-
题名产教融合背景下数控类课程“课证融通”教学模式探索
被引量:1
- 1
-
-
作者
李达
陈文宪
丁陈灏
王智博
-
机构
浙江东方职业技术学院智能制造学院
浙江理工大学龙港研究院有限公司
-
出处
《南方农机》
2025年第1期187-190,共4页
-
基金
浙江东方职业技术学院2024年度校级教学改革研究项目(DF2024JGYB71)。
-
文摘
“课证融通”作为一种新的教育模式,为产业与教育的深度融合提供了新的思路和方法。文章以“数控编程及加工技术”课程为例,深入探讨了“课证融通”如何促进产教融合人才培养模式的深化。通过与行业机构、认证机构合作,实施联合育人计划,对接专业技能证书,构建实践教学平台,为学生打造全面的学习指导体系,旨在提升学生的实践操作技能和就业竞争力。在产教融合的背景下,通过扎实推进课程教学改革,学生的实际工作能力得到显著增强,为其就业奠定了坚实的基础。实行“课证融通”教学模式,可有效改善“数控编程及加工技术”课程的教学质量,提升学生的专业技能水平,为社会和企业培养更多符合要求的高素质技术技能型人才。
-
关键词
“课证融通”
产教融合
教学模式
数控编程
-
分类号
G712
[文化科学—职业技术教育学]
TG659
[金属学及工艺—金属切削加工及机床]
-
-
题名基于自适应Loess的纱线张力信号处理方法
- 2
-
-
作者
彭来湖
侯良美
齐育宝
汝欣
刘建廷
-
机构
浙江理工大学浙江省现代纺织装备技术重点实验室
浙江理工大学龙港研究院有限公司
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2024年第2期246-254,共9页
-
基金
浙江省“尖兵”“领雁”研发攻关计划项目(2022C01065)。
-
文摘
为保持针织系统中纱线张力的稳定并解决纱线张力检测过程中的噪声干扰问题,提出了一种基于自适应Loess的纱线张力信号优化方法。通过信号特征分析,将纱线张力结果划分为周期性信号、奇异点信号、高频干扰信号和低频耦合干扰信号。为消除这些干扰信号,提出了相应的数据处理方法:限幅滤波去除奇异点信号、低通滤波消除高频干扰信号以及改进的Loess方法去除低频耦合干扰信号。在3种不同情况的张力信号上验证了该方法的可靠性。实验结果显示,自适应Loess算法能有效平滑张力波动,提升信噪比分别达25.014%、27.661%、25.276%,证明了该方法在不同情况下的有效性和稳定性,为针织系统中纱线张力的稳定性和生产效率的提升提供了可行的解决方案。
-
关键词
纱线张力检测
自适应
张力波动
信号优化
干扰信号处理
-
Keywords
yarn tension detection
odaptive
tension fluctuation
signal optimization
interference signal processing
-
分类号
TS181.9
[轻工技术与工程—纺织材料与纺织品设计]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于奇异值分解算法的非接触纱线张力测量
被引量:1
- 3
-
-
作者
蒋静
彭来湖
史伟民
袁豪伟
-
机构
浙江理工大学机械工程学院
浙江理工大学浙江省现代纺织装备技术重点实验室
浙江理工大学龙港研究院有限公司
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2024年第9期204-211,共8页
-
文摘
为解决目前接触式纱线张力检测易对纱线运动产生干扰的现状,设计了基于图像处理的非接触式纱线张力测量系统。使用高速相机结合纱线弦振动理论基础和图像处理技术采集运动状态纱线图像信息。利用奇异值分解算法通过视频图像数据降维、重组振动位移提取、迭代去噪等操作获取振幅频率信息。借助快速傅里叶变换将纱线振动时域特性转换为频域特性并绘制频域图及时域图,最后搭建纱线振动监测实验平台检验算法的可行性和可靠性。结果表明:纱线张力和纱线频率具有正相关性,当纱线张力在50~80 cN之间时,通过对比实验得到算法求解的纱线张力与实际测量的张力绝对误差小于10%,可较好地反映纱线实时张力情况。基于机器视觉的非接触式纱线张力具有安装简单,实时性强,精度高等特点,避免了接触式张力测量方法存在的损伤纱线和测量精度受工艺环境干扰等弊端。
-
关键词
奇异值分解算法
纱线振动
图像处理
纱线张力
非接触式检测
-
Keywords
singular value decomposition algorithm
yarn vibration
image processing
yarn tension
non-contact detection
-
分类号
TH145.2
[一般工业技术—材料科学与工程]
-
-
题名金属盒盖自动扣合装置的优化设计及试验
被引量:1
- 4
-
-
作者
周可
彭来湖
徐步都
李明华
-
机构
浙江理工大学机械工程学院
浙江理工大学龙港研究院有限公司
-
出处
《机电工程》
