-
公开(公告)号：CN110666458B
公开(公告)日：2021-08-10
申请号：CN201910966651.9
申请日：2019-10-12
Applicant: 江苏科技大学
Abstract: 一种船用螺旋桨加工专用机床，包括作业基础、排屑装置、螺旋桨粗加工装置、螺旋桨精加工装置、螺旋桨安装定位装置与机床驱动装置，作业基础中部开设有用于安放待加工螺旋桨的地坑，螺旋桨安装定位装置设置于地坑内，螺旋桨安装定位装置周围布置有机床驱动装置，机床驱动装置的两端分别布置有用于螺旋桨加工的螺旋桨粗加工装置和用于螺旋桨加工的螺旋桨精加工装置，粗加工装置和精加工装置可同时对螺旋桨的叶根和桨毂进行粗精加工。采用两台加工装置并对称式布局，对螺旋桨叶根桨毂采用立式加工的方法，两台加工装置可同时进行粗加工和精加工，极大的提高加工效率，实现了粗精加工一体化。
-
公开(公告)号：CN110779657B
公开(公告)日：2021-07-13
申请号：CN201911035180.6
申请日：2019-10-29
Applicant: 江苏科技大学
IPC: G01M1/12
Abstract: 本发明提供了一种船用螺旋桨静平衡检测装置及偏重检测方法，所述装置包括集油盘、悬浮机构、定心机构、对中检测机构、防冲击及称重机构、对中检测机构。所述悬浮机构包括承载柱、球头、悬浮球座，所述对中检测机构包括伺服电动缸、传感器底座、力传感器、V型块，所述防冲击及称重机构包括液压千斤顶、称重传感器、保护罩、阻挡环。本发明设计了一种新的对中检测机构，通过伺服电动缸将螺旋桨保持在平衡状态，采集传感器上的数据，再通过上位机计算分解得出桨叶的质偏量，具有测操作简单、智能化程度高、可靠性高等特点，同时设计了防冲击机构，极大地提高了装置的安全性。
-
公开(公告)号：CN112629354A
公开(公告)日：2021-04-09
申请号：CN202011294861.7
申请日：2020-11-18
Applicant: 江苏科技大学
IPC: G01B3/22
Abstract: 本发明公开了一种基于RFID的百分表无序测量装置及方法，该装置包括基准套、数显百分表、RFID读取器、电子标签、发射模块、接收模块和上位机，数显百分表下端安装有RFID读取器，数显百分表上安装有发射模块，且发射模块与上位机连接，基准套固定在检具上，待测工件安装在检具上，基准套内设置有电子标签，当测量时，数显百分表的下端插接到所述基准套内，使得基准套上端面与数显百分表下端面抵接，数显百分表显示测量结果，所述RFID读取器读取电子标签中的标签信息，所述发射模块将测量结果以及标签信息发送至接收模块，接收模块将数据写入上位机；本发明在百分表的基础上设置了测量装置，实现了可以不按照顺序测量点位，减少了工作失误，提高了测量效率。
-
公开(公告)号：CN112536633A
公开(公告)日：2021-03-23
申请号：CN202011429159.7
申请日：2020-12-09
Applicant: 江苏科技大学
IPC: B23Q3/08
Abstract: 本发明公开一种船用柴油机箱体类零件自动化柔性夹具及装夹方法，T型槽平台横向上有间隔设有两个相同的纵向垫块和两个相同的纵向定位块，两个纵向垫块和两个纵向定位块在纵向上面对面；T型槽平台的纵向上有间隔设有两个相同的横向垫块和两个相同的横向定位块，横向垫块和横向定位块在横向上面对面；T型槽平台中间布置相同的纵向推动机构和横向推动机构各六个，通过横向推动和纵向推动机构中的楔块机构，有效克服柴油机箱体提升过程顶升机构刚性差的弊端，只需按照待定位装夹柴油机箱体的结构和尺寸布置定位块、垫块和推动机构的数量和位置，控制液压缸动作即可完成柴油机箱体的定位装夹，可满足不同缸数柴油机箱体的正装和反装。
-
公开(公告)号：CN110793460A
公开(公告)日：2020-02-14
申请号：CN201911075021.9
申请日：2019-11-06
Applicant: 江苏科技大学
IPC: G01B11/24
Abstract: 本发明公开了一种螺旋桨叶片的快速准确定位自动检测装置，本发明的检测机构在螺旋桨的叶面叶背上下布局，可以同时测量叶面叶背两个面，减少螺旋桨的翻面次数，降低总体检测时间，采用快速定心夹紧机构，更好的使螺旋桨与回转平台同心，减少螺旋桨的安装时间，减少定位误差，保证了检测精度，提高检测质量，在检测过程中，回转平台转一个角度后，根据三角公式和回转平台内部的编码器，控制系统获得数据计算，控制系统对各个运动机构发出信号，各个机构在各自的位置都会做出相应的移动，以补偿回转平台的定位误差，采用检测标记延伸机构可以检测到小直径螺旋桨的最小范围也可以检测到大直径螺旋桨的最大范围，极大地提高了检测范围，更具通用性。
-
Patent Agency Ranking
公开(公告)号：CN119940080A
公开(公告)日：2025-05-06
申请号：CN202411837034.6
申请日：2024-12-13
Applicant: 江苏科技大学
