一种用于高强度超声聚焦治疗系统的串并联扫描装置

    公开(公告)号:CN1364649A

    公开(公告)日:2002-08-21

    申请号:CN02115435.X

    申请日:2002-01-15

    Abstract: 用于高强度超声聚焦治疗系统的串并联扫描装置,包括X轴移动机构、Y轴移动机构、滑台和三个伸缩杆,X轴移动机构驱动治疗床,Y轴移动机构驱动滑台,伸缩杆的一顶端固定在滑台上,另一顶端与超声组合探头连接,其顶端均成正三角形分布。伸缩杆的结构为:丝杆位于滑杆内、并置于导向套内,其侧面开有缝槽,导向套上设有导向块,滑杆与螺母固定连接;在丝杆的二端部设有挡块;电机驱动丝杆转动,丝杆座固定在底座上并通过连接轴套在连接座的孔内,连接座固定在滑台上;在滑杆的顶部设有球铰。本实用新型采用两个串联直线移动坐标和三个并联坐标,它具有结构简单、精度高、制造成本低、运动空间大等优点,易于通过多轴联动来实现三维运动。

    可翻转龙门架
    172.
    发明授权

    公开(公告)号:CN107234350B

    公开(公告)日:2023-05-05

    申请号:CN201710547057.7

    申请日:2017-07-06

    Abstract: 本发明涉及白车身加工,提供一种可翻转龙门架,包括相对设置的两个支架以及与两个支架一一对应的两个摆臂组件,两个支架之间具有供白车身通过的加工通道,每一摆臂组件与对应的支架之间可转动连接,支架连接有驱动件,且转动轴线平行于白车身的通过方向,每一摆臂组件均包括两个支撑座,每一摆臂组件的两个支撑座沿加工通道的方向相对设置且均延伸至加工通道内。本发明的两组支架与摆臂组件结构分别在指定位置单独安装,比较方便,通过旋转摆臂组件以使龙门架具有打开与关闭状态,进而避免白车身转移过程中摆臂组件对其产生干涉,另外这种结构的龙门架,可针对不同的车型加工,且即使在改造调整加工通道的尺寸时,只需重新调整两者的安装位置。

    一种粒子输送线四级磁铁机械装夹装置及其调试校准方法

    公开(公告)号:CN112604180B

    公开(公告)日:2022-02-15

    申请号:CN202011443704.8

    申请日:2020-12-08

    Abstract: 本发明属于质子放疗设备相关技术领域,其公开了一种粒子输送线四级磁铁机械装夹装置及其调试校准方法,装置包括平板及间隔设置在平板上的多个夹具组件,夹具组件包括连接于平板的夹具底座、转动地连接于夹具底座的十字支架、转动地连接于十字支架的磁铁支架、x轴顶丝组件、z轴顶丝组件及四级磁铁组件,两组x轴顶丝组件的一端对称设置在夹具底座相对的两端上,另一端与十字支架平面接触;两组z轴顶丝组件的一端对称设置在十字支架相对的两端上,另一端与磁铁支架平面接触;x轴顶丝组件与z轴顶丝组件交替设置;四级磁铁组件设置在磁铁支架上。本发明明显降低了单个四级磁铁的机械装夹、调试的难度,大大地减少了工作量。

    旋转机械故障信息处理方法、处理系统、处理终端、介质

    公开(公告)号:CN113076834A

    公开(公告)日:2021-07-06

    申请号:CN202110320215.1

    申请日:2021-03-25

    Abstract: 本发明属于旋转机械状态监测与故障诊断技术领域,公开了一种旋转机械故障信息处理方法、处理系统、处理终端、介质,构建包含深度特征提取器、领域分类器和状态预测器的神经网络模型,通过神经网络模型利用深度特征提取器自动提取来自实验室模拟数据和实际工程设备中的旋转部件监测数据的迁移故障特征;利用领域分类器来缩短两种数据分布之间的差别,利用状态预测器并引入领域适配约束,形成基于深度领域自适应对抗网络的故障诊断模型,并利用所述模型实现旋转机械的故障智能诊断。本发明能够准确提取实验室模拟数据和实际工程数据中的迁移故障特征,并形成能够应用于旋转部件的故障迁移诊断模型,通过实际的案例利用,达到了理想的效果。

