-
公开(公告)号：CN117362978A
公开(公告)日：2024-01-09
申请号：CN202311371441.8
申请日：2023-10-23
申请人： 四川大学
摘要： 本发明涉及一种高球形度、宽烧结窗口的高分子粉末材料及其制备方法，属于高分子增材制造领域。本发明以高分子粒料、水溶性高分子粒料、抗氧剂为原料，先将上述原料混合后进行熔体挤出，得到以目标高分子为分散相、水溶性高分子为连续相的共混物，然后将共混物在接近高分子粒料熔点的特定温度进行特定时间的退火，再将退火的产物在热水中溶解、洗涤后分离、干燥得到球形度高、粒径分布窄、烧结窗口宽、制备过程相对环保的高分子粉末材料。本发明通过对熔体挤出的共混物在近熔点的温度下进行退火，可以有效降低粉末的起始结晶温度、提高粉末的起始熔融温度，从而大幅拓宽高分子粉末的烧结窗口。
-
公开(公告)号：CN117871101A
公开(公告)日：2024-04-12
申请号：CN202410270554.7
申请日：2024-03-11
申请人： 四川大学
IPC分类号： G01M13/045 , G06F18/241 , G06N3/0464
摘要： 本发明公开了多分类器细粒度的轴承故障诊断领域自适应方法及系统，该方法包括获取轴承不同载荷下的振动数据；将源域振动信号样本划分为源域训练样本和源域测试样本，并将目标域振动信号样本划分为目标域训练样本和目标域测试样本；将源域训练样本和目标域训练样本输入至多分类器细粒度的轴承故障诊断模型进行模型参数训练，以基于更新后的模型参数得到训练好的轴承故障诊断模型；将目标域测试样本输入至训练好的轴承故障诊断模型进行故障诊断分类以得到故障诊断分类结果。本发明能够利用多个分类器的输出的预测概率向量构建细粒度权重矩阵，同时基于该细粒度权重矩阵分配的权重参数训练模型，有效提升模型的准确率，获取精确的轴承故障诊断结果。
-
公开(公告)号：CN114455137B
公开(公告)日：2022-06-24
申请号：CN202210372130.2
申请日：2022-04-11
申请人： 四川大学
摘要： 本发明公开了一种医用药液包二次入袋包装装置，所述医用药液包二次入袋包装装置包括机架、抓包及装入组件、上袋组件、退包组件、撑开组件和检测剔除组件，抓包及装入组件在机架的高度方向及机架的宽度方向可移动，抓包及装入组件抓取药液包并将药液包装入包装袋，撑开组件与抓包及装入组件在机架的宽度方向上间隔布置，撑开组件将包装袋的袋口撑开，上袋组件与机架相连，上袋组件在机架的高度和机架的宽度方向可移动，上袋组件抓取包装袋并放到撑开组件上，退包组件与机架相连，退包组件退下抓包及装入组件上的药液包，检测剔除组件检测装有药液包的包装袋。本发明的医用药液包二次入袋包装装置，可以提高药液包的包装效率和质量。
-
公开(公告)号：CN114455137A
公开(公告)日：2022-05-10
申请号：CN202210372130.2
申请日：2022-04-11
申请人： 四川大学
摘要： 本发明公开了一种医用药液包二次入袋包装装置，所述医用药液包二次入袋包装装置包括机架、抓包及装入组件、上袋组件、退包组件、撑开组件和检测剔除组件，抓包及装入组件在机架的高度方向及机架的宽度方向可移动，抓包及装入组件抓取药液包并将药液包装入包装袋，撑开组件与抓包及装入组件在机架的宽度方向上间隔布置，撑开组件将包装袋的袋口撑开，上袋组件与机架相连，上袋组件在机架的高度和机架的宽度方向可移动，上袋组件抓取包装袋并放到撑开组件上，退包组件与机架相连，退包组件退下抓包及装入组件上的药液包，检测剔除组件检测装有药液包的包装袋。本发明的医用药液包二次入袋包装装置，可以提高药液包的包装效率和质量。
-
公开(公告)号：CN118165302A
公开(公告)日：2024-06-11
申请号：CN202311146773.6
申请日：2023-09-07
申请人： 四川大学
