-
公开(公告)号：CN101844681B
公开(公告)日：2011-05-11
申请号：CN201010172833.8
申请日：2010-05-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种生产线间缓冲区结构及其控制系统，上游生产线加工完工的车身按照下游生产线的滚动计划选择入口分别进入两条传送带或缓冲带；缓冲带上存有一批待排序车身，结合下游生产线的滚动计划与传送带上车身状态，在缓冲带中寻找合适的车身选择最近路径进入传送带待上线；两条传送带直接为下游生产线提供半成品车身，两条传送带在同一时间的作用分别是为下游生产线供料和为下游生产线准备供料，两条传送带的交替承担供料任务，当一条传送带正在为下游供料时，另一条传送带则在进行物料储备为即将供料做准备，供料的节拍与下游生产线的需求节拍相同，保证了上线顺序的可靠性同时也保证了物料供应的及时性。
-
公开(公告)号：CN101799674A
公开(公告)日：2010-08-11
申请号：CN201010133638.4
申请日：2010-03-28
Applicant: 华中科技大学
IPC: G05B19/4065
Abstract: 本发明属于重大装备服役状态监控与寿命预测技术，具体涉及一种数控装备服役状态分析方法。该方法先通过多传感器采集到的表征物理量识别出数控设备多个重要部件的服役状态，然后通过统计学习理论所建立的支持向量机分类模型预测出整机的服役状态，并通过“隐-半马尔可夫”随机过程模型计算出重要部件和整机的剩余使用寿命，不仅可以辨识部件的当前运行状态，而且可以预测部件的剩余使用寿命；根据各个部件的运算结果，通过支持向量机分类预测方法得到整机的当前运行状态和剩余使用寿命。本发明为预防性维修提供决策支持的新方法。
-
公开(公告)号：CN112633362B
公开(公告)日：2024-03-29
申请号：CN202011518014.4
申请日：2020-12-21
Applicant: 华中科技大学
IPC: G06F18/2433 , G06F18/214 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种旋转机械自适应故障诊断方法、装置、设备及介质，属于旋转机械故障诊断技术领域，方法包括：收集旋转机械各种状态数据，对状态数据进行标注，并构建训练数据集；构建基于Cap‑net的故障诊断模型，利用训练数据集对模型进行训练；构建基于深度强化学习的自适应学习框架，并初始化自适应学习框架，设计标注方法和奖赏规则；基于建立的自适应学习框架，实现对旋转机械在线数据的诊断和对target网络的更新，获得最终的故障诊断模型；测试故障诊断模型，输出测试结果。如此，本发明不仅实现了旋转机械的在线状态诊断，还实现了故障诊断模型性能的提升，并且降低了模型训练过程中获取和标注数据样本的成本。
-
公开(公告)号：CN113288702A
公开(公告)日：2021-08-24
申请号：CN202110737889.1
申请日：2021-06-30
Applicant: 华中科技大学
Abstract: 本发明属于放疗装备领域，并具体公开了一种用于固定束治疗室中实现坐姿放疗的质子放射治疗椅，其包括从上至下依次连接的头部固定部件、倾斜运动部件、高度调整部件、座椅部件、升降运动部件和二维平移运动部件，其中：所述头部固定部件用于固定患者的头部，所述倾斜运动部件用于带动所述头部固定部件前后及左右倾斜，所述高度调整部件用于调整所述头部固定部件和所述座椅部件的相对高度，所述升降运动部件和二维平移运动部件分别用于带动所述座椅部件在垂直方向和水平面内移动。本发明可实现治疗椅六自由度运动，以及患者头部高度和角度的调节，满足固定束治疗室中坐姿放疗的需求。
-
公开(公告)号：CN112633339A
公开(公告)日：2021-04-09
申请号：CN202011466643.7
申请日：2020-12-14
Applicant: 华中科技大学
Abstract: 本发明属于故障诊断技术领域，公开了一种轴承故障智能诊断方法、诊断系统、计算机设备及介质，将源域数据和目标域数据分别转化为灰度图；利用残差网络特征提取器提取高维特征张量；于自适应层利用局部最大均方差(LMMD)自适应方法计算局部最大均值差异误差；将差异误差以及预测值与真实值之间的误差作为残差深度子域自适应故障诊断网络的优化对象训练残差深度子域自适应故障诊断网络；利用训练好的残差深度子域自适应故障诊断网络基于待测试的目标域数据进行轴承故障诊断。本发明引入LMMD来精确对齐源域和目标域中同一类别内相关子域的分布，从而为每一类别挖掘出更细粒度的特征，继而能够提高故障诊断精度。
-
Patent Agency Ranking
公开(公告)号：CN110389176B
公开(公告)日：2020-09-18
