基于機器學習的鉚接質量數字化檢測系統

郝博,閆俊偉,王杰,郭嵩,尹興超

(1.東北大學機械工程與自動化學院,遼寧沈陽 110819；2.東北大學航空動力裝備振動及控制教育部重點實驗室,遼寧沈陽 110819)

0 前言

隨著機器視覺、模式識別、深度學習等技術的發展以及計算機技術與傳統制造業的結合，機械制造業迎來了新的發展機遇。中國全面推進實施制造強國戰略，要求機械制造業智能化發展。如何實現機械裝配質量診斷更高效、準確，對工業生產的經濟性、安全性和可靠性具有十分重要的意義。機器學習算法與機器視覺技術在質量檢測領域擁有廣闊前景。利用CCD相機采集圖像，經圖像預處理、相關性搜索、特征邊緣提取等操作可以很好地應用于質量檢測領域。除此之外，機器學習中的-近鄰(-NN)算法、決策樹(Decision Tree)算法、樸素貝葉斯(Naive Bayes)算法、支持向量機(SVM)算法、隨機森林(Random Forest)算法等都可以用于機械設備故障診斷，其中支持向量機算法的診斷效果較好。

鉚接工藝在航空制造業領域應用廣泛，飛機裝配過程中大量使用鉚接連接。飛機在飛行過程中一旦鉚接部位出現質量問題，很可能導致飛機故障甚至解體，造成巨大的經濟損失和人員傷亡。在實際檢測中，鉚接質量檢測大多采用傳統人工檢測，檢測效率低、對工人經驗要求高、質量信息難追溯。近年來，很多研究者對鉚接質量檢測進行了研究。胥俊敏、楊賓峰等對遠場渦流傳感器進行優化設計，并將它應用于鉚接檢測。蔣滔等人將改進遺傳算法與OSTU方法相結合，對飛機蒙皮圖像進行分割，采用視覺檢測方法檢測鉚接質量。……