 |
| 4.4 实验设置与结果分析 |
| 4.4.1 实验设置 |
| 4.4.2 实验结果与分析 |
| 4.5 本章小结 |
| 5 面向非时序多模态传感数据的诊断预测模型 |
| 5.1 模型简介 |
| 5.2 特征提取方法 |
| 5.3 模型区域加权分类集成方法与实验 |
| 5.3.1 模型区域加权分类集成方法 |
| 5.3.2 实验设置与实验结果 |
| 5.4 模型回归算法动态最优组合机制与实验 |
| 5.4.1 模型回归算法动态最优组合机制 |
| 5.4.2 实验设置与实验结果 |
| 5.5 模型的系统实现 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 附录 |
| A.作者在攻读学位期间发表的论文目录 |
| B.作者在攻读学位期间取得的科研成果目录 |
| C.学位论文数据集 |
| 致谢 |
（9）面向发动机混流装配车间的排序问题研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 1 绪论 |
| 1.1 课题来源 |
| 1.2 背景及意义 |
| 1.3 国内外相关研究现状 |
| 1.4 主要研究内容及框架 |
| 2 发动机混流装配车间排序问题分析 |
| 2.1 发动机混流装配车间生产情况 |
| 2.2 发动机混流装配车间排序问题描述 |
| 2.3 本章小结 |
| 3 基于改进人工蜂群算法的发动机总装线排序问题研究 |
| 3.1 发动机混流总装线排序问题建模 |
| 3.2 面向总装线排序问题的改进人工蜂群算法 |
| 3.3 发动机总装线排序问题实例研究 |
| 3.4 本章小结 |
| 4 基于仿真的发动机多产线关联排序问题研究 |
| 4.1 物流仿真技术介绍 |
| 4.2 发动机装配产线仿真建模 |
| 4.3 基于仿真优化的总装-校车-油封生产线关联排序过程 |
| 4.4 发动机多产线关联排序问题实例研究 |
| 4.5 本章小结 |
| 5 总结与展望 |
| 5.1 全文总结 |
| 5.2 研究展望 |
| 致谢 |
| 参考文献 |
| 附录 |
（10）面向产品装配引导的增强现实虚实融合技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景和研究意义 |
| 1.2 装配过程中的虚实融合问题分析 |
| 1.3 国内外研究现状 |
| 1.3.1 增强现实装配引导技术 |
| 1.3.2 深度图像降噪修复方法 |
| 1.3.3 基于点云的虚实注册技术 |
| 1.3.4 刚性物体检测与位姿估计 |
| 1.3.5 非刚性物体的虚实遮挡 |
| 1.4 论文的主要研究内容及章节安排 |
| 2 基于边界捕捉的深度图像高精度修复方法 |
| 2.1 引言 |
| 2.2 深度图像和彩色图像的快速配准 |
| 2.2.1 深度传感器的标定 |
| 2.2.2 深度图像到彩色图像的映射 |
| 2.3 改进的联合双边滤波器降噪 |
| 2.4 深度图像物体目标边界捕捉 |
| 2.4.1 深度图像边缘点提取 |
| 2.4.2 对应候选点搜索和优化 |
| 2.5 改进的快速行进法边界恢复 |
| 2.5.1 空洞区域分类 |
| 2.5.2 空洞区域填补 |
| 2.6 方法验证与讨论 |
| 2.6.1 算法执行效果定性分析 |
| 2.6.2 算法执行效果定量分析 |
| 2.7 本章小结 |
| 3 基于点云和视觉特征融合的虚实注册方法 |
| 3.1 引言 |
| 3.2 算法基本思想和工作流程 |
| 3.3 装配环境点云生成及预处理 |
| 3.3.1 点云生成 |
| 3.3.2 点云空间索引建立 |
| 3.3.3 Kd-Tree的最近邻搜索 |