摘要： 本发明属于高分子粉末床激光熔融领域，涉及一种高性能高复用率的改性聚酰胺粉末的制备方法。本发明提供一种改性聚酰胺粉末的制备方法，所述制备方法为：先以聚酰胺树脂、溶剂、成核剂和抗氧剂为原料制得聚酰胺粉末；再加入络合剂反应制得所述改性聚酰胺粉末；其中，各原料的比例为：聚酰胺树脂100重量份，溶剂500～2000重量份，络合剂0.1～10重量份。本发明的方法不改变初始粉末基本外形，但可使粉末具有更加致密的表面结构、更高的流动性和本体密度。该改性方法抑制了粉末的固相后缩聚、改善了粉末的复用率。基于改性粉末烧结制备的制件力学性能得到全面提高。总体而言，本发明具有成本低、易实施、改性效果好等突出优点。
-
公开(公告)号：CN116383737B
公开(公告)日：2023-08-11
申请号：CN202310654940.1
申请日：2023-06-05
申请人： 四川大学
IPC分类号： G06F18/2415 , G06F18/23213 , G06F18/21 , G06F18/214
摘要： 本申请提出了一种基于聚类对比学习的旋转机械故障诊断方法及系统，该方法包括：获取多个无标签振动信号，生成无标签训练集；提取无标签训练集的时频域特征，对无标签训练集进行聚类，划分为多个信号簇类；对划分后的无标签训练集进行随机的数据增强，得到双视角训练集；基于对比学习预训练的方式提取双视角训练集中信号的普遍特征，生成预训练完成的编码器；生成少样本数据集并输入编码器，提取深层语义特征；将深层语义特征输入Softmax分类器进行分类器训练，并将测试样本输入训练完成的编码器和分类器诊断故障类别。该方法可以从无标签的训练样本中自适应地学习具有深层语义的故障特征表示，提高故障诊断的准确性且便于实施。
-
公开(公告)号：CN116383737A
公开(公告)日：2023-07-04
申请号：CN202310654940.1
申请日：2023-06-05
申请人： 四川大学
IPC分类号： G06F18/2415 , G06F18/23213 , G06F18/21 , G06F18/214
摘要： 本申请提出了一种基于聚类对比学习的旋转机械故障诊断方法及系统，该方法包括：获取多个无标签振动信号，生成无标签训练集；提取无标签训练集的时频域特征，对无标签训练集进行聚类，划分为多个信号簇类；对划分后的无标签训练集进行随机的数据增强，得到双视角训练集；基于对比学习预训练的方式提取双视角训练集中信号的普遍特征，生成预训练完成的编码器；生成少样本数据集并输入编码器，提取深层语义特征；将深层语义特征输入Softmax分类器进行分类器训练，并将测试样本输入训练完成的编码器和分类器诊断故障类别。该方法可以从无标签的训练样本中自适应地学习具有深层语义的故障特征表示，提高故障诊断的准确性且便于实施。
-
公开(公告)号：CN117871101B
公开(公告)日：2024-05-10
申请号：CN202410270554.7
申请日：2024-03-11
申请人： 四川大学
IPC分类号： G01M13/045 , G06F18/241 , G06N3/0464
摘要： 本发明公开了多分类器细粒度的轴承故障诊断领域自适应方法及系统，该方法包括获取轴承不同载荷下的振动数据；将源域振动信号样本划分为源域训练样本和源域测试样本，并将目标域振动信号样本划分为目标域训练样本和目标域测试样本；将源域训练样本和目标域训练样本输入至多分类器细粒度的轴承故障诊断模型进行模型参数训练，以基于更新后的模型参数得到训练好的轴承故障诊断模型；将目标域测试样本输入至训练好的轴承故障诊断模型进行故障诊断分类以得到故障诊断分类结果。本发明能够利用多个分类器的输出的预测概率向量构建细粒度权重矩阵，同时基于该细粒度权重矩阵分配的权重参数训练模型，有效提升模型的准确率，获取精确的轴承故障诊断结果。
-
-
-
-
-
-
-
搜索结果
8 条记录 (耗时 0.019 秒)
