基于双路FNN网络的固体火箭发动机壳体内缝检测方法研究

摘要：

火箭发动机壳体内部螺纹连接处缝隙的检测精度是衡量其质量的重要指标,由于发动机壳体内表面形貌复杂,因此内缝质量仅靠人工检测不仅效率低而且可靠性差.提出一种基于FNN网络的内缝视觉检测方法,以灰度共生矩阵和PCA算法构造图像的特征参数,训练FNN网络,将火箭发动机壳体内缝的粗加工面与精加工面进行分类,分类识别率98.8％;然后,对两类情况做不同的图像处理,用Sobel算子找到缝隙边缘;最后,通过标定进行包括采集原始图像误差、直线拟合误差的系统误差修正,完成内缝宽度精确测量.实验表明,该方法稳定可靠,能够实现0.1～0.6 mm范围内±0.02mm的识别精度.该方法实现了火箭发动机壳体内部螺纹连接处的高精度测量,为实现产品高效自动生产和质量检测提供了技术保障.

关键词：发动机内缝测量;灰度共生矩阵;PCA;神经网络

所属期刊栏目：44

分类号：TP2(自动化技术及设备)

资助基金：辽宁省自然科学基金2019_KF_01_11

在线出版日期：2021-12-27（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：143-149