-
公开(公告)号:CN101183049A
公开(公告)日:2008-05-21
申请号:CN200710168724.7
申请日:2007-12-10
Applicant: 华中科技大学
Abstract: 本发明提供了一种数控铣床误差自动测量装置,包括杠杆式电感测步距规、杠杆式电感测位仪、夹持机构和数据采集与处理器;杠杆式电感测位仪的测头与步距规的测量基准面接触,杠杆式电感测位仪的夹持端与夹持机构的夹持端相连接;杠杆式电感测位仪与数据采集与处理器相连接,用于向数据采集与处理器传输位移信号。本发明提高数控铣床误差测量的效率,降低误差测量、评价及补偿操作的复杂性和误差测量成本。
-
公开(公告)号:CN1966200A
公开(公告)日:2007-05-23
申请号:CN200610125056.5
申请日:2006-11-16
Applicant: 华中科技大学
IPC: B23K37/053 , B23K26/20 , B21C37/08
Abstract: 一种采用钢带包扎、具有装配间隙机械收紧功能的、将卷圆后的板材沿纵向焊接成圆筒的装焊夹具。该装焊夹具的包括:作为基体的机架,芯轴、用于板材焊边定位的定位块,钢带收紧被焊零件用定位后,该定位块将被拆卸,钢带收紧装置安装于夹具体的导轨上,由钢带、蜗轮蜗杆机构、张紧轮系组成,可两边收紧钢带,并可在纵向移动,以适应工件的长短;夹紧装置由压板、楔形块、气缸组成,用于将开口圆筒两开口边夹紧在芯轴上。本发明具有定位准确、装夹可靠方便、效率高等特点,尤其适合板材圆筒型零件的激光焊接。
-
公开(公告)号:CN1595318A
公开(公告)日:2005-03-16
申请号:CN200410013347.6
申请日:2004-06-23
Applicant: 华中科技大学
IPC: G05B19/18 , G05B19/401 , G05B19/402
Abstract: 本发明公开了一种三维步距规,即一种可精确测定数控机床(或其它数控设备)空间定位精度的装置。包括底板、组合传感器和n个三棱锥或三棱台;底板下装有三个支撑点,底板上有三条基准边,其中二条基准边平行于三个支撑点所确定的平面;所有三棱锥或三棱台均固定在底板上,其中一个三棱锥作为检测和标定的基准,所有三棱锥或三棱台上均有坐标位置及其工作面的方向系数;组合传感器由三个并联的微位移传感器构成,用于在数控机床上分别测定对应于各指令位移的实际位移相对于各三棱锥或三棱台的空间位置偏差,以测定该数控机床在诸离散点处的三维定位精度。此装置适用于检测量大面广的中、低档数控设备的三维定位精度。
-
公开(公告)号:CN112668862B
公开(公告)日:2025-03-11
申请号:CN202011544761.5
申请日:2020-12-23
Applicant: 华中科技大学
IPC: G06Q10/0639 , G06Q50/04
Abstract: 本发明属于生产线生产技术领域,具体涉及一种生产线的适应性量化评估方法,包括:根据待评估生产线生产参数及各种生产参数统计分布信息,建立生产线离散事件仿真模型;根据生产线每种干扰环境及其应对措施对模型进行多次仿真实验,得到该干扰环境下各评价指标的多个值;对各干扰环境下每种评价指标的多个值之间统计分析,得到各干扰环境下该评价指标的适应性数值;基于各种评价指标的权重,对每种干扰环境下各评价指标适应性数值之间进行加权求和,得到该干扰环境下生产线总适应性数值;由各干扰环境的总适应性数值,量化确定待评估生产线的适应性。本发明评估方法可在设计和运行阶段使用,使产线在实际生产中具有更好的适应性,通用性强。
-
公开(公告)号:CN115100120B
公开(公告)日:2024-09-24
申请号:CN202210624077.0
申请日:2022-06-02
Applicant: 华中科技大学
Abstract: 本发明属于神经网络特征提取相关技术领域,其公开了一种增强神经网络特征多样性的缺陷检测方法及系统,方法包括:将待检测图像输入第一神经网络特征提取模块和第二神经网络提取模块,以提取不同维度的图像缺陷特征;采用特征差异性损失函数计算上述两提取模块提取到的图像缺陷特征之间的差异性损失,基于分割损失和差异性损失构建训练函数;采用训练函数对两种神经网络提取模块、以及两种神经网络提取模块提取结果的融合解码过程进行训练,直至收敛,得到缺陷图像。本申请提出一种能够提取不同特征的神经网络模块和衡量不同模块提取到特征之间差异性的损失函数,进而获得多样性特征,降低特征冗余,提升检测效果。
-
公开(公告)号:CN115129003B
公开(公告)日:2024-09-20
申请号:CN202210642939.2
申请日:2022-06-08
