-
公开(公告)号：CN114734533A
公开(公告)日：2022-07-12
申请号：CN202210667495.8
申请日：2022-06-14
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明涉及混凝土搅拌装置技术领域，特别涉及一种加强固碳的混凝土搅拌装置及方法。该装置包括主搅拌釜、预搅拌釜，预搅拌釜包括筒体、料门机构、扬料机构，筒体的上下两侧开设有粉料进口和连通口，预搅拌釜通过连通口与主搅拌釜连接，筒体还开设有二氧化碳入口、水雾入口；所述料门机构包括料门驱动、圆弧料门板，圆弧料门板的两端部间形成有缺口部，料门驱动带动圆弧料门板旋转，使缺口部循环通过粉料进口和连通口；所述扬料机构包括扬料驱动、扬料叶片。设置预搅拌釜使添加的水泥粉在高湿度高压高二氧化碳的环境中经过了预处理，预处理生成了大量碳酸钙晶核，使得在主搅拌釜内可快速生成碳酸钙晶体，提高反应速度，强化了混凝土强度。
-
公开(公告)号：CN120067817A
公开(公告)日：2025-05-30
申请号：CN202510525959.5
申请日：2025-04-25
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
IPC: G06F18/241 , G06N3/0499 , G06N3/084 , G06F18/25 , G01N11/00 , G01R19/00
Abstract: 本发明涉及流态固化土技术领域，尤其涉及一种多特征输入的流态固化土流动度预测方法及装置。一种多特征输入的流态固化土流动度预测方法，包括S1、采集原料特征；S2、采集电流特征；S3、采集卸料特征；S4、构建预测模型；S5、生产线应用。本发明通过预先建立基于原料特征、电流特征和卸料特征的多输入流态固化土流动度预测模型并将其应用到生产线中，使生产线在实际搅拌流态固化土的过程中，通过输入对应的特征数据至成熟的预测模型中，从而预先判定当前批次的流态固态土流动度，通过多输入特征对流态固化土流动度预测的准确性高，同时解决了现有技术中流态固化土只能离线测量的问题，实现流态固化土流动度的在线测量。
-
公开(公告)号：CN119747070A
公开(公告)日：2025-04-04
申请号：CN202510260711.0
申请日：2025-03-06
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明涉及破碎机设备领域，具体涉及一种破碎机给料量智能控制方法、装置及可读介质，其方法包括：S1，构建初始的目标料位预测模型，并将其作为当前轮次的目标料位预测模型进入下一步骤；S2，实时获取破碎机进料口外的进料图像，对进料图像处理后确定进料粒径分布，将设定的破碎机目标负载和进料粒径分布输入当前轮次的目标料位预测模型，输出当前轮次的目标料位；S3，获取实时给料速度和实时料位，根据实时给料速度、实时料位和当前轮次的目标料位计算目标给料速度，以解决调整滞后性的问题；S4，根据目标给料速度调整给料机的给料速度，并在给料速度调整过程中，根据破碎机实时负载继续调整给料速度或调整目标料位预测模型，并重复步骤S2‑S4。
-
公开(公告)号：CN119533618A
公开(公告)日：2025-02-28
申请号：CN202510087903.6
申请日：2025-01-21
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明一种基于深度相机的散状物料流量计量检测方法及系统，属于物料计量领域，包括：步骤S1、利用所采集的训练彩色图像对神经网络进行训练；步骤S2、利用深度相机采集皮带的空载深度图像，进而得到皮带行像素中各像素的皮带高度；步骤S3、皮带输送散状物料时，采集皮带的彩色图像和深度图像，将当前帧彩色图像输入神经网络，进而得到料面行像素中各像素的料面高度；步骤S4、获取料面行像素中各像素的物料厚度，并计算料面行像素中所有物料的横截面积，进而得到料面行像素中所有物料的体积；步骤S5、重复步骤S3至步骤S4设定次数，以得到该时间段内通过皮带的物料的总重量。本发明能够克服传统重量皮带秤的缺陷，从而提高测量的可靠性和精度。
-
公开(公告)号：CN118876236B
公开(公告)日：2024-12-17
申请号：CN202411365159.3
申请日：2024-09-29
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明涉及混凝土卸料技术领域，本发明提供一种基于电流进行实时监测的混凝土智能卸料方法及装置，该方法包括获取混凝土搅拌过程的电流信号、建立神经网络模型、混凝土搅拌状态监测和混凝土智能卸料。本发明通过上述方法，能够不断的对每一时刻的搅拌状态进行判断，以便于及时确定混凝土搅拌均匀状态时的时间点，并能够在搅拌均匀状态下预测混凝土流动性，从而能够及时停止搅拌和控制卸料时卸料口的开度，保证了混凝土出料为均匀状态的同时避免了不必要搅拌时间的浪费，提升了生产的质量和效率，避免流动性好时或差时，导致的卸料过快或堵塞，使得混凝土的搅拌生产更加稳定有序。
-
Patent Agency Ranking
公开(公告)号：CN119048966A
公开(公告)日：2024-11-29
申请号：CN202411531592.X
申请日：2024-10-30
