-
公开(公告)号：CN115625544A
公开(公告)日：2023-01-20
申请号：CN202211272502.0
申请日：2022-10-18
申请人： 大连理工大学 , 北京星航机电装备有限公司
摘要： 本发明属于装夹技术领域，提出一种面向金属蜂窝芯的热电制冷冰冻固持系统。该系统包括冰冻固持装置、水循环装置、可控热电制冷装置；本发明将金属蜂窝芯完全浸没绿色环保的水中，利用冻结后的冰对蜂窝芯进行约束装夹，相比于传统机械装夹方式，冰冻固持不会使蜂窝芯产生装夹应力，同时能够提升蜂窝芯的面内刚度。本发明首次针对冻结层的导热系数低的问题，在夹具内对应蜂窝芯孔的位置设置导热棒，旨在提升制冷冻结效率，同时采用可控的热电制冷装置，通过PID算法对半导体制冷片的输出功率进行调整，保证固持过程中温度的稳定，保证夹具内的温度维持在目标温度。
-
公开(公告)号：CN112614216A
公开(公告)日：2021-04-06
申请号：CN202011414702.6
申请日：2020-12-04
申请人： 大连理工大学 , 北京星航机电装备有限公司
摘要： 本发明属于点云精简算法技术领域，提供了一种变曲率自适应点云数据下采样方法。该方法首先通过GPU并行计算实现模型点云局部曲面高精度拟合，得到模型点云曲率分布；基于正态分布的3原则获取曲率梯度；基于八叉树，对模型实现最小特征保留的最优网格划分，得到底层待处理单元；根据处理单元的点云密度以及曲率均值，计算待处理单元的密度权值和曲率权值；生成点云处理单元的关联权值并生成系统抽样的精简标准，根据自适应的系统抽样对每一个待处理单元进行精简，实现大尺寸模型点云数据的下采样任务。
-
公开(公告)号：CN115846742A
公开(公告)日：2023-03-28
申请号：CN202211672433.2
申请日：2022-12-26
申请人： 大连理工大学 , 北京星航机电装备有限公司
IPC分类号： B23C5/10
摘要： 本发明属于蜂窝加工技术领域，提出一种加工高温合金蜂窝芯的不等齿距圆弧刃立铣刀。加工高温合金蜂窝芯的不等齿距圆弧刃立铣刀包括刀柄和切削刃部分，切削刃部分设置六个螺旋状的周刃以及对应的六个端刃，周刃的螺旋角β在35°‑45°之间，周刃之间设有螺旋状排屑槽，端刃的端刃第一后角为8°，端刃第二后角为18°，端刃前角为8°，各端刃之间的夹角为θ1‑θ6，刀尖圆弧0.4mm。采用上述结构后，本发明所述立铣刀对高温合金蜂窝芯进行加工时，既能保证蜂窝芯的加工质量，同时也减小了加工中的振动，增强了刀具耐崩刃性和耐磨性，延长了刀具的使用寿命。
-
公开(公告)号：CN112614216B
公开(公告)日：2022-10-04
申请号：CN202011414702.6
申请日：2020-12-04
申请人： 大连理工大学 , 北京星航机电装备有限公司
摘要： 本发明属于点云精简算法技术领域，提供了一种变曲率自适应点云数据下采样方法。该方法首先通过GPU并行计算实现模型点云局部曲面高精度拟合，得到模型点云曲率分布；基于正态分布的3原则获取曲率梯度；基于八叉树，对模型实现最小特征保留的最优网格划分，得到底层待处理单元；根据处理单元的点云密度以及曲率均值，计算待处理单元的密度权值和曲率权值；生成点云处理单元的关联权值并生成系统抽样的精简标准，根据自适应的系统抽样对每一个待处理单元进行精简，实现大尺寸模型点云数据的下采样任务。
-
公开(公告)号：CN117697533A
公开(公告)日：2024-03-15
申请号：CN202311563836.8
申请日：2023-11-22
申请人： 大连理工大学
IPC分类号： B23Q17/09 , G06F18/10 , G06N3/0442 , G06N3/08
摘要： 一种基于长短时记忆神经网络‑机理混合驱动的刀具磨损在线监测方法，采集主轴振动信号，去噪，划分训练集和测试集；采用长短时记忆神经网络构建刀具磨损数据驱动监测网络；利用训练集数据训练数据驱动监测网络，获得刀具磨损数据驱动监测模型，并保存模型相关参数。基于刀具磨损规律，构建机理驱动的刀具磨损状态误分类判断模型。将实际加工过程中实时采集的振动信号经数据预处理后输入刀具磨损数据驱动监测模型中，获得对应信号的刀具磨损状态，并以获得连续三个刀具状态为一组输入机理驱动的误分类判断模型，获得最终的刀具磨损状态。本方法能有效降低因监测数据随机干扰导致的数据驱动监测模型出现误分类的情形，显著提高了监测结果的可靠性。
-
公开(公告)号：CN117330315A
公开(公告)日：2024-01-02
申请号：CN202311628790.3
申请日：2023-12-01
IPC分类号： G01M13/045 , G06N3/096 , G06F18/2411 , G06F18/214