IPC: G06F30/27 , G05B13/04 , G01M7/02 , G06F111/06 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种基于多任务交互PINN和全局振动模型的滚柱直线运动导轨振动分析方法，包括以下步骤：(1)设置全局笛卡尔坐标系，定义滑块的五个运动自由度；(2)使用拉格朗日方程描述RLMG系统，生成系统的矩阵形式振动方程；(3)将滚柱体、轨道和滑块间的接触简化为弹簧‑阻尼系统，建立局部接触坐标系；(4)基于刚体运动学计算滚柱体相对滑块的速度和位置变化；(5)通过缩放多自由度耦合方程并无量纲化，将无量纲化的RLMG振动方程引入PINN损失函数，应用软约束编码动力学约束；(6)基于无量纲化选择的时间尺度因子，对原始时间变量进行变换，并输入设计的交互网络进行预测，同时通过硬约束嵌入初值条件，使网络的预测严格满足初始条件；(7)使用梯度算法计算预测输出的导数输入无量纲方程，生成相应的子损失函数。利用行为增强黑翅鸢算法BE‑BKA计算各子损失的最优权重；(8)使用多梯度协同优化方法自适应调整网络权重；本发明以满足工业应用中对实时控制和振动响应预测的需求。
-
公开(公告)号：CN116992758B
公开(公告)日：2024-06-14
申请号：CN202310878291.3
申请日：2023-07-17
Applicant: 江苏科技大学
IPC: G06F30/27 , G06N20/00 , G06N3/006 , G06N3/0464 , G06F111/04
Abstract: 本发明公开了一种基于机器学习的复杂机械智能装配方法，步骤如下：根据企业调研，构建产品模型库；在装配工艺复用的基础上，首先对能进行工艺复用的装配对象进行过滤，对于剩余待识别装配对象，分析影响其装配序列规划的因素，针对各种影响因素制定局部适应性评价函数和全局适应性评价函数；通过SolidWorks二次开发获取剩余待识别装配对象之间的装配关系数据；通过改进人工蜂群算法获取最小全局适应性值所对应的装配序列，该装配序列为待识别装配对象所对应的最优装配序列。本发明通过机器学习实现复杂机械的智能装配，不仅充分利用了企业的优质资源，而且还提高装配工艺生成效率和自动化水平。
-
公开(公告)号：CN110765647B
公开(公告)日：2024-04-23
申请号：CN201911086458.2
申请日：2019-11-08
Applicant: 江苏科技大学
Abstract: 本发明公开了一种前保险杠检具快速设计方法，步骤是：根据前保险杠检测面模拟件的个数对已有案例库中的相似检具进行模块化拆分，并建立各模块中零件的装配约束关系，在满足装配约束关系不变的情况，对检具各模块结构中装配成员进行外轮廓尺寸参数进行关联，形成尺寸关联系统。通过获取待设计前保险杠某个待检测面模拟件和装配成员的外轮廓尺寸参数变化，利用尺寸关联系统，求解出其余未知模拟件和装配成员的外轮廓尺寸值，再将所求解到模拟件和装配成员参数值传递给模型的设计表达式以实现检具模型自适应变型设计调整的快速设计方法，减少了检具设计依赖大量的设计经验，且提高了检具设计效率及资源利用率。
-
公开(公告)号：CN117218192A
公开(公告)日：2023-12-12
申请号：CN202311103136.0
申请日：2023-08-30
Applicant: 江苏科技大学
IPC: G06T7/73 , G06V10/82 , G06F30/27 , G06T15/00 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/74 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开一种基于深度学习与合成数据的弱纹理物体位姿估计方法，对无纹理CAD模型进行渲染得到合成数据，经过融合CBAM模块的5层卷积层组成的自编码器网络得到位姿潜在特征提取网络，制作成码本，将真实测试图像输入到改进的Mask R‑CNN实例分割网络得到包围框信息；对包围框信息进行裁剪，输入位姿潜在特征提取网络得到潜在特征向量；根据潜在特征向量与模板潜在向量计算出余弦相似度，采用k近邻算法得到3D旋转位姿；根据真实测试图像中CAD模型数据的边界框信息得到z轴平移量估计值，采用图像坐标系与相机坐标系的转化关系式得到x轴和y轴上的平移量；提高了网络表达特征的能力，降低计算复杂度，在减少模型参数量的同时提高6D位姿估计识别精度。
-
公开(公告)号：CN116362125A
公开(公告)日：2023-06-30
申请号：CN202310323825.6
申请日：2023-03-29
Applicant: 江苏科技大学
IPC: G06F30/27 , G06F30/17 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q10/04 , G06F119/04 , G06F111/08
Abstract: 本发明公开了一种基于深度学习的涡扇发动机多级预测性维护方法。首先采集涡扇发动机的传感器数据和操作设置数据，进行预处理形成数据集并划分为训练集和测试集。其次将训练集输入C‑Transformer网络中，预测部件剩余寿命,利用分类准则重新为训练集和剩余寿命打标签，从而形成新的训练数据集。然后，将新训练数据集输入卷积神经网络CNN预测部件失效概率并计算系统失效概率，利用试错法得出系统维护等级。最后，将优化模型与MDU‑ABC‑K算法相结合，以总综合成本最小化为目标，输出最优动态维护策略。本发明能够为航空发动机的主动运维提供技术支撑，避免不可预测的故障，降低运营成本，减少意外停机，提高运维效率。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.027 seconds)
