摘要:零件表面粗糙度是衡量工件表面质量的重要参数,实际加工中表面粗糙度的影响因数具有复杂性与不确定性。然而在众多因数中,切削参数对表面粗糙度具有显著影响,并且能够在加工中人为控制。因此,选取适合的切削参数,提高工件表面质量是一项非常重要的任务。本文采用均匀设计法进行钛合金TC4的切削实验,利用德国马尔MarSurf M 300C精密型表面粗糙度测量仪测得工件表面粗糙度,然后运用非线性回归求解技术,建立了表面粗糙度的预测模型。采用方差分析法检验预测模型的拟合度及各独立输入参数的显著性,并进行预测误差对比分析。实验结果表明,所建立的回归预测模型预测误差低至0.019%,具有精度高、可靠性强等特点。最后,提出了以最小表面粗糙度为目标,使用遗传算法优化求解技术,建立切削参数优化模型。这项研究的结果为加工表面粗糙度的预测提供理论上的依据,为提高加工表面质量提供切削参数的合理选择。
摘要:为了有效识别在大角度光谱日冕仪图像中的日冕物质抛射(Coronal Mass Ejections,CMEs),提出了一种基于k均值的可以有效处理暗腔的识别方法。首先采用中值滤波进行预处理去除噪声,然后采用k均值聚类算法对差分图像进行初步分类,统计分类后各类别的分布特性,利用该分布特性识别一级分类,成功识别出明显的高亮CME图像和暗腔CME图像;接着采用二次聚类方法,对于识别成无CME的日冕仪图像采用分块策略和极坐标转换算法,然后对其继续k均值聚类,并对二次聚类结果进行统计,利用分布特性完成二级分类。实验结果表明,该算法能从拍摄的日冕仪图像中较有效地检测出CME图像,并能在图像中直接标明和显示出CME区域点,尤其对带暗腔的CME有较好的效果。对于高亮CME给出的具体测量阈值是第三类类心灰度值为200~250,对于暗腔CME给出的具体测量阈值是第一类类心灰度值在120以下,且类内像素点在1000~30000之间。