-
公开(公告)号:CN115729167B
公开(公告)日:2024-08-20
申请号:CN202211495086.0
申请日:2022-11-26
IPC: G05B19/18
Abstract: 本发明公开了一种基于车刀形状及对刀方式的五轴车床后处理方法,包括如下步骤:步骤一:根据车刀的装夹方式,确定对刀点相对于B轴轴心的相对位置和对刀点在车床坐标系中的坐标位置;步骤二:基于车刀的特征参数和工件的对刀方式,结合运动学原理,构建五轴车床在车削过程中对刀点的运动学方程;步骤三:基于五轴车床的数控系统对车削加工路径进行分析计算,基于运动学方程将车刀的运动分配到车床的各个运动轴上,并输出为数控系统可以识别的加工代码。本发明基于车刀形状及对刀方式的五轴车床后处理方法,同时考虑车削加工和五轴联动加工的特征,并结合车刀特殊形状及对刀方式,生成能够适用于数控系统的加工程序。
-
公开(公告)号:CN113946990B
公开(公告)日:2024-08-06
申请号:CN202110920485.6
申请日:2021-08-11
Applicant: 重庆大学
IPC: G06F30/23 , G06F30/27 , G06N3/045 , G06N3/0464 , G06N3/0985 , G06N3/096 , G06F119/08
Abstract: 本发明公开了一种STO‑BTCN热误差预测模型建模方法,包括如下步骤:1)初始化燕鸥优化算法(STO)的参数;2)创建BTCN神经网络,将燕鸥的初始位置映射为BTCN神经网络的批处理大小和滤波器数量;3)以平均绝对误差(MAE)视为适应度函数;4)判断平均绝对误差(MAE)是否小于设定阈值;5)判断迭代次数是否达到最大值,若是,则终止迭代;若否,则迭代次数加1,并将更新后的燕鸥位置映射为BTCN神经网络的批处理大小和滤波器数量后,循环执行步骤3);6)以燕鸥优化算法(STO)得到的批处理大小和滤波器数量作为BTCN神经网络的最佳超参数,构建得到STO‑BTCN热误差预测模型。本发明还公开了一种STO‑BTCN热误差预测模型的迁移学习方法。
-
公开(公告)号:CN118296770A
公开(公告)日:2024-07-05
申请号:CN202410561315.7
申请日:2024-05-08
Applicant: 重庆大学
Abstract: 本发明公开了一种分区修形面齿轮磨削用多鼓蜗杆砂轮设计方法,首先,基于面齿轮方程求解面齿轮磨削轨迹线;然后,再根据面齿轮磨削轨迹线对面齿轮进行修形分区,得到各修形分区的修形参数和齿面方程,进而得到与各修形分区一一对应的各鼓蜗杆砂轮的齿面方程;最后,按照各修形分区的磨削顺序,沿着轴向依次排列各鼓蜗杆砂轮,并使各鼓蜗杆砂轮中心同轴,得到多鼓蜗杆砂轮。综上,本发明方法设计得到的多鼓蜗杆砂轮,针对面齿轮齿面上的每一个修形分区分别设置单鼓蜗杆砂轮,得到的多鼓蜗杆砂轮仅需一次装夹,利用对应的单鼓蜗杆砂轮即可实现对应的修形分区的磨削,能够有效避免多个蜗杆砂轮的重复定位装夹导致的齿面误差大、加工效率低的问题。
-
公开(公告)号:CN117989971A
公开(公告)日:2024-05-07
申请号:CN202410160802.2
申请日:2024-02-05
Applicant: 重庆大学
IPC: G01B7/06
