一种自动卸重式安全卧推架
    2.
    发明公开

    公开(公告)号:CN118477284A

    公开(公告)日:2024-08-13

    申请号:CN202410718930.4

    申请日:2024-06-05

    Abstract: 本发明公开了一种自动卸重式安全卧推架,所述自动卸重式安全卧推架包括主架、特制U型杠杆、卸重装置、驱动装置、特制移动支撑架,其中所述主架上设有躺板,所述卸重装置、驱动装置、特制移动支撑架均为左右两个,相对于所述躺板对称设置;所述特制U型杠杆位于所述特制移动支撑架或者所述主架上,所述特制U型杠杆两端放置有杠铃片;所述驱动装置用于驱动所述卸重装置沿所述主架来回运动;所述卸重装置用于根据需要卸下所述制U型杠杆端部的杠铃片。本发明的自动卸重式安全卧推架,整个卸重过程是自动卸重的,且可根据使用者的臂长不同对卸重装置、特制移动支撑架的高度进行调节,并且可显著提高训练者在训练时的安全性。

    一种座椅骨架一体化成型设备及其成型方法

    公开(公告)号:CN115106787B

    公开(公告)日:2023-07-11

    申请号:CN202210741755.1

    申请日:2022-06-27

    Abstract: 本发明公开了一种座椅骨架一体化成型设备及其成型方法;该座椅骨架一体化成型设备,包括弯折焊接加工模块;弯折焊接加工模块用于将金属管料进行弯折成型以及焊接固定,以得到座椅骨架。弯折焊接加工模块包括弯折底座、弯折工作台、管料定位机构、管料折弯机构和焊接机器人。本发明通过变形坡口加工模块与弯折焊接加工模块相配合,利用变形坡口加工模块在直线管料上加工出波浪段和圆弧段,并在金属管料的两端自动切割出坡口,利用弯折焊接加工模块将长条形的管料自动弯折成框架状,并借助预先切割出的坡口完成焊接,实现了座椅框架的全自动成型。本发明通过多个管料定位机构与多个管料弯折机构相配合,在管料的五个弯折点实现了全自动弯折。

    一种基于氢能源动力的海面多功能监测系统

    公开(公告)号:CN116280052A

    公开(公告)日:2023-06-23

    申请号:CN202310184509.5

    申请日:2023-03-01

    Abstract: 本发明公开一种基于氢能源动力的海面多功能监测系统,所述系统包括内腔、外腔、太阳能面板、氢能源反应腔、特制电动气阀杆架、蓄电池、水文监测设备;所述水文监测设备用于监测环境信息;所述外腔初始充满空气,所述内腔中设有特制电动气阀杆架,所述特制电动气阀杆架用于支撑起位于内腔上方的太阳能面板,并可根据环境信息对太阳能面板的工作角度进行调整;所述太阳能面板用于将太阳能转化为电能,其中一部分电能直接存入所述蓄电池中,另一部分电能供给所述氢能源反应腔用于产生氢气。该系统可以为往来中小型船舶提供氢气能源。当系统发现需要拦截的飞行物时,特制电动气阀杆架在智能控制器的调节下进行较为精准的爆破性定向弹射。

    一种基于超声驻波剥离阴极涂层的设备及方法

    公开(公告)号:CN116145201A

    公开(公告)日:2023-05-23

    申请号:CN202310199518.1

    申请日:2023-03-04

    Abstract: 本发明公开了一种基于超声驻波剥离阴极涂层的设备及方法。本发明的龙门架两侧内壁与两个Y轴运动机构中的Y轴移动板分别固定;龙门架两侧内壁均设有Z轴运动机构,两个Z轴运动机构中每对称的两个支撑块与一个X轴运动机构中两个支撑板的两端分别固定;每个X轴运动机构的工作台均固定有振动头固定板,振动头固定板上设有多个超声振动模组,超声振动模组中换能器通过电缆与超声波发生器连接;固定在振动头固定板上的吸嘴抽出口通过波纹管与工业吸尘器的吸入端连接。本发明通过驻波振动使阴极涂层内部产生撕裂现象,达到剥离阴极涂层的目的,且避免了飞溅物的产生,同时减小了对阴极板的损伤,提高了阴极板的可重复利用率。

    一种α稳定分布噪声环境中水下通信信号调制方式识别方法

    公开(公告)号:CN115378777A

    公开(公告)日:2022-11-22

    申请号:CN202211022794.2

    申请日:2022-08-25

    Abstract: 本发明公开了一种α稳定分布噪声环境中水下通信信号调制方式识别方法,包括以下步骤:S2.对步骤S1中所采集到的通信信号S(n)进行预处理,得到预处理后的通信信号So(n);S3.提取步骤S2中通信信号So(n)的信号特征向量包括奇异谱香农熵的特征值为ESsse、奇异谱指数熵的特征值为ESsee、小波能量谱熵的特征值为EWese和功率谱香农熵的特征值为ESeps;S4.定义为四维输入参数X={ESsse,ESsee,EWese,ESeps};S5.步骤S4中定义的四维输入参数X输入到GWO‑SVM分类模型;采用上述技术方案,由于预处理能更好的抑制尖锐脉冲的影响,多项信号特征向量作为分类器的输入,具有更高的识别成功率;采用GWO‑SVM分类器避免了SVM的惩罚参数与RBF基函数的宽度参数取值对SVM分类结果的影响,函数采用五折交叉验证的最佳准确率。

Patent Agency Ranking