-
公开(公告)号：CN114658434A
公开(公告)日：2022-06-24
申请号：CN202210310750.3
申请日：2022-03-28
申请人： 郑州轻工业大学
摘要： 本发明公开了一种盾构机无轴电机主驱动系统及其保压方法，盾构机无轴电机主驱动系统包括与盾体固定连接的驱动箱和与盾体转动连接的驱动盘，驱动盘、驱动箱和盾体组成密封腔；驱动箱的外部设有无轴电机，无轴电机与设置在驱动箱内的驱动齿轮相连接，驱动齿轮分别与设置在密封腔内的传动齿轮组和润滑齿轮啮合，传动齿轮组和润滑齿轮为驱动盘的转动提供动力，驱动齿轮与驱动箱之间设有扭矩过载保护机构，驱动箱设有与密封腔连通的保压系统。本发明采用无轴电机作为盾构机主驱动系统动力装置，与以往单电机驱动系统相比，功率覆盖范围广，能够满足多种型号盾构机掘进功率需求；与现有多电机并行驱动系统相比具有安装占用空间小、结构简单的优点。
-
公开(公告)号：CN112506057B
公开(公告)日：2021-09-17
申请号：CN202011403984.X
申请日：2020-12-02
申请人： 郑州轻工业大学
IPC分类号： G05B13/04
摘要： 本发明公开了一种不确定奇异摄动系统在线多时间尺度快速自适应控制方法，按以下步骤进行：第一是建立多时间尺度系统神经网络辨识模型；第二是电控装置根据多时间尺度系统神经网络辨识模型对不确定奇异摄动系统进行在线学习并自我更新，不断逼近公式一所表达的不确定奇异摄动系统；第三是电控装置确定公式一所表达的不确定奇异摄动系统的快速自适应最优控制输入模型；第四是电控装置执行在线快速自适应学习率，对快速自适应最优控制输入模型进行在线优化更新。本发明实现对模型不确定奇异摄动系统的在线快速自适应辨识与控制，提高学习速度，通过在线学习和不断优化提高控制精度，整个控制过程无须建立确定的奇异摄动系统模型。
-
公开(公告)号：CN112065434B
公开(公告)日：2021-07-02
申请号：CN202011082620.6
申请日：2020-10-12
申请人： 郑州轻工业大学
摘要： 本发明公开了一种基于双目视觉技术的全自动低净空管片运输机，与设置于已施工的隧道顶部的轨道配合使用，包括行走机构、管片取放机构和用于为行走机构和管片取放机构提供动力的动力机构，管片取放机构包括升降取放装置和双目相机；升降取放装置包括长条形主机架；主机架内设有吊运用正反转液压马达，吊运用正反转液压马达连接有梯形丝杠，梯形丝杠的正旋部分螺纹连接有第一移动块，梯形丝杠的反旋部分螺纹连接有第二移动块；主机架向下连接有安装板，安装板上安装双目相机。本发明主体安装于隧道内的轨道内并与轨道位于同一平面，适应低净空、自动化的作业需求，适应盾构机微型化的行业趋势，提升工作效率。
-
公开(公告)号：CN112065434A
公开(公告)日：2020-12-11
申请号：CN202011082620.6
申请日：2020-10-12
申请人： 郑州轻工业大学
摘要： 本发明公开了一种基于双目视觉技术的全自动低净空管片运输机，与设置于已施工的隧道顶部的轨道配合使用，包括行走机构、管片取放机构和用于为行走机构和管片取放机构提供动力的动力机构，管片取放机构包括升降取放装置和双目相机；升降取放装置包括长条形主机架；主机架内设有吊运用正反转液压马达，吊运用正反转液压马达连接有梯形丝杠，梯形丝杠的正旋部分螺纹连接有第一移动块，梯形丝杠的反旋部分螺纹连接有第二移动块；主机架向下连接有安装板，安装板上安装双目相机。本发明主体安装于隧道内的轨道内并与轨道位于同一平面，适应低净空、自动化的作业需求，适应盾构机微型化的行业趋势，提升工作效率。
-
公开(公告)号：CN111951334A
公开(公告)日：2020-11-17
申请号：CN202010773477.9
申请日：2020-08-04
申请人： 郑州轻工业大学
IPC分类号： G06T7/73 , G06T7/80 , G06T7/66 , G06T7/13 , G06T7/00 , G06K9/00 , G06K9/32 , G06K9/46 , G06K9/62
摘要： 本发明公开了一种基于双目视觉技术叠放钢坯的识别与定位方法，用于为吊运作业提供叠放状态下待吊运的单根钢坯的定位信息和分层聚类信息；按以下步骤执行：第一是准备；第二是图像采集；第三是图像预处理；第四是双目相机立体标定；第五是模板匹配；第六是角点检测；第七是钢坯特征点的立体匹配与识别定位；第八是钢坯分层聚类，为起重设备吊运钢坯提供分层聚类信息。本发明还提供了相应的吊运方法。本发明解决了叠放状态下单根钢坯的识别与定位的技术问题，为钢坯吊运的智能化无人车间提供数据支撑。
-
公开(公告)号：CN115848215B
公开(公告)日：2024-09-20
申请号：CN202211481102.0
申请日：2022-11-24
申请人： 郑州轻工业大学 , 湖南摩高智驾科技有限公司