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明提供一种基于不同工况的图像检测坍落度模型迁移使用方法，包括获取以往混凝土的生产数据并进行标签、获取以往混凝土搅拌视频数据并进行预处理和建立初始混凝土坍落度检测模型和初始混凝土坍落度检测模型的迁移。本发明通过上述方法，通过获取以往混凝土的生产数据并进行标签、获取以往混凝土搅拌视频数据并进行预处理、建立初始混凝土坍落度检测模型的迁移的方法对搅拌均匀视频进行图像处理和初始模型的建立和将模型运用到新搅拌站中，能够快速的对模型的更新，减少了人工试验标注的工作量，节省时间和成本，通过混凝土生产过程中对坍落度的实时检测，可及时调整生产配方，提高混凝土生产的效率和质量。
-
公开(公告)号：CN118916652A
公开(公告)日：2024-11-08
申请号：CN202411417674.1
申请日：2024-10-11
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
IPC: G06F18/20 , G16C20/30 , G16C20/70 , G16C60/00 , G06N3/045 , G06N3/084 , G06N3/0985 , G06F18/213 , G06F18/2413 , G01N33/38
Abstract: 本发明提供一种智能混凝土配方调整方法，包括以下步骤，特征选取与数据分析，电流曲线的特征值与抗压强度、坍落度关联，模型训练与算法优化和混凝土配方的调整。本发明通过上述方法，能够基于历史混凝土搅拌过程中的各个数据进行获取和处理，得到电流曲线与相应的抗压强度和坍落度标签，并能够根据电流曲线与相应的抗压强度和坍落度标签进行训练神经网络模型，得到混凝土抗压强度和坍落度检测模型，以便于通过该模型预测实际生产过程中的混凝土抗压强度和坍落度，并能够基于历史生产数据，匹配相同情况下的配合比，从而能够得到所需用水或凝胶材料调整量，保证了混凝土的生产质量，降低生产成本，提高生产效率。
-
公开(公告)号：CN118817540A
公开(公告)日：2024-10-22
申请号：CN202411309779.5
申请日：2024-09-19
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
Abstract: 本发明提供一种基于深度学习的沥青混合料质量在线监测方法及装置，方法包括以下步骤，沥青混合料样本制作、训练样本预处理、构建预测模型和沥青混合料的质量监测。本发明通过上述结构，通过上述的方法建立沥青混合料的预测模型，并根据实际生产时，向预测模型输入搅拌过程中的电流数据，能够实时有效的得到预测的沥青混合料的稳定度和流值，当预测值不符合生产要求时，能够及时报警，提醒人工干预进行调整配方，从而能够及时对不符合生产要求的沥青混合料进行二次调整，以保证沥青混合料出锅时的质量要求，能够减小废料的产生。
-
公开(公告)号：CN117195163B
公开(公告)日：2024-04-09
申请号：CN202311478000.8
申请日：2023-11-08
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
IPC: G06F18/27 , G16C20/30 , G16C20/70 , G16C60/00 , G06F18/214 , G06F18/2413 , G01N33/38
Abstract: 本发明公开了一种基于混凝土配方的坍落度预测方法、装置及可读介质，涉及混凝土搅拌检测技术领域，该方法包括：获取原料配方数据，并提取原料特征；构建坍落度预测模型，根据历史生产过程中不同抗压强度的混凝土的原料配方数据中的单位方量水质量或水灰比分布范围制作坍落度标签，将不同抗压强度的混凝土的原料配方数据中的每立方混凝土所使用的每种原料质量作为原料特征，构成训练数据，采用训练数据对坍落度预测模型进行训练，得到经训练的坍落度预测模型；将原料特征输入经训练的坍落度预测模型，预测得到对应的坍落度的预测值，解决现有技术中混凝土坍落度需要大量人工实验标注、生产后离线测量的问题，提高混凝土搅拌站的生产效率。
-
公开(公告)号：CN117194969A
公开(公告)日：2023-12-08
申请号：CN202310774838.5
申请日：2023-06-28
Applicant: 福建南方路面机械股份有限公司 , 华侨大学
IPC: G06F18/214 , G06F18/2413 , G06N3/0464 , G06N3/0895
Abstract: 本发明提供一种基于Mask‑RCNN的自训练固废识别方法，包括步骤S1、将采集的固废样本分为已标注和未标注两类；步骤S2、利用训练集对Mask‑RCNN模型进行预训练，得到识别模型；步骤S3、利用识别模型对测试集中进行预测，若某物体的置信度小于第一阈值，则不对该物体进行标签，否则进行标签；步骤S4、对经过第一阈值筛选后的样本再次进行判断，若每个物体的置信度均大于等于第二阈值，则将该样本放入训练集中，否则放入未标注数据集中；步骤S5、再次进入步骤S2和步骤S3，利用更新后的训练集对Mask‑RCNN模型进行预训练和更新后的未标注数据集进行预测。本发明能够实现有效样本的数据增强，进而帮助实现高效、准确的固废分类识别。
-
-
-
-
-
-
-
-
-
Search Results
325
records
(took 0.051 seconds)
