-
公开(公告)号:CN120027173A
公开(公告)日:2025-05-23
申请号:CN202510168805.5
申请日:2025-02-17
Applicant: 南京林业大学
IPC: F16H3/44 , F16H57/02 , F16H57/023 , F16H57/08
Abstract: 本发明公开了一种面齿轮行星式多挡变速传动系统,属于齿轮传动领域,包括第一、二级面齿轮行星轮系、单向离合器、摩擦离合器,第一级面齿轮行星轮系包括圆柱齿轮一、行星架一、面齿轮一、面齿轮二、面齿轮四、面齿轮五、面齿轮六;第二级面齿轮行星轮系包括圆柱齿轮二、行星架二、面齿轮七、面齿轮八、面齿轮九、面齿轮十一、面齿轮十二;本传动系统采用多级面齿轮嵌套结构实现多挡变速,面齿轮间利用轴承实现相互转动。通过单向离合器、多片式摩擦离合器的结合脱离实现换挡。本发明具有重合度高、承载能力强、无需防错位设计及精准分流的优点,在实现更多挡位传动的同时,零部件数大大减少,结构更加紧凑。
-
公开(公告)号:CN119308863A
公开(公告)日:2025-01-14
申请号:CN202411440395.7
申请日:2024-10-15
Applicant: 南京林业大学
Abstract: 本发明公开了一种多重自锁式叶片伸缩旋转调节装置,涉及风机、水泵叶片设计领域,其特征是,包括支撑平台,旋转驱动装置,叶片长度伸缩调节装置,叶片角度旋转调节装置,位移传感器、角度编码器以及控制系统等。本机构主要由旋转驱动装置将叶片及伸缩旋转装置固定在支撑平台上,实现叶片旋转。同时,本机构通过蜗轮蜗杆加行星滚柱丝杠实现叶片长度伸缩调节,利用电机加蜗轮蜗杆实现叶片角度调节,并利用电机自锁、蜗轮蜗杆自锁及电磁制动器实现长度位置和角度的多重自锁。本机构可根据运行工况,对旋转叶片伸缩长度和旋转角度进行调节,达到全工况高效节能运行的要求,实现能源效益最大化。
-
公开(公告)号:CN110580391B
公开(公告)日:2023-08-11
申请号:CN201910837491.8
申请日:2019-09-05
Applicant: 南京林业大学
IPC: G06F30/23 , G06F18/213
Abstract: 本发明公开了一种柔性结构的基频模态测量方法,通过有限元仿真建模分析得到结构的前三阶模态振型并按最大值进行归一化,然后根据模态叠加法,利用前三阶振型构造一个新的振型,再给结构的每个结点施加新振型时每个结点的位移改变量,通过瞬态响应分析获得结构的瞬态响应数据,并由瞬态响应数据通过特征系统实现算法辨识出结构的基频模态参数。本发明只需要结构的响应信号,能够有效地辨识出大型柔性结构的基频模态参数。
-
公开(公告)号:CN114972040B
公开(公告)日:2023-04-18
申请号:CN202210832867.8
申请日:2022-07-15
Applicant: 南京林业大学
IPC: G06T3/40 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种单板层积材的散斑图像超分辨率重建方法,包括:在单板层积材试件表面依次喷涂白色底漆和黑色散斑,使得单板层积材试件表面形成黑白散斑;连续采集多张单板层积材试件受外部作用力产生扩展尖端裂纹的原始高清散斑图像;对多张原始高清散斑图像进行处理,得到多张原始高分辨率图像块和低分辨率图像块;构建残差网络模型,利用训练集对残差网络模型进行训练,得到训练好的残差网络模型;本发明克服了单板层积材在超分辨率图像重建中的细节信息丢失和边缘模糊;加入特征图动态加权模块提高了单板层积材超分辨率图像重建的真实性;采用了一种新的残差网络模型,提高了网络性能;重建后的单板层积材超分辨率图像精度高,真实性高。
-
公开(公告)号:CN114897292B
公开(公告)日:2023-04-07
申请号:CN202210317326.1
申请日:2022-03-28
Applicant: 南京林业大学
IPC: G06Q10/0639 , G06Q50/06 , G06F18/241 , G06N3/0464 , G06N3/047 , G06N3/08
Abstract: 本发明公开了一种基于多尺度残差卷积变分网络故障诊断方法和诊断系统,包括:获取针对机械设备不同传递系统故障的加速度数据,并随机划分为训练样本和测试样本;由至少3个残差卷积变分模块并行学习串接,对每个残差卷积变分模块输出特征向量进行汇总形成总的特征向量,并采用分类模块对总的特征向量进行故障分类,形成多尺度残差卷积变分网络模型,其中,对多尺度残差卷积变分网络模型的初始参数进行设置;采用所述训练样本对多尺度残差卷积变分网络模型进行训练,实现小样本数据下多尺度、深层次的故障特征学习,并将测试样本输入至上述训练好的多尺度残差卷积变分网络模型,以实现对机械设备运行状态的自动辨别和智能诊断。
