-
公开(公告)号：CN103240460A
公开(公告)日：2013-08-14
申请号：CN201310220307.8
申请日：2013-06-04
Applicant: 江苏科技大学
Abstract: 本发明公开一种大型工件锥度孔内键槽的加工装置，包括导引杆、拉刀片、齿条导轨、夹具体、定位销、定位杆、工作台面、进给工作台、联接机构、蜗轮蜗杆、液压缸、机床体、手摇进给装置、拉刀杆、主运动液压缸、固定装置和轴承座；用于放置并定位工件的工作台面的一端与机床体通过固定铰支座连接，液压缸的上端和工作台面的另一端铰接。本发明可以进行大型工件带有锥度的孔的内键槽加工，具有小机构加工大工件，加工精度高等特点，结构简单，安装方便，实用性强，零、部件的标准化、通用化程度高。
-
公开(公告)号：CN102909252A
公开(公告)日：2013-02-06
申请号：CN201210472109.6
申请日：2012-11-20
Applicant: 江苏科技大学
Abstract: 本发明公开了一种用于对空心构件冲压键槽的装置及其冲压方法，该装置包括底座、支撑凹模、与支撑凹模连接的支撑心轴和定位楔，所述的支撑凹模外表面套有用于支撑工件的径向轴套，支撑凹模一端设有端盖，端盖与支撑凹模之间通过键连接，端盖外沿上设有凹槽，端盖通过定位楔插入凹槽内固定在底座上，所述端盖与径向轴套之间设有垫环。本发明的一种用于对空心构件冲压键槽的装置及其冲压方法，利用支撑心轴与支撑凹模的配合支撑工件内表面，承受冲击载荷防止工件冲压变形；通过增加或减少或更换不同径向轴套、轴向垫片来实现不同尺寸的工件的加工，可以提高加工效率、保证加工质量，大大提高经济效益。
-
公开(公告)号：CN119940080A
公开(公告)日：2025-05-06
申请号：CN202411837034.6
申请日：2024-12-13
Applicant: 江苏科技大学
IPC: G06F30/27 , G05B13/04 , G01M7/02 , G06F111/06 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种基于多任务交互PINN和全局振动模型的滚柱直线运动导轨振动分析方法，包括以下步骤：(1)设置全局笛卡尔坐标系，定义滑块的五个运动自由度；(2)使用拉格朗日方程描述RLMG系统，生成系统的矩阵形式振动方程；(3)将滚柱体、轨道和滑块间的接触简化为弹簧‑阻尼系统，建立局部接触坐标系；(4)基于刚体运动学计算滚柱体相对滑块的速度和位置变化；(5)通过缩放多自由度耦合方程并无量纲化，将无量纲化的RLMG振动方程引入PINN损失函数，应用软约束编码动力学约束；(6)基于无量纲化选择的时间尺度因子，对原始时间变量进行变换，并输入设计的交互网络进行预测，同时通过硬约束嵌入初值条件，使网络的预测严格满足初始条件；(7)使用梯度算法计算预测输出的导数输入无量纲方程，生成相应的子损失函数。利用行为增强黑翅鸢算法BE‑BKA计算各子损失的最优权重；(8)使用多梯度协同优化方法自适应调整网络权重；本发明以满足工业应用中对实时控制和振动响应预测的需求。
-
公开(公告)号：CN116992758B
公开(公告)日：2024-06-14
申请号：CN202310878291.3
申请日：2023-07-17
Applicant: 江苏科技大学
IPC: G06F30/27 , G06N20/00 , G06N3/006 , G06N3/0464 , G06F111/04
Abstract: 本发明公开了一种基于机器学习的复杂机械智能装配方法，步骤如下：根据企业调研，构建产品模型库；在装配工艺复用的基础上，首先对能进行工艺复用的装配对象进行过滤，对于剩余待识别装配对象，分析影响其装配序列规划的因素，针对各种影响因素制定局部适应性评价函数和全局适应性评价函数；通过SolidWorks二次开发获取剩余待识别装配对象之间的装配关系数据；通过改进人工蜂群算法获取最小全局适应性值所对应的装配序列，该装配序列为待识别装配对象所对应的最优装配序列。本发明通过机器学习实现复杂机械的智能装配，不仅充分利用了企业的优质资源，而且还提高装配工艺生成效率和自动化水平。
-
公开(公告)号：CN113976966B
公开(公告)日：2024-03-15
申请号：CN202111413607.9
申请日：2021-11-25
Applicant: 江苏科技大学
Abstract: 本发明公开加工大型螺旋桨领域中的一种基于插铣的船用螺旋桨加工机器人及加工方法，从待加工螺旋桨叶的叶根到叶梢，从上下垂直的加工起始段AB为矩形的起始垂直边，规划出连续的矩形为加工路径，直加工终止段GH，形成从AB段到GH段的连续的矩形加工区域；根据变形程度将所述的矩形加工区域划分为高、中、低三个变形区域，切削参数随着加工区域和路径的改变线性变化，初始位置在叶根处，变形量较小，所以用较大切削力使得加工效率最优，终止位置在叶梢处，变形量较大，用较小的切削力保证加工效果；采用三铣刀提高切削效率，切削参数随着加工区域和路径的改变线性变化，保证加工精度和加工效率，采用多点支撑，减少加工过程中螺旋桨的颤振。
