-
公开(公告)号：CN111475892A
公开(公告)日：2020-07-31
申请号：CN202010238895.8
申请日：2020-03-30
Applicant: 浙江大学
Abstract: 本发明公开了一种复杂装备关键部件结构动态特性的稳健均衡设计方法，该方法包括以下步骤：建立复杂装备关键部件结构动态特性的稳健均衡设计模型；采用拉丁超立方法进行采样，通过协同仿真技术获取样本点，建立预测目标和约束函数中复杂装备关键部件结构各动态特性指标值的Kriging模型；利用基于约束性能近似区间与给定区间常数的区间角度重合系数及整体稳健偏离距离的遗传算法进行迭代寻优，直接求得使复杂装备关键部件结构动态特性稳健均衡的设计方案。本发明建立了由关键部件结构目标和约束性能稳健性系数组成的集合，通过该集合中的最小稳健性系数来定义整体稳健偏离距离，实现了混合不确定条件下复杂装备关键部件结构动态特性的稳健均衡设计。
-
公开(公告)号：CN111413887A
公开(公告)日：2020-07-14
申请号：CN202010187646.0
申请日：2020-03-17
Applicant: 浙江大学
IPC: G05B17/02
Abstract: 本发明公开一种复杂产品装配生产线数字孪生系统，该系统包括物理环境部分、虚拟环境部分和虚实纽带部分；物理环境部分为由物理实体组成的产品装配生产线，虚实纽带部分负责物理环境部分与虚拟环境部分的数据交互，虚拟环境部分用于实时映射物理环境部分提供实时监督，同时利用生产过程中实时传输的虚拟环境下的仿真数据共同构成的孪生数据进行分析判断，完成对产线的故障分析诊断决策，以便对产线装备作业动作及流程及时调整修复。本发明实现模块化、类别化，由相对独立的组件组成；基于物理设备与虚拟设备的同步映射与实时交互，形成的设备健康管理新模式，实现快速捕捉故障现象。
-
公开(公告)号：CN110253882B
公开(公告)日：2020-06-30
申请号：CN201910611303.X
申请日：2019-07-03
Applicant: 浙江大学
IPC: B29C64/20 , B29C64/209 , B29C64/336 , B29C64/35 , B33Y30/00 , B33Y40/00
Abstract: 本发明公开了一种新型4D打印系统。装置包括运动装置，喷头装置和送料装置三大主要组成部分。运动装置为龙门式结构，可以带动喷头在三维空间内灵活移动。送料装置由螺杆挤出装置，卷轴，气泵三部分集成。喷头装置分为内部结构和外壳两层，在电机驱动下，内部结构可以相对外壳旋转，从而实现不同出料口和外壳喷头的对接。本发明装置可以在单台装置上实现不同种活性材料的无间断切换打印，节约了打印时间，提高打印效率；同时单喷口结构保证了打印精度，减少了机构冗余。
-
公开(公告)号：CN108319766B
公开(公告)日：2020-06-19
申请号：CN201810057641.9
申请日：2018-01-22
Applicant: 浙江大学
IPC: G06F30/17 , G06F119/14
Abstract: 本发明公开了一种基于生物隐性形状获取的产品形状设计方法。采集若干幅生物图像，对目标生物形状进行标定获取表示目标生物形状的特征点，对特征点处理构建统计分析样本库；对正规化后的形状建立隐性形状统计分析模型并进行统计分析；对隐性特征参数进行调节并重建获得隐性形状和产品形状，分析重建后的隐性形状和产品形状的仿真性能变化获取隐性特征参数物理属性；选择最优的隐性特征参数的数值，获得最终隐性形状；以最终隐性形状进行形状标准化，建立最终产品形状。本发明方法能在设计早期构造出性能良好的产品形状，减少设计后期产品性能分析与优化的迭代工作，提高产品形状设计的质量、缩短产品形状结构设计周期。
-
公开(公告)号：CN111177394A
公开(公告)日：2020-05-19
申请号：CN202010006790.X
申请日：2020-01-03
Applicant: 浙江大学
Abstract: 本发明公开了一种基于句法注意力神经网络的知识图谱关系数据分类方法。主要步骤为：收集复杂装备设计过程的设计文档，由设计文档的文本数据组建设计文档语料库；针对收集到的设计文档的文本数据进行文本预处理；建立基于句法注意力深度神经网络的实体关系分类模型；预处理结果与类别标签输入到模型中进行离线训练；待预测文本数据输入至训练好的基于句法注意力深度神经网络中，预测获得文本数据中关键词文本对应的关系类别结果。本发明自适应地结合语义信息与句法信息，有效提高设计文档文本数据的实体关系类别预测的准确率，还能够推断出模型在预测过程中对语句的依存句法树的哪一部分路径具有更高的权重。
-
Patent Agency Ranking
公开(公告)号：CN111121655A