Abstract: 本发明公开了一种蜗杆蜗轮副传动过程中动压油膜厚度的测量方法,搭建底部能够移动的、用于调整蜗杆蜗轮副静态油膜厚度的蜗杆蜗轮副电阻测量平台;基于测量平台得到静态条件下油膜厚度和电阻的数据点集,建立油膜厚度和电阻之间的映射关系;蜗杆蜗轮副实际传动过程中,测量蜗杆蜗轮副的电阻,通过油膜厚度和电阻之间的映射关系,反求得到动压油膜的厚度,实现蜗杆蜗轮副动压油膜厚度的测量,本发明通过建立测量平台,采用调整静态油膜厚度的方法,获得油膜厚度与电阻值的关系函数;在蜗杆蜗轮副传动过程中,测量蜗杆蜗轮之间的电阻值,利用油膜厚度与电阻值的函数关系反求出传动过程中动压油膜的厚度,实现动压油膜蜗杆蜗轮副的油膜厚度准确表征。
-
公开(公告)号:CN117763764A
公开(公告)日:2024-03-26
申请号:CN202410047634.6
申请日:2024-01-11
Applicant: 重庆大学
IPC: G06F30/17 , G06F30/27 , G06F30/28 , G06F18/2135 , G06F113/08 , G06F119/08 , G06F119/14
Abstract: 本发明公开一种动压油膜蜗杆蜗轮副主动确定方法与精密加工方法,涉及蜗杆蜗轮副设计与加工领域,该方法包括建立考虑粗糙形貌的蜗杆蜗轮副修形齿面精确三维数字化模型;提出跨尺度的蜗杆蜗轮副啮合接触分析方法,建立考虑修形齿面宏观形貌、齿面粗糙度和波纹度的蜗杆蜗轮副三维接触热弹流润滑模型并对模型进行求解,以摩擦系数、油膜厚度、油膜压力以及摩擦力为目标,基于改进后的非支配排序遗传算法和主成分分析方法确定最佳的蜗杆蜗轮修形曲线、蜗杆齿厚分布、压力角、螺旋线升角、齿面粗糙度和波纹度;利用确定的双导程变齿厚滚刀进行蜗轮齿面的加工。本发明能够准确设计蜗杆蜗轮副,实现修形轨迹的精确控制及蜗杆蜗轮副的精密加工。
-
公开(公告)号:CN116501444B
公开(公告)日:2024-02-27
申请号:CN202310479985.X
申请日:2023-04-28
Applicant: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司 , 赛力斯集团股份有限公司
IPC: G06F9/455 , G06N3/0495 , G06N3/08 , G06N20/00
Abstract: 本发明公开了一种智能网联汽车域控制器虚拟机异常云边协同监测和恢复系统,包括边缘端和云端;边缘端包括:状态实时监控模块,用于采集虚拟机关联设备的健康状态向量作为样本数据并对虚拟机异常进行修复;异常自我监测模块,包括孤立森林模型和轻量化神经网络模型;云端包括:未知故障挖掘模块,包括未知异常类划分模型和模型校正模块;自主学习提升模块,用于在得到异常修复方案后结合历史修复方案对该异常修复方案进行评估和改进,改进后的异常修复方案被传输至状态实时监控模块以提升(56)对比文件Marcel Wallschläger等.AnomalyDetection for Black Box Services in EdgeClouds Using Packet Size Distribution.《2018 IEEE 7th International Conferenceon Cloud Networking (CloudNet)》.2018,1-6.
