金属粉末激光熔化成形系统铺粉装置

    公开(公告)号:CN103276390A

    公开(公告)日:2013-09-04

    申请号:CN201310213068.3

    申请日:2013-05-31

    申请人: 重庆大学

    IPC分类号: C23C24/10

    摘要: 本发明公开了一种金属粉末激光熔化成形系统铺粉装置,包括工作台和用于将金属粉末刮铺于所述工作台的刮粉装置,工作台包括沿铺粉方向依次设置的供粉仓和加工仓,供粉仓沿铺粉方向的横向被分隔为至少两个供粉隔仓,加工仓内沿铺粉方向的横向被分隔为与供粉隔仓一一等宽对应的至少两个加工隔仓,供粉隔仓的仓底和加工隔仓的仓底分别可沿各自隔仓内壁滑动,本发明的金属粉末激光熔化成形系统铺粉装置,可在不同的供粉隔仓内装入不同材料的金属粉末并在加工时刮铺于加工仓的仓底,实现在同一次加工任务中完成不同材料的零件的加工,可提高加工的灵活性和功能性,并且无需更换金属粉末,与现有技术相比,在加工不同材料的零件时可大大提高加工效率。

    多股螺旋弹簧减震器
    92.
    发明公开

    公开(公告)号:CN102128233A

    公开(公告)日:2011-07-20

    申请号:CN201110045731.4

    申请日:2011-02-25

    申请人: 重庆大学

    IPC分类号: F16F13/00 F16F3/04 F16F3/07

    摘要: 一种多股螺旋弹簧减震器,主要由减震弹簧(3)、缓冲弹簧(8)、中间筒管(5)、外筒(9)、活塞管(7)、端盖(1)、挡圈(11)、防尘盖(4)构成,其中,减震弹簧为多股螺旋弹簧,缓冲弹簧为单股螺旋弹簧或多股螺旋弹簧。本发明的多股螺旋弹簧减震器的硬度会随车辆载重及自重的变化而动态变化,从而具有比单股螺旋弹簧更佳的减震效果;同时,因多股螺旋弹簧的机构特点,所述多股螺旋弹簧减震器具有更长的使用寿命和稳定性。采用本发明的多股螺旋弹簧减震器可广泛应用于汽车、摩托车、电动车等车辆的减震系统中。

    三阶非线性光学性碲基复合薄膜及其制备方法

    公开(公告)号:CN101838112A

    公开(公告)日:2010-09-22

    申请号:CN201010162549.2

    申请日:2010-04-30

    申请人: 重庆大学

    IPC分类号: C03C17/22 G02B1/10 G02F1/355

    摘要: 本发明公开了一种三阶非线性光学性碲基复合薄膜及其制备方法,为SiO2颗粒之间嵌有TeO2和/或Te形成的Te/TeO2-SiO2复合薄膜结构,薄膜采用电化学诱导溶胶-凝胶方法制成,复合薄膜结构具有良好的非线特性,三阶非线性光学极化率χ(3)达到10-8esu以上;通过TeO2-SiO2透明复合溶胶采用电化学方法制备Te/TeO2-SiO2复合薄膜,利用电化学诱导从溶胶中析出TeO2和/或Te,与SiO2形成膜,达到形成Te/TeO2-SiO2复合薄膜结构的目的,工艺简单;通过TeO2-SiO2透明复合溶胶-凝胶采用真空镀膜的方法制备Te/TeO2-SiO2复合薄膜,利用热处理的温度控制,调控凝胶粉末中的组成和结构,达到形成Te/TeO2-SiO2复合薄膜结构的目的,工艺简单可靠可靠,膜层厚度均匀。

    数控滚齿机热变形误差补偿方法

    公开(公告)号:CN101797704A

    公开(公告)日:2010-08-11

    申请号:CN200910250885.X

    申请日:2009-12-31

    IPC分类号: B23Q23/00

    摘要: 一种数控滚齿机热变形误差补偿方法,其具体步骤是:1、数控滚齿机在加工过程中,采用温度与位移传感器在线检测出温度与热变形位移变量值,2、运用模糊聚类分析方法,计算出温度与位移变量线性相关系数,对温度变量进行分类优选,确定出建模所用的位移变量Xi与优选的p个温度自变量T1、T2、T3、…、Tp,3、采用多元线性回归-最小二乘法,建立热误差与温度变量的数学模型,4、通过零编程系统来实现数控滚齿机热变形误差在线实时补偿。本发明的方法解决了数控滚齿机加工齿轮的热变形误差问题,通过对数控滚齿机进行在线实时误差补偿,从而提高齿轮加工质量、精度和效率,减少废品率,节约成本和缩短加工周期。

    一种基于时序数据预测的异常检测方法

    公开(公告)号:CN118171214A

    公开(公告)日:2024-06-11

    申请号:CN202410349385.6

    申请日:2024-03-26

    申请人: 重庆大学

    摘要: 本发明涉及一种基于时序数据预测的异常检测方法,它包括利用维度独立解耦多维时间序列的复杂性,得到多个单变量的时间序列;利用平均池化方法进行序列分解,得到有更准确知识的趋势性序列和可能带有噪声和异常的季节性序列;对于趋势性序列和季节性序列采用相同的标准化和分割操作,得到标准化后的数据块;结合对趋势性数据块使用基于点积注意力的全量预测和对季节性序列使用基于稀疏注意力的稀疏预测结果,得到最终预测值;计算实际值与预测值之间的预测误差,并基于极值理论生成动态阈值,从而通过对比阈值与预测误差实现异常检测。该方法在无标记的情况下实现了对多维时间序列的异常检测且检测准确率高。