| 3.4 装配绝对坐标系建立 |
| 3.5 点云和视觉特征融合的跟踪注册方法 |
| 3.5.1 视觉特征提取与匹配 |
| 3.5.2 融合视觉特征的ICP点云配准 |
| 3.5.3 回环检测与相机位姿全局优化 |
| 3.6 方法验证与讨论 |
| 3.6.1 虚实注册算法执行精度分析 |
| 3.6.2 虚实注册算法执行时间分析 |
| 3.6.3 虚拟装配引导信息的注册结果分析 |
| 3.7 本章小结 |
| 4 基于LINE-MOD模板匹配的刚性物体虚实遮挡处理方法 |
| 4.1 引言 |
| 4.2 算法基本思想和工作流程 |
| 4.3 待装配对象形状描述符离线学习 |
| 4.3.1 多视角零件图像采集 |
| 4.3.2 梯度向量描述符提取 |
| 4.3.3 梯度方向发散 |
| 4.4 待装配对象在线识别 |
| 4.5 待装配对象位姿精确计算 |
| 4.5.1 姿态角估计 |
| 4.5.2 位置估计 |
| 4.6 方法验证与讨论 |
| 4.6.1 算法执行精度分析 |
| 4.6.2 算法执行效率分析 |
| 4.6.3 待装配对象虚实遮挡效果分析 |
| 4.7 本章小结 |
| 5 基于主动表观模型的非刚体虚实遮挡处理方法 |
| 5.1 引言 |
| 5.2 算法基本思想和工作流程 |
| 5.3 基于主动表观模型的非刚体轮廓跟踪 |
| 5.3.1 形状模型构建 |
| 5.3.2 纹理模型构建 |
| 5.3.3 主动表观模型构建 |
| 5.3.4 模型匹配与非刚性物体分割 |
| 5.4 非刚性物体遮挡实现 |
| 5.5 方法验证与讨论 |
| 5.5.1 算法执行效率分析 |
| 5.5.2 非刚性物体虚实遮挡处理效果分析 |
| 5.6 本章小结 |
| 6 面向产品装配引导的增强现实虚实融合原型系统 |
| 6.1 引言 |
| 6.2 原型系统开发与实现 |
| 6.2.1 系统软硬件环境 |
| 6.2.2 系统架构 |
| 6.2.3 系统体系结构 |
| 6.2.4 系统界面 |
| 6.3 系统应用实例 |
| 6.3.1 装配引导应用实例 |
| 6.3.2 装配过程引导及虚实融合应用实例 |
| 6.3.3 用户体验 |
| 6.4 本章小结 |
| 7 总结与展望 |
| 7.1 论文研究总结 |
| 7.2 论文主要创新点 |
| 7.3 未来研究展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间发表的学术论文和参加科研情况 |
四、如何装配没有标记的发动机?（论文参考文献）
- [1]基于机器视觉的线束插装引导及缺陷检测技术研究[D]. 郑重港. 厦门理工学院, 2021(08)
- [2]基于责任卡识别与网络技术的拖拉机整机制造过程质量管理系统研究[D]. 姜超. 浙江大学, 2021(01)
- [3]燃气发动机排气歧管建模及热负荷分析[D]. 易仲威. 中南林业科技大学, 2021(01)
- [4]考虑预防维护的装配流水车间生产调度优化方法研究[D]. 张子凯. 武汉科技大学, 2021
- [5]《现代军用直升机》翻译项目实习报告[D]. 陈雅贤. 青岛大学, 2020(02)
- [6]基于增强现实技术的辅助维修系统设计与实现[D]. 龚雅琼. 东南大学, 2020(01)
- [7]腾飞汽车公司总装车间油液加注流程优化研究[D]. 林禹希. 吉林大学, 2020(08)
- [8]基于多模态传感数据的诊断预测方法与应用[D]. 王丹妮. 重庆大学, 2019(01)
- [9]面向发动机混流装配车间的排序问题研究[D]. 殷风婷. 华中科技大学, 2019(03)
- [10]面向产品装配引导的增强现实虚实融合技术研究[D]. 王月. 西北工业大学, 2018(02)