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明公开了基于自学习时变数字孪生的自动化产线智能监测系统,属于高端装备状态监测技术领域,物理产线层利用加工参数执行加工工序;边缘监测层基于物理产线层数据获得工件质量数据与刀具磨损敏感特征;将工件质量数据与刀具磨损敏感特征输入当前刀具磨损表征模型获取当前磨损状态,根据当前磨损状态、加工参数、实际质量等优化加工参数并输出优化后期望质量;云端进化层根据优化后期望质量、当前磨损状态和当前实际质量评估当前刀具磨损表征模型并根据评估结果对其进行更新。本发明通过时变的物理和虚拟数据双向驱动,刀具磨损表征模型根据实际情况进行实时评估、自学习、更新、验证,实现刀具状态监测的泛化性智能性、准确性和鲁棒性。
-
公开(公告)号:CN114492533B
公开(公告)日:2024-09-13
申请号:CN202210113860.0
申请日:2022-01-30
Applicant: 华中科技大学
IPC: G06F18/24 , G06F18/213 , G06F18/214 , G06N3/0464 , G06N3/049 , G01M13/045
Abstract: 本发明公开了一种变工况轴承故障诊断模型的构建方法及应用,所构建的模型中,特征提取模块、生成模块、域分类器以及标签分类器形成了一个整体,通过标签分类器、域分类器和生成模块这三个组件的结合可以有效地生成额外的训练数据,在保证域分类器能够获取域中有区分度的特征的条件下,通过最大化域判别损失,降低其对不同数据的域敏感性,使得域分类器难以处理分辨这些数据,且反过来使得特征提取模块提取更多的域无关时序特征,实现了端到端的联合训练;在不断地对模型进行训练后,使得标签分类器尽可能的细化,域分类器尽可能的泛化,从而提升对于未见过轴承的工况的模型泛化性,实现在不同工况下故障诊断模型也能准确判断故障类型。
-
公开(公告)号:CN114332047B
公开(公告)日:2024-09-06
申请号:CN202111666451.5
申请日:2021-12-31
Applicant: 华中科技大学
IPC: G06T7/00 , G06N3/0464 , G06V10/82 , G06V10/774 , G06V10/771
Abstract: 本发明属于图像处理领域,具体涉及一种表面缺陷检测模型的构建方法及其应用,包括:编码模块中级联的前m层编码块逐级对训练图像特征提取得到浅层特征;将所有浅层特征融合输入到缺陷定位模块,利用条形池化得到位置特征,将位置特征与最后一层级的浅层特征相加后利用编码模块中级联的后n层编码块逐级进行特征提取得到深层特征,将所有深层特征融合后输入到缺陷形状检测模块,利用金字塔池化和局部条形池化得到形状特征,控制解码模块将形状特征与部分或全部层级特征逐层上采样、融合和降维,得到缺陷区域;在缺陷位置标签、形状标签及区域标签约束下更新神经网络参数,迭代训练。本发明既关注缺陷位置又强化缺陷形状适应,实现对缺陷精确分割。
-
公开(公告)号:CN118013618A
公开(公告)日:2024-05-10
申请号:CN202410115180.1
申请日:2024-01-26
Applicant: 华中科技大学
IPC: G06F30/13 , G06F119/14
Abstract: 本发明公开了一种不规则周期荷载作用下的盾构隧道纵向接头行为计算方法,属于地下工程技术领域,包括:S1、将不规则周期荷载离散化为K个加载阶段;并将相邻管片的纵缝接触区域划分为离散接触对;S2、根据当前加载阶段开始前离散接触对及螺栓截面所受的合力和弯矩构建接头运动平衡方程,得到当前相邻管片的水平相对运动增量和相对转动增量;S3、用水平相对运动增量和相对转动增量计算当前加载阶段结束时每个接触对及螺栓的应变增量,以计算对应的应力增量;S4、用对应的应力增量计算下一加载阶段开始之前接触对和螺栓所受的合力和弯矩,并跳转至S2中迭代,直至i=K,以实现对盾构隧道纵向接头的力学行为的快速、高效分析。
-
公开(公告)号:CN117710393A
公开(公告)日:2024-03-15
申请号:CN202311735069.4
申请日:2023-12-14
Applicant: 华中科技大学
IPC: G06T7/11 , G06T7/00 , G06N3/0895
Abstract: 本发明公开了一种半监督工业表面缺陷分割方法、系统及存储介质,属于缺陷分割领域,包括:训练阶段和应用阶段。在训练阶段,用基于信心引导的方向一致性正则化替代平均一致性正则化,提升特征对齐质量;同时,设计了信心感知混合伪标签方法生成方法,减轻无标签数据的确认偏差影响;并且,引入了前景‑背景对比学习策略提高特征空间的类可分性,鼓励正常区域或缺陷区域在特征空间中具有相似的表示,而正常区域和缺陷区域之间的特征相互远离,引导模型更准确地识别缺陷特征;在数据标签有限的情况下,可以从大量无标签数据中提取额外的监督信号,完成模型的训练过程,并有效提升模型的预测准确度。
-
-
-
-
-
-
-
-
-