可重构线驱动连续型机器人

    公开(公告)号:CN108858221B

    公开(公告)日:2021-04-20

    申请号:CN201810752395.9

    申请日:2018-07-10

    Abstract: 本发明属于机器人技术领域,涉及可重构线驱动连续型机器人,主要由端部连接结构、柔性臂末端结构、驱动装置和外层保护装置组成。驱动线快拆卡锁及柔性支撑快拆卡锁是一种快速拆卸连接结构,实现多节连续型柔性臂的可重构连接;过线卡盘将驱动线的驱动力传递至柔性支撑骨架对应的位置处,保证连续型机器人的柔顺变形;外层保护装置为可拆装式,保护柔性臂节的内部结构;采用分布式的驱动装置布置方式,将驱动电机内置,避免了连续型机器人基座处驱动装置过于庞大的问题。本发明可实现连续型机器人柔性臂节的可重构目标,结合每个柔性臂节根部的驱动电机‑绳索驱动装置协同工作,实现连续型机器人整体的复杂三维空间运动,并且控制简单、易于操作。

    可重构线驱动连续型机器人

    公开(公告)号:CN108858221A

    公开(公告)日:2018-11-23

    申请号:CN201810752395.9

    申请日:2018-07-10

    Abstract: 本发明属于机器人技术领域,涉及可重构线驱动连续型机器人,主要由端部连接结构、柔性臂末端结构、驱动装置和外层保护装置组成。驱动线快拆卡锁及柔性支撑快拆卡锁是一种快速拆卸连接结构,实现多节连续型柔性臂的可重构连接;过线卡盘将驱动线的驱动力传递至柔性支撑骨架对应的位置处,保证连续型机器人的柔顺变形;外层保护装置为可拆装式,保护柔性臂节的内部结构;采用分布式的驱动装置布置方式,将驱动电机内置,避免了连续型机器人基座处驱动装置过于庞大的问题。本发明可实现连续型机器人柔性臂节的可重构目标,结合每个柔性臂节根部的驱动电机‑绳索驱动装置协同工作,实现连续型机器人整体的复杂三维空间运动,并且控制简单、易于操作。

    一种穿流塔板式载气蒸发浓缩丙烯酰胺水溶液的设备及方法

    公开(公告)号:CN1244548C

    公开(公告)日:2006-03-08

    申请号:CN200310119004.3

    申请日:2003-12-07

    Abstract: 本发明属于化工设备技术领域,涉及一种穿流塔板式载气蒸发浓缩丙烯酰胺水溶液的方法与设备。本发明是以多层由水平加热管排组成的穿流塔板所构成的穿流塔板式载气蒸发塔,来进行丙烯酰胺的蒸发浓缩过程,设备由塔体、穿流塔板、进出料口、进排气口组成。塔体的下部设置进气口,底部设置出料口。在塔体内设置多层穿流塔板,每层穿流塔板由两排水平加热管组成,加热管与加热蒸汽腔和蒸汽冷凝液排出腔连通,可连续进行蒸发浓缩。工作时,加热蒸汽通入加热管提供热量,使料液受热蒸发。在塔底,由进气口引入大量的空气,上升通过穿流塔板,与料液接触,携出蒸发出来的水蒸气,有效地避免了丙烯酰胺料液的聚合,由于塔内气相系于塔顶由真空泵抽出,塔内为负压操作,避免了塔内丙烯酰胺的泄露造成环境污染。本发明可广泛应用于丙烯酰胺水溶液的蒸发浓缩。

    一种穿流塔板式载气蒸发浓缩丙烯酰胺水溶液的设备及方法

    公开(公告)号:CN1546460A

    公开(公告)日:2004-11-17

    申请号:CN200310119004.3

    申请日:2003-12-07

    Abstract: 本发明属于化工设备技术领域,涉及一种穿流塔板式载气蒸发浓缩丙烯酰胺水溶液的方法与设备。本发明是以多层由水平加热管排组成的穿流塔板所构成的穿流塔板式载气蒸发塔,来进行丙烯酰胺的蒸发浓缩过程,设备由塔体、穿流塔板、进出料口、进排气口组成。塔体的下部设置进气口,底部设置出料口。在塔体内设置多层穿流塔板,每层穿流塔板由两排水平加热管组成,加热管与加热蒸汽腔和蒸汽冷凝液排出腔连通,可连续进行蒸发浓缩。工作时,加热蒸汽通入加热管提供热量,使料液受热蒸发。在塔底,由进气口引入大量的空气,上升通过穿流塔板,与料液接触,携出蒸发出来的水蒸气,有效地避免了丙烯酰胺料液的聚合,由于塔内气相系于塔顶由真空泵抽出,塔内为负压操作,避免了塔内丙烯酰胺的泄露造成环境污染。本发明可广泛应用于丙烯酰胺水溶液的蒸发浓缩。

    一种结合深度强化学习和启发式算法的旅行商问题求解方法

    公开(公告)号:CN119106778A

    公开(公告)日:2024-12-10

    申请号:CN202411127945.X

    申请日:2024-08-16

    Abstract: 本发明提出一种结合深度强化学习和启发式算法的旅行商问题求解方法,包括:将学习改进启发式算法求解旅行商问题的任务定义为一个马尔可夫决策过程;设计一个基于Transformer的新模型M,使策略网络参数化,并引入一个动作丢弃机制来防止动作选择过拟合;提出一个结合模拟退火机制的深度强化学习方法(RL‑SA)来学习节点对操作算子的选择策略以实现改进2‑opt算法的性能;RL‑SA利用鲸鱼优化算法生成初始解来提高采样效率,并使用高斯扰动策略来解决强化学习中的稀疏奖励问题。本发明在TSPLIB数据集和真实的集装箱班轮航运数据集上均显著优于现有的基于学习的方法,并进一步缩小了与高度优化求解器之间的差距。

    基于可解释注意力机制的航空发动机气路部件剩余寿命估计方法

    公开(公告)号:CN116562158A

    公开(公告)日:2023-08-08

    申请号:CN202310541797.5

    申请日:2023-05-15

    Abstract: 本发明公开了基于可解释注意力机制的航空发动机气路部件剩余寿命估计方法,包括:1)收集设备状态监测数据并进行归一化的预处理,并划分训练集和验证集;2)构建基于可解释注意力的剩余寿命预测深度模型,包括空间注意力、时序注意力、多分位数输出模块等;3)划分数据输入批次,选取优化器,设置训练超参数并进行模型训练;4)使用测试集或同类设备的数据验证能否有效估计剩余寿命;5)对获得的空间、时序注意力权重进行分析,验证能否定位到退化的设备组件和对剩余寿命影响较大的时段。本发明在获得剩余寿命预测值的同时,能对判断退化组件和严重退化时段提供决策支持,进一步提高了深度学习方法在剩余寿命预测任务中的可解释性。

Patent Agency Ranking