摘要： 本发明公开了一种计及电池损耗的电动汽车V2G功率动态规划方法，构建以V2G收益最大、电池损耗最小为目标函数的能量管理优化控制模型，以充放电功率和充放电状态为控制变量；构建放电深度与荷电状态对动力电池寿命的影响模型，进行数据拟合得到动力电池放电特性曲线；并结合实时电价，提出基于动态规划的V2G功率最优控制方法，动态规划采用最优性原理，将系统的运行过程划分为若干个相继的阶段，各阶段都是一个最优化子问题，进而逐段进行决策，给出动态规划求解V2G最优功率控制问题的逆向递推求解过程和正向状态转移过程。结果表明，所提策略有助于在减小动力电池寿命损耗的同时最大化V2G用户受益。
-
公开(公告)号：CN118641702A
公开(公告)日：2024-09-13
申请号：CN202410755514.1
申请日：2024-06-12
申请人： 郑州轻工业大学
摘要： 本发明涉及一种水合物蓄冷系统的蓄冷量测量方法及测量装置，测量方法包括如下步骤：S1：对蓄冷槽中的溶液取样，稀释，得到稀释液，测量取样的样品质量mY以及稀释液的质量mRD。S2：将稀释液调节至特定温度范围内，检测稀释液的电导率σ、温度。S3：根据上述参数确定样品溶液的质量浓度ω2。S4：根据ω2、相变蓄冷开始前初始溶液的质量浓度ω1、相变蓄冷开始前初始溶液的总质量m1、水合物蓄冷材料的水化分子数N、水的摩尔质量MH以及稀释液中溶质的摩尔质量MT确定蓄冷槽中的水合物转化量nCT。S5：根据水合物转化量nCT、水合物蓄冷材料的摩尔质量M以及水合物蓄冷材料的相变潜热r确定水合物蓄冷系统的蓄冷量Q。本发明的蓄冷量测量方法操作更加简单，能够准确测算水合物蓄冷材料的蓄冷量，误差较小，具备高灵活性、高稳定性、高精度的特点。
-
公开(公告)号：CN118521534A
公开(公告)日：2024-08-20
申请号：CN202410526575.0
申请日：2024-04-29
申请人： 郑州轻工业大学
IPC分类号： G06T7/00 , G06V10/766 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于深度学习的螺栓图像预紧力回归预测方法，首先通过生成预测模型方法生成预测模型；其次通过预测模型执行确定螺栓预紧力的方法；生成预测模型方法包括如下步骤：第一步骤是制作数据集；第二步骤是建立ResNet‑Pre网络模型；第三步骤是迭代训练ResNet‑Pre网络模型；第四步骤是将通过测试的ResNet‑Pre网络模型作为最终的预测模型；通过预测模型确定螺栓预紧力的方法按以下步骤进行：第一步骤是将待检工件放在工件托上，第二步骤是打开计算机、工业相机和照明灯；第三步骤是拍摄预紧力为零时的工件照片；第四步骤是对待检测螺栓施加预定的预紧力；第五步骤是拍摄工件照片，通过热力图生成方法将工件照片转化为热力图，然后将该热力图输入预测模型，预测模型输出预紧力的预测值。本发明能够完成低成本、无接触式、可批量检测的螺栓预紧力检测工作。
-
公开(公告)号：CN118149263A
公开(公告)日：2024-06-07
申请号：CN202410293003.2
申请日：2024-03-14
申请人： 郑州轻工业大学
摘要： 本公开涉及一种氢气复合储存方法及装置、程序产品和复合固态储氢装备，涉及氢气存储技术领域。其中，所述的氢气复合储存方法，包括：利用进气管向疏水的介质膜内翅片设置的多个散热片之间及所述介质膜与多个散热片之间的间隙填充有多孔介质输送氢气，并对所述氢气进行制冷；所述氢气穿过所述介质膜，进入设置在介质膜及承压层之间间隙的水合物生成区/层生成氢气水合物；实时检测所述多孔介质内氢气的压力值及所述水合物生成区/层或所述多孔介质的温度值；若所述压力值达到设定压力值/设定压力区间且所述温度值达到设定温度值时，停止对所述氢气制冷并将所述温度值维持在第一设定温度区间。本公开实施例可实现氢气的复合储存。
-
公开(公告)号：CN116704476B
公开(公告)日：2024-06-04
申请号：CN202310692934.5
申请日：2023-06-12
申请人： 郑州轻工业大学
IPC分类号： G06V20/58 , G06V10/776 , G06V10/80 , G06V10/77 , G06V10/82 , G06V10/764 , G06N3/0464 , G06N3/048 , G06N3/0985
摘要： 本发明提出了一种基于改进Yolov4‑tiny算法的交通标志检测方法，用于解决复杂场景下交通标志检测效果不佳的技术问题；其步骤为：首先，获取交通标志数据集，并划分为训练集、验证集和测试集；其次，构建改进Yolov4‑tiny算法的卷积神经网络模型；并将训练集和验证集输入改进Yolov4‑tiny算法的卷积神经网络模型中进行训练及验证；最后，将测试集输入至训练后的改进Yolov4‑tiny算法的卷积神经网络模型中进行性能测试，根据评价指标保存性能最好的卷积神经网络检测模型；并利用卷积神经网络检测模型对交通标注图像进行检测。本发明有效提高了交通标志数据集的质量，优化深度学习模型训练效果，且本发明方法对小目标交通标志具有良好的检测效果。
-
-
-
-
-
-
-
-
-
搜索结果
93 条记录 (耗时 0.028 秒)