    一种旋转机械自适应故障诊断方法、装置、设备及介质

    公开(公告)号:CN112633362A

    公开(公告)日:2021-04-09

    申请号:CN202011518014.4

    申请日:2020-12-21

    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。

    一种激光焊接焊缝背面驼峰缺陷抑制方法及装置

    公开(公告)号:CN111872551A

    公开(公告)日:2020-11-03

    申请号:CN202010591638.2

    申请日:2020-06-24

    Abstract: 本发明属于焊缝缺陷抑制领域,并具体公开了一种激光焊接焊缝背面驼峰缺陷抑制方法及装置,包括如下步骤:激光焊接时,在熔池上方外加横吹气流,使熔池上方和下方因伯努利效应形成压强差,产生的差压力作用于熔池,抑制熔池向焊缝背面的流动,进而抑制焊缝背面驼峰缺陷的产生。实现该方法的装置包括气流喷嘴,气流喷嘴上部和下部分别设置有一个调节片,通过调整上部和下部调节片间的距离,实现对气流加载位置和速度的有效控制。本发明无需真空和电磁等辅助环境和设备,仅依靠在熔池上方外加横吹气流即可达到改善熔池受力状态和流动行为、抑制驼峰缺陷产生的目的,为激光焊接驼峰缺陷的抑制提供一种简单实用的方法,可适应工业生产的实际需求。

    一种铝合金中厚板激光焊接装置及方法

    公开(公告)号:CN110170742B

    公开(公告)日:2020-07-31

    申请号:CN201910553105.2

    申请日:2019-06-25

    Abstract: 本发明公开一种铝合金中厚板激光焊接装置,包括第一激光器、第二激光器、第一准直镜、折射镜、旋转平台、反射镜、聚焦镜和第二准直镜,第一激光器能够发射第一光束,第二激光器能够发射第二光束,折射镜的顶面为平面并朝向第一准直镜设置,折射镜的底面为斜面,折射镜与旋转平台相连;反射镜能够反射第二光束,第一光束能够透过反射镜,聚焦镜能够对第一光束和第二光束进行聚焦。本发明还提供一种铝合金中厚板激光焊接方法,第二光束沿着待焊工件的焊缝方向移动,聚焦后的第一光束沿着待焊工件的焊缝方向移动的同时,第一光束围绕聚焦后的第二光束转动。第二光束能够保证焊接熔深,第一光束围绕第二光束转动,搅拌熔池能够消除气孔。

    一种劣化系统的智能保障方法

    公开(公告)号:CN110751297A

    公开(公告)日:2020-02-04

    申请号:CN201910850562.8

    申请日:2019-09-10

    Abstract: 本发明公开了一种劣化系统的智能保障方法,属于智能制造技术领域。本发明根据劣化系统的维修种类构建各种维修的概率模型,并构建劣化系统可靠性模型;再根据劣化系统中各种维修的概率和开销构建劣化系统的智能保障模型;之后以所述智能保障模型中单位时间期望开销最小为优化目标,对所述智能保障模型进行求解获得劣化系统的保障方案,即多少个维修周期后进行一次大修,每个维修周期对劣化系统进行多少次次监测。本发明方法在综合考虑劣化系统全生命周期的维修开销、监测开销、质量损失开销、检查开销等因素情况下,建立优化模型,制定最优的保障方案,保证系统可靠性的前提下,降低保障开销,提升生产效率。

    基于卷积神经网络和高斯混合模型的轴承故障诊断方法

    公开(公告)号:CN110647830A

    公开(公告)日:2020-01-03

    申请号:CN201910867265.4

    申请日:2019-09-12

    Abstract: 本发明属于故障诊断领域,并公开了基于卷积神经网络和高斯混合模型的轴承故障诊断方法。该方法包括:(a)对于旋转机械轴承,采集不同故障工况下的振动信号形成数据集,构建初始卷积神经网络模型;(b)训练每个故障类型对应的初始卷积神经网络模型;(c)采用最终卷积神经网络模型对振动信号输入进行特征提取,以此获得所有故障类型对应的一维特征数据,并形成一维特征数据集;(d)采用高斯混合模型、贝叶斯网络框架和EM算法获得用于诊断故障类型的最终的图模型;(e)对于待诊断振动信号,利用最终的图模型诊断待诊断振动信号对应的故障类型,以此实现故障的诊断。通过本发明,实现图模型实现故障诊断,提高了故障诊断的准确性。

    一种碳纤维增强基复合材料结构的疲劳损伤诊断方法

    公开(公告)号:CN110389176A

    公开(公告)日:2019-10-29

    申请号:CN201910620495.0

    申请日:2019-07-10

    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。

Patent Agency Ranking