一种基于铁磁微丝纺织技术的电磁超材料及其制备方法

    公开(公告)号:CN117712700A

    公开(公告)日:2024-03-15

    申请号:CN202311586886.8

    申请日:2023-11-27

    Abstract: 本发明公开了一种基于铁磁微丝纺织技术的电磁超材料及其制备方法,采用铁磁微丝作为纬纱与石英纤维纺织成二维织物作为预制体,通过多层铺叠并使用RTM工艺灌注环氧树脂方式制作成型铁磁微丝超材料,所述铁磁微丝超材料通过树脂传递模塑RTM工艺制作;所述RTM工艺是指由低粘度树脂在闭合模具中流动浸润增强材料并固化成型;所述树脂的粘度为100~400mpa·s;再进行电磁、力学及耐温测试,得到铁磁微丝超材料的最高耐温。验证X波段8‑11GHz频段带宽达到‑17dB低反射率的隐身效果,具有结构承载、耐温和隐身功能一体化的特点。

    一种具有多模式运动功能的球形机器人

    公开(公告)号:CN113581310B

    公开(公告)日:2022-10-04

    申请号:CN202110964896.5

    申请日:2021-08-20

    Abstract: 本发明公开了一种具有多模式运动功能的球形机器人,属于智能机器人技术领域,能够使球形机器人具备跳跃和滚动能力。所述球形机器人包括:菱形施力结构中的第一连杆和第二连杆的一端均连接在第一支座上、且其端部均具有轮齿,轮齿相互啮合,第三连杆和第四连杆的一端均连接在第二支座上,第一连杆与第四连杆、第二连杆与第三连杆转动连接;拉簧的两端固定在连杆对角上;断电自锁电机与第一齿轮固定;齿轮箱中的第二齿轮与第三齿轮同轴连接、且与第一齿轮啮合,第三齿轮为缺齿齿轮、且与第四齿轮间歇啮合;第四齿轮的一侧设有卷线盘,卷线盘上的绳索的另一端固定在第二框架的底部。本发明用于球形机器人。

    基于EAP驱动的弹跳机构及其弹跳机器人

    公开(公告)号:CN111098944B

    公开(公告)日:2021-04-23

    申请号:CN201811257958.3

    申请日:2018-10-26

    Abstract: 本申请公开了一种基于EAP驱动的弹跳机构及其机器人,包括:预载荷部、介电弹性体薄膜、传动部和弹跳部,介电弹性体薄膜设置于预载荷部的底面上,传动部与预载荷部的底面通过介电弹性体薄膜动力输出连接;预载荷部与介电弹性体薄膜产生的合力驱动弹跳部。该弹跳机构采用柔性球体结构和弹跳式运动模式,这样能够适应星球表面高障碍物、陡坡等复杂地形,使其具有较强的几何通过性和跨越障碍的能力。本申请的又一方面还提供了包含该弹跳机构的弹跳机器人。

    一种自感知驱动器及基于其的触觉感知方法和设备

    公开(公告)号:CN118046422A

    公开(公告)日:2024-05-17

    申请号:CN202410183687.0

    申请日:2024-02-19

    Abstract: 本发明公开了一种自感知驱动器及基于其的触觉感知方法和设备,所述自感知驱动器包括驱动层、传感层和限制层,其中,驱动层包括由柔性材料形成的第一薄膜层及具有中空流道的气体通道层,传感层包括两个柔性电极,及位于柔性电极之间的三个介电层,位于中部的第二介电层与气体通道层结构相同,限制层包括由高模量软性材料形成的第二薄膜层。通过调节气压的方式调节本发明的自感知驱动器的驱动层高度,可避免对接触物体造成损伤,并可实现对物体表面纹理、硬度等信息的实时准确感知,提高机器人在复杂环境下的感知能力。

    一种基于负刚度预载荷EAP驱动结构

    公开(公告)号:CN108900110A

    公开(公告)日:2018-11-27

    申请号:CN201810770657.4

    申请日:2018-07-13

    Abstract: 本发明涉及一种基于负刚度预载荷EAP驱动结构,包括:结构支架;EAP柔性薄膜,所述EAP柔性薄膜安装在所述结构支架上并通过自身刚度的变化进行驱动;负刚度预载荷,所述负刚度预载荷安装在所述结构支架上,用于根据所述EAP柔性薄膜刚度的变化进行动力输出。本发明通过将EAP柔性薄膜和负刚度预载荷结合起来,与现有的机械式、电磁式作动器相比具有结构简单、响应快、无噪音、不生热、电力转化效率高等优点,可以应用到各种柔性驱动结构上,在电刺激下可以快速产生输出位移并做功。

    一种基于深度学习的热载荷下电磁超材料性能预测方法

    公开(公告)号:CN117854637A

    公开(公告)日:2024-04-09

    申请号:CN202311586883.4

    申请日:2023-11-27

    Abstract: 本发明公开了一种基于深度学习的热载荷下电磁超材料性能预测方法,包括:基于三维电磁超材料的微结构特征建立有限元模型,为该有限元模型选择网格尺寸并划分网格,设置三维电磁超材料的边界条件和温度载荷;分析三维电磁超材料的稳态热变形并导出变形后的网格;分析稳态热变形后三维电磁超材料的散射参数电磁特性;重复计算多个算例并构建数据集,定义包含不同采样频率的损失函数,构建卷积神经网络,利用损失函数迭代更新卷积神经网络的参数,最终建立根据超材料结构特征、热学载荷预测电磁特性的模型。所述方法能快速、准确量化极端热环境下电磁超材料的性能,揭示热载荷对电磁性能的影响规律,为电磁超材料在航空航天等领域的应用提供参考。

Patent Agency Ranking