-
Patent Agency Ranking
公开(公告)号：CN117218192A
公开(公告)日：2023-12-12
申请号：CN202311103136.0
申请日：2023-08-30
Applicant: 江苏科技大学
IPC: G06T7/73 , G06V10/82 , G06F30/27 , G06T15/00 , G06V10/25 , G06V10/26 , G06V10/44 , G06V10/74 , G06N3/0464 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开一种基于深度学习与合成数据的弱纹理物体位姿估计方法，对无纹理CAD模型进行渲染得到合成数据，经过融合CBAM模块的5层卷积层组成的自编码器网络得到位姿潜在特征提取网络，制作成码本，将真实测试图像输入到改进的Mask R‑CNN实例分割网络得到包围框信息；对包围框信息进行裁剪，输入位姿潜在特征提取网络得到潜在特征向量；根据潜在特征向量与模板潜在向量计算出余弦相似度，采用k近邻算法得到3D旋转位姿；根据真实测试图像中CAD模型数据的边界框信息得到z轴平移量估计值，采用图像坐标系与相机坐标系的转化关系式得到x轴和y轴上的平移量；提高了网络表达特征的能力，降低计算复杂度，在减少模型参数量的同时提高6D位姿估计识别精度。
-
公开(公告)号：CN116692146A
公开(公告)日：2023-09-05
申请号：CN202310669034.9
申请日：2023-06-07
Applicant: 江苏科技大学
Abstract: 本发明公开电缆线圈包装生产领域中的一种电缆线圈柔性自动化装袋装置及工作方法，工作平台右侧是定向传送机构，中间正上方是柔性码垛料仓，上表面中间位置处是升降式码垛装袋平台，左右两侧分别固定连接分体式取袋撑袋移动端和分体式取袋撑袋固定端，分体式取袋撑袋移动端后下方是上升式柔性袋仓；分体式取袋撑袋移动端从上升式柔性袋仓内吸取包装袋，移动到分体式取袋撑袋固定端对面时，与分体式取袋撑袋固定端配合将包装袋撑开，电缆线圈从定向传送机构下滑，经柔性码垛料仓的定位和导向进入包装袋内，升降式码垛装袋平台承载并输送电缆线圈；本发明实现线圈输送、码垛、装袋全流程自动化，码垛装袋过程稳定有序，有效提高线圈整体包装效率。
-
公开(公告)号：CN110796033B
公开(公告)日：2023-07-28
申请号：CN201910966652.3
申请日：2019-10-12
Applicant: 江苏科技大学
IPC: G06V40/10
Abstract: 本发明涉及一种基于包围盒的静态手势识别方法，首先根据肤色信息对场景图像中的手势区域进行分割，获得手势图像；再针对手势几何特征易受形变的影响，从多方面考虑手势几何特征，提出利用分层策略的思想，将多种手势的识别任务分两步骤实现；首先检测手势图像中的手指数目，在此基础上利用手指相对位置进行手势建模，将多类型手势分类转化到当前步骤下两种手势类型的分类，避免特征数据融合带来计算复杂的问题，利用手势几何特征进行手势建模并分类，提高了手势识别率。
-
-
公开(公告)号：CN116362125A
公开(公告)日：2023-06-30
申请号：CN202310323825.6
申请日：2023-03-29
Applicant: 江苏科技大学
IPC: G06F30/27 , G06F30/17 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q10/04 , G06F119/04 , G06F111/08
Abstract: 本发明公开了一种基于深度学习的涡扇发动机多级预测性维护方法。首先采集涡扇发动机的传感器数据和操作设置数据，进行预处理形成数据集并划分为训练集和测试集。其次将训练集输入C‑Transformer网络中，预测部件剩余寿命,利用分类准则重新为训练集和剩余寿命打标签，从而形成新的训练数据集。然后，将新训练数据集输入卷积神经网络CNN预测部件失效概率并计算系统失效概率，利用试错法得出系统维护等级。最后，将优化模型与MDU‑ABC‑K算法相结合，以总综合成本最小化为目标，输出最优动态维护策略。本发明能够为航空发动机的主动运维提供技术支撑，避免不可预测的故障，降低运营成本，减少意外停机，提高运维效率。
-
-
-
-
-
-
-
-
-
Search Results
98
records
(took 0.03 seconds)