摘要： 本发明公开了一种基于在线迁移学习的旋转机械故障监测方法，属于设备运行状态监测领域。该方法包括以下步骤：S1：在待监测设备上布置三向振动传感器，获取正常运行时的振动信号；S2：将S1中的数据进行快速傅里叶变换，得到模型训练样本；S3：离线训练基于SSAE‑SVM的两阶段故障监测模型；S4：部署监测模型，根据模型监测结果生成在线目标域训练数据；S5：计算源域数据与在线目标域数据集在SSAE深层特征的Coral距离，微调目标域SSAE参数；S6：利用在线故障数据训练基于偏二叉树SVM的多分类监测模型。本发明利用在线数据持续更新无监督预训练模型，提升了负向数据缺乏情况下监测模型的准确性。
-
公开(公告)号：CN117056849A
公开(公告)日：2023-11-14
申请号：CN202311315818.8
申请日：2023-10-12
IPC分类号： G06F18/2433 , G06F18/2411 , G06F18/2131 , G06F18/214 , G06F18/25 , G06N3/0455 , G06N3/048 , G06N3/088 , G07C3/00 , G06F123/02
摘要： 本发明公开了一种无监督的复杂机械设备异常状态监测方法及系统，首先，确定故障敏感部件，采集数据；然后通过运行状态识别算法自动提取所述数据，并划分训练样本，将所述训练样本进行快速傅里叶变换成为多源信号融合样本，将所述多源信号融合样本作为堆叠稀疏自编码器的输入数据；随后建立基于所述堆叠稀疏自编码器的数据提取模型；最后训练基于支持向量数据描述的单分类模型用于所述复杂机械设备异常状态监测。本发明利用复杂机械设备工业数据集进行无监督训练，节省了人工特征提取与数据标注的高昂成本，降低了异常数据缺乏对监测模型准确度的影响，可以应用于复杂机械高强度间歇运动需求，对设备监测健康状态技术的应用及推广具有较大意义。
-
公开(公告)号：CN117001423A
公开(公告)日：2023-11-07
申请号：CN202311267089.3
申请日：2023-09-28
IPC分类号： B23Q17/09
摘要： 本发明提供了一种基于进化学习的刀具状态在线监测方法，属于机械加工状态监测技术领域。首先使用初始刀具状态样本数据集有监督训练深度学习模型，并使用无监督聚类算法，从而生成初始有监督学习模型和初始无监督学习模型；然后不断的在线采集刀具状态样本数据集；再然后将所述刀具状态样本数据集同时输入到所述初始有监督学习模型和所述初始无监督学习模型中，利用生成的所述新的刀具状态样本数据集去更新所述初始有监督学习模型和所述初始无监督学习模型，完成在线进化学习；最后进行验证。本发明能自动识别刀具状态，可有效解决深度学习模型难以适用于刀具状态在线监测以及刀具状态标签不足的问题，极大提高了刀具状态在线监测的准确性。
-
公开(公告)号：CN115647860B
公开(公告)日：2023-09-19
申请号：CN202211279580.3
申请日：2022-10-19
申请人： 大连理工大学
摘要： 本发明属于沟槽加工与检测装备技术领域，提供了一种筒体类零件内孔沟槽加工与检测装备。转动式悬臂结构与双槽口刀具导轨配合，可减小其在加工时的振动和变形；刀杆、进给杆与双槽口刀具导轨等加工装置采用双刀对称结构，可高效加工周向对称分布的内孔沟槽，刀杆和进给杆与双槽口刀具导轨精密配合，保证内孔沟槽的加工精度；内孔沟槽加工完成后可直接在检测工位上进行在机测量，通过传动装置带动激光传感器对不同位置的内孔沟槽进行测量，检测内孔沟槽的加工质量。本发明解决了大长径比筒体类零件深孔沟槽以及变截面沟槽难以加工、加工效率低、加工精度低且检测困难的问题，实现了加工与测量一体化，缩短了加工与检测周期。
-
公开(公告)号：CN115647860A
公开(公告)日：2023-01-31
申请号：CN202211279580.3
申请日：2022-10-19
申请人： 大连理工大学
摘要： 本发明属于沟槽加工与检测装备技术领域，提供了一种筒体类零件内孔沟槽加工与检测装备。转动式悬臂结构与双槽口刀具导轨配合，可减小其在加工时的振动和变形；刀杆、进给杆与双槽口刀具导轨等加工装置采用双刀对称结构，可高效加工周向对称分布的内孔沟槽，刀杆和进给杆与双槽口刀具导轨精密配合，保证内孔沟槽的加工精度；内孔沟槽加工完成后可直接在检测工位上进行在机测量，通过传动装置带动激光传感器对不同位置的内孔沟槽进行测量，检测内孔沟槽的加工质量。本发明解决了大长径比筒体类零件深孔沟槽以及变截面沟槽难以加工、加工效率低、加工精度低且检测困难的问题，实现了加工与测量一体化，缩短了加工与检测周期。
-
-
-
-
-
-
-
-
-
搜索结果
228 条记录 (耗时 0.061 秒)