-
公开(公告)号:CN116522498B
公开(公告)日:2024-02-02
申请号:CN202310487553.3
申请日:2023-04-28
Applicant: 重庆大学 , 重庆赛力斯新能源汽车设计院有限公司 , 赛力斯集团股份有限公司
IPC: G06F30/15 , G06F30/27 , G06F119/06
Abstract: 本发明公开了一种增程式电动车能耗和排放协同优化方法,包括如下步骤:S1:基于深度学习网络构建车辆系统能耗和排放模型,利用车辆系统能耗和排放模型构建车辆运行状态数据与能耗和排放之间的映射关系:S2:构建目标函数和约束条件:S3:实时采集车辆运行状态数据,在保持除发动机转速和发动机转矩外的其他车辆运行状态数据不变的条件下,求解使车辆能耗值和排放值最小的发动机转速和发动机转矩。本发明还公开了一种增程式电动车控制方法,利用数据驱动的方式,研究增程式电动车辅助动力单元协调控制策略与系统能耗和排放之间的关系,建立面向节能减排的双目标全局智能优化方法,为(56)对比文件张杰明.数据驱动场景下混合动力汽车多目标能效优化及参数设计研究.中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑.2022,全文.Yongjing Li etc..Improved WhaleOptimization Algorithm Based on HybridStrategy and Its Application in LocationSelection for Electric Vehicle ChargingStations.Energies.2022,第15卷(第19期),全文.冯坚等.基于动态规划算法和路况的增程式电动车能耗分析.同济大学学报(自然科学版).2019,(第S1期),全文.杨森等.基于Cruise的增程式客车能量管理策略仿真研究.汽车技术.2017,(第07期),全文.
-
公开(公告)号:CN117093852A
公开(公告)日:2023-11-21
申请号:CN202311221699.X
申请日:2023-09-20
Applicant: 重庆大学
IPC: G06F18/213 , G01D21/02 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种工业机器人早期异常监测模型,包括编码器模块、聚合器和条件解码器;编码器模块包括生成路径和潜在路径;生成路径上设有第一编码器,第一编码器学习已知上下文数据与目标数据点序数之间的映射关系,并得到工业机器人运行周期信号在高维空间的表征向量;潜在路径上设有第二编码器,第二编码器学习已知上下文数据内部特征并模拟高斯过程推理,得到工业机器人运行周期信号在高维空间的表征向量;聚合器用于聚合两个表征向量以获得全局表征参数;条件解码器对全局隐变量进行解码,得到信号函数,从而在输入目标数据点后获得对应的目标数据点预测信号值;本发明还公开了一种工业机器人早期异常监测方法。
-
公开(公告)号:CN114861736B
公开(公告)日:2023-11-17
申请号:CN202210635869.8
申请日:2022-06-07
Applicant: 重庆大学 , 赛力斯集团股份有限公司 , 武汉招商滚装运输有限公司重庆分公司
IPC: G06F18/10 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了本发明首先提出了一种基于GIALDN网络的内部缺陷定位装置,包括:重塑模块:得到输入信号特征;去池化预处理模块:得到预处理信号特征;轻量化信号去噪模块:用于对预处理信号特征进行软阈值去噪处理,得到去噪信号特征;全局交互注意力模块:将去噪信号特征内的每一个数据点都互相连接起来,并且在每个通道间也建立起联系,以提取信号内的远距离联系与跨通道数据间的潜在关系,提升特征的辨别力;多层卷积模块:得到深度信号特征;结果输出模块:利用softmax函数,从深度信号特征中得到缺陷定位结果。本发明还公开了一种基于GIALDN网络的内部缺陷定位方法。
-
公开(公告)号:CN116560341A
公开(公告)日:2023-08-08
申请号:CN202310602754.3
申请日:2023-05-25
Applicant: 重庆大学 , 赛力斯汽车有限公司 , 重庆赛力斯新能源汽车设计院有限公司
IPC: G05B23/02
Abstract: 本发明公开了一种工业机器人故障诊断模型,包括:时序特征提取模块,用于进行时序特征提取,并将每个时间窗输出的记忆信息进行拼接融合,拼接融合得到的时序特征图作为整个时序特征提取模块的输出结果;多尺度卷积模块,包括并列设置的多个特征提取分支,每个特征提取分支分别对时序特征图进行特征提取,将所有特征提取分支提取的特征图合并后得到的故障类别特征向量;多标签分类器,包括并列设置的多个故障标签模块,每一个故障标签模块包括与对应关节中可能出现故障的零部件一一对应设有分类器,每一个分类器具有独立的损失函数并将故障类别特征向量转换为类别概率向量。本发明还公开了一种工业机器人故障诊断方法。
-
-
-
-
-
-
-
-
-