曲轴残余应力检测装置
    151.
    发明公开

    公开(公告)号:CN114509196A

    公开(公告)日:2022-05-17

    申请号:CN202210055090.9

    申请日:2022-01-18

    Abstract: 本申请实施例涉及测量技术领域,且涉及一种曲轴残余应力检测装置。包括:声楔块,其下表面与曲轴的外表面贴合;第一超声纵波换能器,用于发射超声纵波,内嵌于声楔块的上表面;第二超声纵波换能器,用于接收超声纵波,内嵌于声楔块的上表面,且与所述第一超声纵波换能器呈一定角度间隔设置;隔离腔,设置于声楔块中位于第一超声纵波换能器和第二超声纵波换能器之间的位置,填充有非均质材料。本申请实施例不会对曲轴造成损伤,并且隔离腔可以起到较好的隔声效果,可有效防止第二超声纵波换能器直接接收到从第一超声纵波换能器发射并通过声楔块传递过来的超声纵波,从而提高残余应力检测结果的准确性。

    一种超高周疲劳寿命预测方法、装置及可存储介质

    公开(公告)号:CN113642192A

    公开(公告)日:2021-11-12

    申请号:CN202111006301.1

    申请日:2021-08-30

    Inventor: 李伟 孙锐 周思奇

    Abstract: 本发明公开了一种超高周疲劳寿命预测方法、装置及可存储介质,涉及材料寿命预测技术领域,该方法包括:对金属材料进行疲劳试验,构建应力‑寿命曲线;对疲劳试验断口进行测量裂纹萌生区的特征尺寸,并计算裂纹萌生区的应力强度因子范围;基于断裂力学与能量法,求解裂纹萌生过程中的Gibbs自由能变;结合存储在单个或等效滑移带的位错偶极子中的应变能,建立裂纹萌生寿命预测模型;结合应力‑寿命曲线与裂纹萌生区的特征尺寸,拟合裂纹萌生寿命预测模型中的关键参数;通过裂纹萌生寿命预测模型,预测总疲劳寿命。本发明可以针对不同疲劳失效模式,结合金属材料微观结构特征,基于能量法对金属材料超高周疲劳寿命进行预测,提高了预测精度。

    一种用于测量含能药柱表层周向压应力的超声无损检测方法

    公开(公告)号:CN113639911A

    公开(公告)日:2021-11-12

    申请号:CN202110853724.0

    申请日:2021-07-28

    Abstract: 本发明提供了一种用于测量含能药柱表层周向压应力的超声无损检测方法,包括检测装置、验证—加载装置和检测方法,通过得到药柱在受到周向应力和无应力状态下的声时差,利用之前测得的含能药柱周向力超声检测系数计算药柱受到的周向压应力,与压力传感器的读数进行比较,验证周向应力的检测的有效性及准确性。采用接触药柱外表面的方法测量残余应力,已有超声纵波换能器能够正常使用,并且具有良好的性能,且加载-验证装置反推的精度合理。所用装置体积小巧,制作工艺不复杂、使用方便、成本较低。

    一种基于超声的螺栓轴向力检测系数校准方法

    公开(公告)号:CN113624395A

    公开(公告)日:2021-11-09

    申请号:CN202110853720.2

    申请日:2021-07-28

    Abstract: 本发明提供一种基于超声的螺栓轴向力检测系数校准方法,步骤如下:步骤A:基于超声波在各向同性介质中的传播理论,建立螺栓轴向力与声时变化量的数学关系,建立螺栓轴向力超声检测原理模型;步骤B:对螺栓试样进行轴向力加载实验并进行超声检测,利用互相关算法计算出不同轴向力状态下超声波传播的声时变化量;步骤C:对加载的轴向力和对应的声时变化量进行拟合,确定螺栓轴向力超声检测系数,最终得到螺栓轴向力和检测系数的关系式;通过以上步骤,可以实现螺栓轴向力的超声检测,该方法可以对螺栓的轴向力进行快速、准确地检测,提高检测的准确性和实用性。

    一种小型低飞目标视觉检测跟踪系统及其方法

    公开(公告)号:CN111508002B

    公开(公告)日:2020-12-25

    申请号:CN202010309617.7

    申请日:2020-04-20

    Abstract: 本发明公开了一种小型低飞目标视觉检测跟踪系统及其方法,系统包括:视频数据输入单元、视频预处理单元、训练数据构建单元、检测模型训练单元、目标比对筛选单元、检测校正单元、基准帧初始化单元、样本库动态构建单元、在线学习单元、位置精修单元、决策控制单元和跟踪结果输出单元。方法包括:目标检测网络构建,目标比对筛选;目标跟踪在线学习;动态构建分类器训练样本库,目标跟踪位置精修;本发明的优点是:能够有效缓解跟踪目标由于遮挡、尺度变化、光照等因素造成的跟踪漂移状况的发生,可以实现鲁棒的目标跟踪。具备根据目标变化及时更新基准帧特征的能力,同时引入特征点匹配算法又可以避免由于更新基准帧特征带来的错误跟踪。

    滨海湿地深度学习分类方法、装置、设备和存储介质

    公开(公告)号:CN111898662A

    公开(公告)日:2020-11-06

    申请号:CN202010701215.1

    申请日:2020-07-20

    Abstract: 本发明涉及一种滨海湿地深度学习分类方法、装置、设备和存储介质,该方法包括:对采集到的原始高光谱图像数据进行校正处理和归一化处理,得到待处理高光谱图像数据,以及,对采集到的原始激光雷达数据进行异常点去除处理和归一化处理,得到待处理激光雷达数据;构造各个模式的三层Octave卷积层;基于各个模式的三层Octave卷积层,对待处理高光谱图像数据和待处理激光雷达数据进行成分分离、成分组合以及频率分量综合,得到特征融合数据;提取特征融合数据中的方向性纹理信息,结合待处理高光谱数据进行空间、纹理以及光谱联合分类,得到目标联合分类特征,以确定目标类别。提高了不同分辨率、不同模态下的联合地物分类性能;实现高精度的协同分类。

Patent Agency Ranking