CAS
北大核心
2024年第2期289-301,共13页
-
基金
浙江省科学技术厅重点研发计划项目(2022C01065)。
-
文摘
金属盒盖包装是现代包装工业的重要组成部分,其仍有较多工序停滞于手工制作阶段,其中包装工序尤为突出。因此,针对当前扣合式金属盒盖包装过程中自动化程度低,以及成品质量参差不齐等问题,设计了一种扣合式金属盒盖自动扣合装置。首先,对物料输送过程进行了运动学及动力学模型分析,确定了装置的工作参数范围;然后,使用ADAMS与Simulink对物料进行了运动学与动力学仿真,证明了滑道缓冲结构与上部挡板约束位置是送料过程稳定的关键;最后,为了寻求最优工作参数,选取试验因素以及响应值,进行了Box-Behnken试验以及对比试验。研究结果表明:该模型的决定系数分别为0.9892和0.9487,并确定了各因素显著性顺序以及最佳工作参数组合,且实际响应值与预测结果误差均小于5%,满足扣合式合盖装置稳定送料、有效扣合的作业需求。该研究可为后续扣合式合盖装置设计提供理论依据,可为企业提供相应的参考模型。
-
关键词
金属包装
试验设计方法
响应面分析方法
Box-Behnken
优化设计
运动学分析
-
Keywords
metal packaging
experimental design method
response surface analysis method
Box-Behnken
optimization design
kinematics analysis
-
分类号
TH122
[机械工程—机械设计及理论]
TB486
[一般工业技术—包装工程]
-
-
题名袜类三维模型生成编织参数方法及其应用
- 5
-
-
作者
汝欣
叶筱
颜才杰
彭来湖
史伟民
-
机构
浙江理工大学浙江省现代纺织装备技术重点实验室
山西大学
浙江恒强科技股份有限公司
浙江理工大学龙港研究院有限公司
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2024年第4期105-110,共6页
-
基金
浙江省公益技术研究计划项目(LGG21E050024)
浙江省科技计划项目(2022C01065)。
-
文摘
对于具有高精度设计要求的压力袜、医疗袜等定制产品,现有定制设计方法仅能保证足长、足高等关键数据准确性,存在无法全方位满足定制用户足部数据要求的问题。基于模拟编织的思想,提出了一种由袜子三维模型全自动生成模拟袜机编织的编织路径图的方法。其中编织路径图的生成方法为:采样点由袜口开始沿着采样轴方向在袜类三维模型表面迭代采样用以模拟圆袜机的逐圈编织,并在采样过程中根据采样轴与三维模型顶点法向量的夹角调整线圈高度,直至完成袜头部分的迭代采样。然后将得到的编织路径图进行编译,得到各线圈圈高参数以及各部段圈数参数。最后以该参数修改WLT-6F袜机编织所需的链文件进行上机编织。对比样品与输入三维模型的尺寸差距,其误差处于4.1%以内。
-
关键词
模拟编织
编制路径图
迭代采样
骨架提取
编织参数
定制袜子
圆袜机编织
-
Keywords
simulated weaving
preparation of path diagram
iterative sampling
skeleton extraction
knitting parameter
custom hosiery
knitting with circular knitting machine
-
分类号
TS941.26
[轻工技术与工程—服装设计与工程]
TP311.5
[自动化与计算机技术—计算机软件与理论]
-
-
题名基于非线性扩散和多特征融合的提花针织物疵点检测
被引量:5
- 6
-
-
作者
史伟民
简强
李建强
汝欣
彭来湖
-
机构
浙江理工大学浙江省现代纺织装备技术重点实验室
浙江理工大学龙港研究院有限公司
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2023年第7期86-94,共9页
-
基金
国家重点研发计划重点专项课题(2017YFB1304005)
浙江省公益技术研究计划项目(LGG21E050024)
+1 种基金
浙江理工大学科研启动基金项目(18022224-Y)
浙江省博士后科研项目特别资助项目(ZJ2020004)。
-
文摘
为解决提花针织物的复杂纹理在疵点检测过程中易造成检测干扰和疵点误判的问题,提出一种基于非线性扩散和多特征融合的疵点检测方法。采用改进PM模型对提花针织物的花纹和强纹理边缘进行抑制,首先利用梯度差异将疵点图像分为纹理区域及疵点区域,然后结合各区域特点选择对应的扩散方程,依据梯度矩阵计算概率子集、相关准则来确定梯度阈值,实现分区域扩散。根据提花针织物的纹理分布特性,提取改进局部二值算法(LBP)、局部熵、局部相关性等表征参数,然后进行去邻域归一化和多特征融合进一步突出疵点区域,最后利用区域生长法定位分割出疵点形态。实验验证了本文预处理方法及疵点检测方法的有效性,通过与其它预处理算法和疵点检测算法进行对比,结果表明本文算法的检测效果最好,对正常织物图像的误检率为3.3%,对含疵点织物图像检测的准确率为98.6%。