申请号：CN201910620495.0
申请日：2019-07-10
Applicant: 华中科技大学
Abstract: 本发明属于复合材料结构疲劳损伤检测相关技术领域，其公开了一种碳纤维增强基复合材料结构的疲劳损伤诊断方法，该方法包括以下步骤：(1)根据确定的致动频段向碳纤维增强基复合材料试样发射导波并采集导波信号；(2)以健康状态下的导波为基准来确定导波信号的损伤指数，继而基于损伤指数来自动对导波信号进行标签；(3)利用连续小波变换方法对导波信号进行处理以得到CWT图，并构建卷积神经网络模型，进而对卷积神经网络模型进行训练，以得到疲劳损伤诊断模型；(4)将待测碳纤维增强基复合材料结构中传播的导波对应的CWT图输入到疲劳损伤诊断模型，以进行疲劳损伤诊断。本发明提高了精度和适用性，灵活性较好。
-
公开(公告)号：CN109597315B
公开(公告)日：2020-08-18
申请号：CN201811281339.8
申请日：2018-10-31
Applicant: 华中科技大学
IPC: G05B17/02
Abstract: 本发明公开了一种机械设备健康退化状态辨识方法、设备及系统，属于机械状态监测和健康退化状态辨识领域。该方法先获取机械设备的多种监测信号，提取其时域特征、功率谱特征及本征模态能量特征，然后利用GSOM网络对上述特征进行融合，得到其融合特征，再构建GenSVM模型，利用上述融合特征数据对GenSVM模型进行训练，获得测试模型，最后实时采集待测机械设备的多种监测信号，获取上述信号的将融合特征数据输入到测试模型中，得到健康退化状态辨识结果。本发明的上述方法以及基于上述方法的设备和系统能够对机械设备的健康退化状态进行实时精确辨识，实现机械设备的状态实时监测，保障数控机床的安全、稳定、长周期运行。
-
公开(公告)号：CN109657354B
公开(公告)日：2020-07-10
申请号：CN201811563162.0
申请日：2018-12-20
Applicant: 华中科技大学
Abstract: 本发明属于工厂虚拟仿真相关技术领域，其公开了一种基于数字孪生的混流装配车间快速重构方法及系统，该方法包括以下步骤：(1)构建混流装配车间的数字孪生车间模型；(2)采用构建的混流装配线仿真模型来求解混流装配线设计与平衡问题，以获得最佳装配工位任务分配方案；并采用构建的物料存储区仿真模型来求解获得最佳配料区储位物料分配方案，进而基于该最佳装配工位任务分配方案及该最佳配料区储位物料分配方案来设计试验，以求解得到最佳物料配送系统方案；(3)采用该数字孪生车间模型来对步骤(2)得到的混流装配车间重构方案进行仿真模拟验证与人工检验调整，以得到最佳重构方案。本发明高效且使用，灵活性较高，提高了重构效率。
-
公开(公告)号：CN107065071B
公开(公告)日：2019-06-18
申请号：CN201710325573.5
申请日：2017-05-10
Applicant: 华中科技大学
IPC: G02B6/245
Abstract: 本发明公开了一种光纤涂覆层旋转剥离装置，包括光纤定位剥离单元和光纤夹持进给单元，该光纤定位剥离单元包括剥离组件和定位组件，剥离组件包括一对上下布置的且相对于水平面倾斜设置的刀片，并且刀片的刀刃异面；定位组件包括一对上下布置的可拆卸的定位夹块，通过定位夹块对光纤的夹持定位以控制对应刀片的刀刃到光纤轴心的距离，从而控制所述刀刃的切割的深度；该光纤夹持进给单元包括光纤夹具和驱动组件，光纤夹具在驱动组件的驱动下带动光纤进行旋转进给运动，以产生一方向与所述刀片切割方向垂直的剥除力实现光纤涂覆层的剥除。本发明可实现光纤涂覆层快速有效连续的剥离，剥离后的光纤具有良好的端面，且内部包层没有损伤。
-
公开(公告)号：CN109634239A
公开(公告)日：2019-04-16
申请号：CN201811568126.3
申请日：2017-10-16
Applicant: 华中科技大学
IPC: G05B19/418
Abstract: 本发明公开了一种用于混合流水车间节能调度的建模方法，根据机床上两相邻位置间的待机能耗变量建立能耗线性目标函数；根据加工位置占用变量、关机重启策略变量以及机床上两相邻位置间的待机能耗变量建立线性模型约束集，完成线性模型建立。共建立了5个考虑关机重启策略的混合整数线性规划模型。接着，从建模过程、模型尺寸复杂度、计算复杂度等方面对这些数学模型进行了详细的对比分析。使用CPLEX求解器对HFSP调度实例进行求解，证明了MILP模型的正确性与有效性。试验表明基于不同建模思路的MILP模型尺寸复杂度、计算复杂度差别很大，基于空闲能耗的MILP模型求解效果好于基于空闲时间的MILP模型。
-
-
-
-
-
-
-
-
-
Search Results
263
records
(took 0.027 seconds)