公开(公告)日：2020-05-08
申请号：CN201911310325.9
申请日：2019-12-18
Applicant: 浙江大学
Abstract: 本发明公开了一种共面等大多孔型工件的位姿与孔径大小视觉检测方法。用双目相机对共面等大多孔型工件进行拍摄采集左右图像，进行圆孔的椭圆检测，获得椭圆的轮廓参数，求解工件表面所在平面在图像上的消影线；根据消影线获得真实投影像点；根据真实投影像点，双目视觉重建出圆孔圆心的空间坐标，再对圆心的空间坐标最小二乘拟合得到工件表面所在平面及其姿态，最后利用椭圆方程和工件表面所在平面得到工件表面圆孔的孔径大小。本发明以较高精度计算出共面等大多孔型工件的空间位姿与表面圆孔孔径大小，避免了人工测量的繁琐与复杂检测设备的造价昂贵与难以维护性。
-
公开(公告)号：CN107016173B
公开(公告)日：2020-04-17
申请号：CN201710173549.4
申请日：2017-03-22
Applicant: 浙江大学
IPC: G06F30/17 , G06F119/02
Abstract: 本发明公开了一种考虑概率和区间不确定性的高速压力机底座动态特性的可靠性设计方法。包括以下步骤：选择在区间变量影响下可靠度的最小值作为可靠性指标，建立高速压力机底座动态特性的概率‑区间混合可靠性设计模型；采用拉丁超立方采样和协同仿真技术获得足够样本点；构建高速压力机底座动态特性对应的功能函数的多项式响应面模型；结合遗传算法和验算点法对概率‑区间混合可靠性设计模型进行双层嵌套优化，当在区间变量影响下可靠度的最小值达到可靠性要求且功能函数达到精度要求时，输出概率‑区间混合可靠性设计模型的最优解。本发明方法不仅可以满足底座的可靠性设计要求，也可以保持较高的计算效率，获得准确可靠的计算结果。
-
公开(公告)号：CN110480637A
公开(公告)日：2019-11-22
申请号：CN201910746529.0
申请日：2019-08-12
Applicant: 浙江大学
IPC: B25J9/16
Abstract: 本发明公开了一种基于Kinect传感器的机械臂零件图像识别抓取方法。采用张正友标定法对Kinect传感器的彩色相机和红外相机进行标定和配准；对机械臂和Kinect传感器进行手眼标定，采用Tsai两步法求解获得手眼变换矩阵；将Kinect传感器获得的待抓取零件的点云图预处理得到RGD图像，预先建立基于卷积神经网络方法的栅格化抓取位置检测模型，通过输入待抓取零件的RGD图像，得到待抓取零件在图像空间的抓取位置；根据手眼变换矩矩阵和机械臂逆解算法，将图像空间的抓取位置映射为机械臂抓取位姿和关节角，控制机械臂按照执行抓取任务。本发明方法从零件RGB-D图像中检测到可行抓取位置，速度较快，结果可靠，检测模型泛化性能较好，稳定性高。
-
公开(公告)号：CN110390648A
公开(公告)日：2019-10-29
申请号：CN201910564024.2
申请日：2019-06-24
Applicant: 浙江大学
IPC: G06T5/00
Abstract: 本发明公开了一种基于非饱和与饱和高光区分的图像高光去除方法。对于色彩平衡的高光图像，本发明按照漫反射、非饱和高光反射和饱和高光反射的分类标准对图像中的像素进行分类，获得高光图像的像素分类结果；对图像中的非饱和高光反射像素采用镜面分量分离的方法实现高光去除，对饱和高光像素区域采用样本块匹配方法来实现饱和高光像素的信息修复，而对图像中的漫反射像素不作处理，通过合并三种分类像素的结果数据获得不含有高光成分的图像。本发明方法可有效消除图像中的高光，同时不改变原图像中目标的色度信息，处理不同强度的高光分量时鲁棒性强，避免了传统的高光去除算法同时处理饱和与非饱和高光容易失效的问题。
-
公开(公告)号：CN110355608A
公开(公告)日：2019-10-22
申请号：CN201910650328.0
申请日：2019-07-18
Applicant: 浙江大学
Abstract: 本发明公开了一种基于自注意力机制与深度学习的刀具磨损量预测方法。数控机床加工中安装测力计、加速度传感器和声传感器，采集铣削过程中的切削力、振动信号和声音信号，并测量刀具磨损量；对传感器测量数据进行预处理，与刀具磨损量标签组成训练数据；建立基于自注意力机制与深度学习的神经网络预测模型，包含自注意力层、双向长短时记忆网络和全连接网络；将训练数据输入预测模型中训练预测模型；将测试数据输入训练好的预测模型中，实时地预测刀具的磨损量。本发明充分挖掘了传感器测量数据中与刀具磨损相关的特征信息，并提取了不同时刻传感器测量数据之间的依赖关系，可以对刀具磨损量进行实时预测。
-
-
-
-
-
-
-
-
-
Search Results
367
records
(took 0.03 seconds)