-
关键词
提花针织物
PM模型
扩散方程
梯度阈值
改进局部二值算法
去邻域归一化
多特征融合
-
Keywords
jacquard knitted fabric
PM model
diffusion equation
gradient threshold
improved local binary pattern
removed neighborhood normalization
multi-feature fusion
-
分类号
TS181.9
[轻工技术与工程—纺织材料与纺织品设计]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于卷积滤波的接触式纱线张力测量方法
被引量:2
- 7
-
-
作者
彭来湖
刘建廷
李杨
齐育宝
李建强
茅木泉
-
机构
浙江理工大学浙江省现代纺织装备技术重点实验室
浙江理工大学龙港研究院有限公司
杭州高腾机电科技有限公司
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2023年第8期73-80,共8页
-
基金
浙江省博士后科研项目特别资助项目(ZJ2020004)。
-
文摘
为有效保持纱线张力控制系统输出稳定的纱线张力,针对张力测量中出现的不收敛、抖动大、精度低和毛刺较多等问题对张力反馈调节系统的影响,提出一种基于卷积滤波的接触式纱线张力测量方法。首先在悬臂梁正反面粘贴电阻应变片,利用压阻效应将纱线张力信号转化为电压信号进行测量,经过分析可以发现受纱线输送路径环境及传感器结构特性影响,张力信号耦合了低频、高频和奇异噪声,不能直接用于纱线张力控制系统,因此,为解耦真实张力值,在软件控制系统中设计限幅滤波算法滤除奇异噪声;用低通滤波去除高频噪声;用S-G卷积算法去除低频耦合噪声。为验证算法可靠性与实用性,搭建纱线张力测量实验平台,对恒张力和变张力条件下纱线张力测量数据与标准数据进行对比分析。结果表明:该方法可将张力波动控制在0.6%以内,这对复杂工况下的纱线张力检测及张力控制系统具有指导意义。
-
关键词
卷积滤波
悬臂梁
压阻效应
纱线张力
噪声干扰
实时测量
-
Keywords
convolution filtering
cantilever beam
piezoresistive effect
yarn tension
noise interference
real-time measurement
-
分类号
TS181.9
[轻工技术与工程—纺织材料与纺织品设计]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名纬编针织纱线输送状态检测方法及其动态特性
- 8
-
-
作者
彭来湖
章钰娟
吕永法
戴宁
李建强
-
机构
浙江理工大学现代纺织装备技术教育部工程研究中心
浙江日发纺机技术有限公司
浙江理工大学龙港研究院有限公司
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2022年第12期167-172,共6页
-
基金
浙江省重点研发计划项目(2019C01038)
浙江省博士后科研项目特别资助项目(ZJ2020004)。
-
文摘
为解决纬编针织纱线张力大小、直径粗细无法动态检测而导致编织异常的问题,开展了基于光电传感的非接触式纱线输送状态检测方法研究,提出双目式光电感应差分测量方法,创新设计了双路光电组件,构造两路纱线动态感应差分信号对,消除共模信号干扰,以适应纱线状态信号弱信噪比的特点。在此基础上,设计了纱线输送状态检测实验,测试积极式送纱过程中纱线在不同张力和不同直径条件下输送时实时电压信号,分析信号平均值、方差和数值频数分布曲线,分析纬编针织纱线输送的动态特性。结果表明:随着纱线张力的增大,差值信号的平均值和方差在逐渐减小,表明纱线波动幅值在逐渐下降,纱线整体波动趋向平稳;同时,改变纱线粗细会使纱线波动幅值逐渐上升,纱线波动差异逐渐增大,当纱线细度增加到一定值时,纱线波动幅值以及纱线波动差异趋于稳定。
-
关键词
纱线输送
电压信号
纱线张力
光电传感
频数分布
纬编针织机
-
Keywords
yarn delivery
voltage signal
yarn tension
photoelectric sensor
frequency distribution
weft knitting machine
-
分类号
TS184.1
[轻工技术与工程—纺织材料与纺织品设计]
-
-
题名基于横向振动频率的轴向运动纱线张力测量
被引量:5
- 9
-
-
作者
李杨
彭来湖
刘建廷
胡旭东
郑秋扬
-
机构
浙江理工大学浙江省现代纺织装备技术重点实验室
浙江理工大学龙港研究院有限公司
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2023年第6期72-77,共6页
