-
题名装备维修企业数字化转型探索与实践
被引量:1
- 1
-
-
作者
周博鑫
韩晨
王冰雪
卢斯伟
-
机构
成都航利(集团)实业有限公司
-
出处
《航空维修与工程》
2023年第12期107-109,共3页
-
文摘
以国内某航空发动机维修工厂数字化转型实践为例,探讨数字化的内涵和数字化转型的价值,从广泛的数据采集、统一的数据中心、清晰的业务架构、智能的数据利用、可靠的硬件保证、多维的人才培养、积极的文化建设和共享的知识管理等8个维度提出了装备维修企业数字化转型的路径,并从全员参与、架构引领、试点先行等三个方面阐述了数字化转型的成功要素。通过深入探讨这些关键要素,为装备维修企业数字化转型提供有价值的参考和指导。
-
关键词
数字化转型
装备维修
实施路径
成功要素
-
Keywords
digital transformation
equipment maintenance
practice way
success factor
-
分类号
TP3
[自动化与计算机技术—计算机科学与技术]
-
-
题名基于双边滤波算法下的焊缝跟踪系统研究
被引量:3
- 2
-
-
作者
卢斯伟
胡晓兵
文华
张波
杨雄
-
机构
四川大学制造科学与工程学院
-
出处
《机械》
2017年第7期11-14,23,共5页
-
基金
四川省科技计划项目资助(2015GZ0014
2016GZ0169)
-
文摘
焊缝信息处理是实现焊缝跟踪的重要环节。利用DSP系统的高速图像处理能力,结合现阶段常用的图像预处理算法、二值化处理以及边缘检测算子对焊缝图像信息进行处理,分析比较了均值滤波、中值滤波、高斯滤波和双边滤波算法下的图像处理效果,同时对比了不同滤波条件下二值化图像,并对效果最好的二值化图像采用Canny、Robert、Sobel、Marr-Hildreth边缘检测算子提取边缘。研究结果表明:通过实际处理环节,验证了双边滤波加Canny算子的可行性和有效性。
-
关键词
DSP
焊缝跟踪
图像处理
双边滤波
边缘检测
-
Keywords
DSP
seam tracking
image processing
bilateral filtering
edge detection
-
分类号
TG441
[金属学及工艺—焊接]
-
-
题名插装阀集成块内部流道流场分析研究
被引量:1
- 3
-
-
作者
文华
王玲
殷国富
卢斯伟
张龙飞
-
机构
四川大学制造科学与工程学院
青神格林维尔流体动力控制技术有限公司
-
出处
《机械》
2017年第5期10-13,共4页
-
基金
四川省科技支撑计划项目(2014GZ0127
2015GZ0030)
-
文摘
以设计研发的一种高性能电液比例插装阀为研究对象,应用流体分析软件FLUENT对插装阀集成块中的典型转向流道进行数值模拟研究,分析了流道的工艺孔容腔以及流道的非正交连接方式对集成块内部流场的影响,得到了典型转向流道的的速度矢量图以及压力云图。研究结果表明:在插装阀集成块流道布局允许的前提下,应尽量采用管道正交的连通方法并减少或避免工艺孔容腔的数量,以降低插装阀集成块内部流道的能耗损失。根据模拟仿真结果,优化高性能电液比例插装阀集成块内部的流道结构。
-
关键词
电液比例
插装阀
集成块
流道
工艺孔容腔
仿真
-
Keywords
electro-hydraulic proportion
cartridge valve
hydraulic manifold block
flow channel
the redundant technique-cavities
simulation
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
TH137.52
[自动化与计算机技术—计算机科学与技术]
-
-
题名以装配周期为牵引的某型发动机脉动式修理作业研究
- 4
-
-
作者
代德智
卢斯伟
廖鹏
-
机构
成都航利(集团)实业有限公司
-
出处
《航空维修与工程》
2020年第12期35-37,共3页
-
文摘
为了有效保障发动机的修理质量和周期,某修理工厂对基于装配周期的某型发动机脉动式修理作业进行研究。以发动机装配周期为起点,对各个部件修理成套周期进行逆向计算,并按产品特点和现场条件对各工序间节拍对进行重新定义,更新各部件各个工序的修理周期,从而对各个修理节拍的产能进行灵活控制,最终达到修理周期的动态控制。实践证明,该厂在现有生产模式下进行上述应用是可行的和有效的。
-
关键词
脉动式修理
修理周期
动态控制
-
Keywords
pulsating repair
repair cycle
dynamic control
-
分类号
V263.6
[航空宇航科学与技术—航空宇航制造工程]
-
-
题名SSD模型在门式起重机障碍物检测中的应用
- 5
-
-
作者
胡晓兵
杨雄
卢斯伟
何政霖
郭磊
-
机构
四川大学制造科学与工程学院
中国人民解放军第
浙江亿利达风机股份有限公司
-
出处
《机械》
2019年第2期56-62,共7页
-
基金
四川省科技计划项目(2016KJ0059-2015GZ0014)
四川省科技计划项目(2016KJT0082-2016GZ0162)
-
文摘
针对传统的门式起重机障碍物检测方式与避障手段中易受自然环境、现场条件、后期维护等因素的影响以及功能泛化能力较差的问题,提出了一种基于视觉的SSD模型障碍物检测方法。这种检测方式是一种基于回归方法的深度学习目标检测算法,通过对输入图像进行卷积和池化处理等操作提取特征向量,大大提高了对图片中特征检测准确率。采用VOC数据集中的行人、狗、猫、水杯、自行车图片集加上无障碍轨道图片作为训练集,并且训练过程中结合多尺度图像和多环境背景图像来降低复杂环境对检测的影响。实验结果表明,所提供的方法能够有效地提取本文规定的特征,解决了传统门式起重机障碍物检测方式与避障手段的不足,同时提高了运行过程中的安全性。
-
关键词
门式起重机
障碍物检测
深度学习
SSD模型
-
Keywords
door crane
obstacle detection
deep learning
SSD model
-
分类号
TH21
[机械工程—机械制造及自动化]
TP391.41
[自动化与计算机技术—计算机应用技术]
-