一种雷达液位计隔离防护装置
    22.
    发明公开

    公开(公告)号:CN115574894A

    公开(公告)日:2023-01-06

    申请号:CN202211398655.X

    申请日:2022-11-09

    Abstract: 一种雷达液位计隔离防护装置,涉及雷达液位计技术领域。为解决现有的雷达液位计隔离防护装置采用旋转的方式,在使用时会使液体产生涡流,并且无法彻底的将雷达液位计上喇叭天线内壁上的气泡消除,从而导致雷达液位计测量的精度较低的问题。法兰盘的下表面设有一个防护桶,且防护桶的内壁上沿圆周方向均匀的设有两个柔性弹片,且柔性弹片侧面与防护桶的内壁之间设有弹簧,且防护桶的内壁中部沿圆周方向均匀的设有两个沉孔,且两个沉孔对称设置,每个沉孔的内部设有一个气缸,且气缸的输出轴端面上设有电磁铁,柔性弹片一端端面两端分别设有一个支撑板,且两个支撑板之间设有支撑杆。本发明适用于雷达液位计防护技术领域。

    一种基于图神经网络的结构动力学模型生成方法

    公开(公告)号:CN114564878B

    公开(公告)日:2022-10-28

    申请号:CN202111674213.9

    申请日:2021-12-31

    Inventor: 王迎 张俊

    Abstract: 本发明公开了一种基于图神经网络的结构动力学模型的生成方法,所述方法包括:确定目标结构,获取所述目标结构的结构响应数据和拓扑信息;根据所述结构响应数据和所述拓扑信息对预设的人工神经网络进行训练;将训练后的所述人工神经网络作为所述目标结构对应的结构动力学模型。应用本发明生成的结构动力学模型可以计算(预测)结构的动力学响应。本发明通过将目标结构的拓扑信息引入深度学习网络的框架之中,可以在不失去深度学习网络对于目标结构的物理特征的提取能力的同时,一定程度上提高模型的泛化能力,实现人工神经网络模型在不同拓扑结构中的转换。解决了现有技术中用于模拟结构动力学的深度学习网络泛化能力差的问题。

    一种带有微结构的金刚石砂轮及其制备方法

    公开(公告)号:CN109333385A

    公开(公告)日:2019-02-15

    申请号:CN201811360379.1

    申请日:2018-11-15

    CPC classification number: B24D7/02 B24D18/00

    Abstract: 一种带有微结构的金刚石砂轮及其制备方法,涉及超精密加工技术领域。本发明可以解决现有金刚石砂轮磨粒限制磨削质量、降低磨削效率和金刚石砂轮容屑空间小等的问题。本发明利用化学气相沉积法制造金刚石磨料层,并金刚石磨料层表面制造微结构。本发明所述的一种带有微结构的金刚石砂轮及其制备方法,能够主要应用于硬脆材料光学表面的超精密机械加工领域中。

    一种在线双管振动式密度计
    27.
    发明公开

    公开(公告)号:CN116559026A

    公开(公告)日:2023-08-08

    申请号:CN202310507500.3

    申请日:2023-05-06

    Abstract: 本发明提供一种在线双管振动式密度计,包括:表体和壳体;所述壳体安装在所述表体下端,所述表体的下端位于所述壳体内部还连接有两根U型振管,所述表体上沿竖直方向设置有两个垂直接口分别与两根U型振管的两端连通;两根U型振管之间设置有连接板,U型振管的下端设置有驱动机构,驱动机构的两侧位于U型振管上分别设置有一个检测机构。本发明通过双振管结构、双检测机构,提供检测精度;采用U型振管能够减少被检测物沉积的概率,便于长期使用保持精度要求;通过密封结构以及在传感器内充入氮气提供检测精度;转换器上设置熔断元件保证整套设备;通过设置水平接口和垂直接口两种接口方式,可以根据不同安装环境选择合适的安装方式。

    一种基于图神经网络的结构动力学模型生成方法

    公开(公告)号:CN114564878A

    公开(公告)日:2022-05-31

    申请号:CN202111674213.9

    申请日:2021-12-31

    Inventor: 王迎 张俊

    Abstract: 本发明公开了一种基于图神经网络的结构动力学模型的生成方法,所述方法包括:确定目标结构,获取所述目标结构的结构响应数据和拓扑信息;根据所述结构响应数据和所述拓扑信息对预设的人工神经网络进行训练;将训练后的所述人工神经网络作为所述目标结构对应的结构动力学模型。应用本发明生成的结构动力学模型可以计算(预测)结构的动力学响应。本发明通过将目标结构的拓扑信息引入深度学习网络的框架之中,可以在不失去深度学习网络对于目标结构的物理特征的提取能力的同时,一定程度上提高模型的泛化能力,实现人工神经网络模型在不同拓扑结构中的转换。解决了现有技术中用于模拟结构动力学的深度学习网络泛化能力差的问题。

    一种单晶硅光学复杂表面的超精密加工工具及加工方法

    公开(公告)号:CN110039406A

    公开(公告)日:2019-07-23

    申请号:CN201910379630.7

    申请日:2019-05-08

    Abstract: 本发明提供一种单晶硅光学复杂表面的超精密加工工具及加工方法,属于超精密加工技术领域。本发明首先利用加工工具对试加工件进行试加工,试加工后分别对试加工件表面上的两条十字交叉圆弧凹槽面形精度进行检测,进而获得准确的R2和R1值;然后对用以描述单晶硅光学复杂表面元件的多项式或离散点云进行数据计算,获得机床坐标系下的三维矩形数据,然后再根据此三维矩形数据、R2、R1进行加工轨迹规划;最后按加工轨迹进行单晶硅光学复杂表面元件的加工。本发明解决了现有单晶硅光学复杂表面的超精密加工技术加工效率较低、精度不高的问题。本发明可用于玻璃、陶瓷、晶体等多种硬脆难加工材料表面的超精密加工。

Patent Agency Ranking