-
基金
浙江省博士后科研项目特别资助项目(ZJ2020004)。
-
文摘
为高效、便捷地检测纱线张力,构建了一种基于横向振动频率的非接触检测纱线张力方法。利用弦振动原理推导出纱线横向振动方程,根据纱线振动方程计算纱线振动频率。以轴向运动纱线的张力、速度和频率的拟合公式,通过测量纱线的振动频率可方便快捷地计算出纱线张力。将计算结果经过广义回归神经网络(GRNN)模型进行拟合,进一步提高测量结果的准确性。采用高速相机测量纱线的横向振动位移,并检测纱线的振动频率。利用频率法对32 tex纱线在设定张力分别为40和60 cN,速度分别为6和2 m/s时的张力进行测量。结果表明,利用振动频率测量纱线张力的数据经GRNN拟合,其曲线整体趋势与张力传感器测量的张力趋势相同且更加平滑,便于对生产过程中张力的控制,该方法具有有效性和准确性。
-
关键词
纱线张力
非接触检测
横向振动
频率
高速相机
-
Keywords
yarn tension
non-contact testing
lateral vibration
frequency
high speed camera
-
分类号
TS181.9
[轻工技术与工程—纺织材料与纺织品设计]
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名密度非均匀分布纬编针织物的变形预测及仿真
被引量:5
- 10
-
-
作者
汝欣
朱婉珍
史伟民
彭来湖
-
机构
浙江理工大学机械与自动控制学院
浙江理工大学浙江省现代纺织装备技术重点实验室
浙江理工大学龙港研究院有限公司
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2022年第6期63-69,78,共8页
-
基金
国家重点研发计划项目(2017YFB1304000)
浙江省公益技术研究计划项目(LGG21E050024)
+1 种基金
浙江理工大学科研启动基金项目(18022224-Y)
浙江省博士后科研项目特别资助项目(ZJ2020004)。
-
文摘
针对不同密度的纬编针织物组织结合形成的织物成品变形明显、成品效果预测难度大的问题,提出了一种密度非均匀分布的纬编针织物的变形预测及仿真方法。基于织物中不同密度成员织物组织的具体分布情况,提出了对应的织物弹簧-质点模型的初始状态的确定方法,在此基础上对质点进行受力分析并建立相应的力学微分方程,通过数值方法求解力学微分方程得到质点位置;基于二维Peirce线圈模型建立NURBS线圈模型,并确定曲线控制顶点和织物圈距、圈高的关系,进一步建立质点-控制点关联式;将质点受力偏移后的位置代入质点-控制点关联式,实现带有曲线线圈形态的密度非均匀分布的纬编针织物变形模拟;将织物仿真图与真实针织样品进行对比,结果表明仿真效果可靠。
-
关键词
密度
纬编针织物
变形预测
弹簧-质点模型
织物仿真
-
Keywords
density
weft knitted fabric
deformation prediction
spring-mass model
fabric simulation
-
分类号
TS186.2
[轻工技术与工程—纺织材料与纺织品设计]
-
-
题名基于深度信念网络的织物疵点检测
被引量:2
- 11
-
-
作者
李杨
彭来湖
李建强
刘建廷
郑秋扬
胡旭东
-
机构
浙江理工大学浙江省现代纺织装备技术重点实验室
浙江理工大学龙港研究院有限公司
-
出处
《纺织学报》
EI
CAS
CSCD
北大核心
2023年第2期143-150,共8页
-
基金
浙江省博士后科研项目特别资助项目(ZJ2020004)。
-
文摘
为提高织物疵点检测精度和效率,提出了一种基于深度信念网络的织物疵点检测方法。用改进的受限玻尔兹曼机模型对深度信念网络进行训练,完成模型识别参数的构建。利用同态滤波方法对图像进行预处理,使疵点图像更加清晰,同时抑制了背景图像。以Python语言,基于TensorFlow框架构建深度信念网络模型,对织物疵点图像进行处理得到学习样本,确定模型激活函数后,分析了各模型参数对织物疵点检测准确率的影响规律,得到激活函数为Relu, Dropout值为0.3,预训练学习率为0.1,微调学习率为0.000 1,批训练个数为64时,模型参数值达到最优。最后,利用在无缝内衣机上采集到的各类疵点图像,对深度信念网络织物疵点检测模型进行验证。结果表明:所提出的织物疵点检测方法能够快速、有效地对织物疵点进行检测和分类识别,准确率达到98%。
-
关键词
织物疵点检测
深度学习
深度信念网络
受限玻尔兹曼机
图像处理
-
Keywords
fabric defect detection
deep learning
deep-belief network
restricted Boltzmann machine
image processing
-
分类号
TS181.9
[轻工技术与工程—纺织材料与纺织品设计]
TP391.4
[自动化与计算机技术—计算机应用技术]
-