-
公开(公告)号:CN114972040A
公开(公告)日:2022-08-30
申请号:CN202210832867.8
申请日:2022-07-15
Applicant: 南京林业大学
Abstract: 本发明公开了一种单板层积材的散斑图像超分辨率重建方法,包括:在单板层积材试件表面依次喷涂白色底漆和黑色散斑,使得单板层积材试件表面形成黑白散斑;连续采集多张单板层积材试件受外部作用力产生扩展尖端裂纹的原始高清散斑图像;对多张原始高清散斑图像进行处理,得到多张原始高分辨率图像块和低分辨率图像块;构建残差网络模型,利用训练集对残差网络模型进行训练,得到训练好的残差网络模型;本发明克服了单板层积材在超分辨率图像重建中的细节信息丢失和边缘模糊;加入特征图动态加权模块提高了单板层积材超分辨率图像重建的真实性;采用了一种新的残差网络模型,提高了网络性能;重建后的单板层积材超分辨率图像精度高,真实性高。
-
公开(公告)号:CN114897292A
公开(公告)日:2022-08-12
申请号:CN202210317326.1
申请日:2022-03-28
Applicant: 南京林业大学
Abstract: 本发明公开了一种基于多尺度残差卷积变分网络故障诊断方法和诊断系统,包括:获取针对机械设备不同传递系统故障的加速度数据,并随机划分为训练样本和测试样本;由至少3个残差卷积变分模块并行学习串接,对每个残差卷积变分模块输出特征向量进行汇总形成总的特征向量,并采用分类模块对总的特征向量进行故障分类,形成多尺度残差卷积变分网络模型,其中,对多尺度残差卷积变分网络模型的初始参数进行设置;采用所述训练样本对多尺度残差卷积变分网络模型进行训练,实现小样本数据下多尺度、深层次的故障特征学习,并将测试样本输入至上述训练好的多尺度残差卷积变分网络模型,以实现对机械设备运行状态的自动辨别和智能诊断。
-
公开(公告)号:CN113079823B
公开(公告)日:2022-05-17
申请号:CN202110317934.8
申请日:2021-03-25
Applicant: 南京林业大学
IPC: A01D46/26
Abstract: 本发明公开了一种具有隔振功能的振动采收装置,包括移动底盘、激振装置、滑动支架和隔振装置,滑动支架搭载在移动底盘上,隔振装置设置在滑动支架上,激振装置设置在滑动支架的顶部;激振装置包括曲柄滑块机构、马达和夹持头,马达与曲柄滑块机构连接,夹持头与曲柄滑块机构转动连接;滑动支架包括轴承支架、可移动导轨和底架,轴承支架和底架之间通过隔振装置连接,可移动导轨连接在轴承支架顶部;隔振装置包括水平隔震组件和垂直隔震组件。本发明可以准确夹持到所需采收树体,进行振动采收,省时省力省人工,采收效率高,且隔振装置减少了振动果树时传递到载具的作用力,减少了竖直方向振动传递,减少了在田间行驶时载具传递至激振装置的振动。
-
公开(公告)号:CN110603958B
公开(公告)日:2021-06-04
申请号:CN201911027311.6
申请日:2019-10-27
Applicant: 南京林业大学
IPC: A01D46/26 , G06F30/17 , G06F119/14
Abstract: 本发明公开了一种局部激励的振动控制方法,振动控制方法用于三点可调夹持式振动采摘装置,三点可调夹持式振动采摘装置包括底座以及设于底座上方的左夹持机构、右夹持机构和中夹持振动机构;中夹持振动机构位于左夹持机构和右夹持机构之间,左夹持机构固定在底座上,右夹持机构和中夹持振动机构均能分别在底座上发生水平移动;左夹持机构和右夹持机构均用于夹持果枝;中夹持振动机构用于夹持果枝并对果枝施加振动,中夹持振动机构的振动力通过零刚度减震器隔绝在左夹持机构和右夹持机构上的传递;本发明用于三点可调夹持式振动采摘装置,自动化程度高,且该方法可以计算出不同枝条的具体夹持参数l,x1,可以精准激励,可靠地保证了采摘的精准性。
-
公开(公告)号:CN109794438B
公开(公告)日:2021-03-16
申请号:CN201910254499.1
申请日:2019-03-31
Applicant: 南京林业大学
Abstract: 本专利的蓝莓自动分等方法及装置,让蓝莓自由滚动的方式实现自动分等,对蓝莓基本没有无损伤,空间利用率高。它包括输送带,在输送带上设置有至少一对分流板,每个移动通道的前端与一个分等轨道对接;分等轨道高度逐渐降低;分等轨道具有形成四边形的第一、二、三、四边;除了在分等轨道的出口所在的第四边外,在其它三条边上均开有分级槽口;位置较低的分级槽口的宽度大于位置较高的分级槽口的宽度;在分等轨道四条边的下方分别设置有收集装置,从相互平行的各边上的分级槽口掉落的蓝莓落入该边下方的收集装置;从各分等轨道出口掉落的蓝莓落入的第四边下方的收集装置。
-
-
-
-
-
-
-
-
-