-
公开(公告)号：CN117763764B
公开(公告)日：2025-04-08
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：CN114511746B
公开(公告)日：2025-03-21
申请号：CN202210158816.1
申请日：2022-02-21
Applicant: 重庆大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/084 , G06V10/10
Abstract: 本发明公开了一种基于深度学习的多标签点焊电极帽状态自动识别方法，包括如下步骤：1)采集点焊电极帽的外观原始图像：针对同一个点焊电极帽采集的外观原始图像包括端面俯视图、侧身图和两个方向的斜视图；2)得到点焊电极帽的检测图像：针对同一个点焊电极帽，将采集得到的端面俯视图、侧身图和两个方向的斜视图分别裁剪缩放为设定尺寸后，拼接为一张图像，得到点焊电极帽的检测图像；3)设置批次检测图像的数量：根据获取的检测图像的总数量，设置每一批次检测图像的数量；4)利用卷积神经网络模型自动识别点焊电极帽的外观多标签类别，得到检测图像和多标签类别矩阵。
-
公开(公告)号：CN117195669B
公开(公告)日：2025-03-18
申请号：CN202311151331.0
申请日：2023-09-07
Applicant: 重庆大学 , 南京工大数控科技有限公司 , 西南交通大学
IPC: G06F30/25 , G06T17/30 , G06F17/11 , G06F17/16 , G06F111/10 , G06F111/08
Abstract: 本发明公开了一种基于砂轮多信息融合模型的砂轮磨削比测量方法，通过将磨粒位置三维表达转换为二维表达，再将磨粒位置二维表达离散为矩阵表达，构建得到砂轮模型；考虑砂轮磨削面的有效磨削区域，从砂轮矩阵提取与砂轮有效磨削区域对应的元素以构成砂轮磨削矩阵，如此，通过拟合砂轮磨损前后的砂轮磨粒凸出高度和砂轮磨粒残余高度的分布规律填充元素，得到砂轮磨削磨粒凸出高度分布矩阵和到砂轮磨削磨粒残余高度分布矩阵，进而得到砂轮磨削磨粒磨损高度分布矩阵，求解得到每一个元素对应的磨粒的磨损体积，通过求和的方式可以得到砂轮磨削矩阵中所有元素对应的磨粒的磨损体积之和，进而求解得到磨损比，能够更加真实反应砂轮的磨削效率。
-
公开(公告)号：CN118864411A
公开(公告)日：2024-10-29
申请号：CN202410950705.3
申请日：2024-07-16
Applicant: 重庆大学
IPC: G06T7/00 , B23K11/36 , B23K11/11 , G06T7/70 , G06V10/764 , G06V10/82 , G06V10/44 , G06V10/22 , G06N3/0455 , G06N3/0464 , G06N3/0499 , G06N3/08
Abstract: 本发明针对汽车焊装产线，电阻点焊外观数据样本不均衡、异常判别标准不规范的问题，正常样本数据多，异常样本数据少的特点，提出了一种基于变分自编码器的电阻点焊外观异常检测方法，通过学习电阻点焊外观正常样本的分布，建立重构误差，识别异常的电阻点焊外观。稳定的外观分布与焊接质量的稳定性密切相关，因此相较于传统的焊点质量检测方法，本发明在工程应用中具有更高的实际意义，能够有效应对工厂焊装产线复杂的工况，识别出小概率的异常外观，从而显著提高焊接质量控制的效果和焊点外观检测的准确率，可以做到大批量快速检测。通过这种创新性的检测手段，焊接过程的质量得以进一步提升，确保产品的一致性和可靠性。
-
公开(公告)号：CN118746384A
公开(公告)日：2024-10-08
申请号：CN202410785129.1
申请日：2024-06-18
Applicant: 重庆大学
Abstract: 本发明公开了一种基于惯性圆盘自由减速的轴承摩擦力矩测量仪，包括固定组件和转动组件；所述转动组件包括与被测轴承的内圈或外圈同步转动的惯性圆盘；且当所述惯性圆盘与被测轴承的内圈同步转动时，所述固定组件与被测轴承的外圈配合；当所述惯性圆盘与被测轴承的外圈同步转动时，所述固定组件与被测轴承的内圈配合；所述固定组件与所述转动组件之间设有传感器组件，所述传感器组件用于采集所述惯性圆盘在自由减速状态下、每转动设定的固定角度Δθ所需的时间以获得时间序列数据。本发明还提出了一种基于惯性圆盘自由减速的轴承摩擦力矩测量方法。
-
Patent Agency Ranking
公开(公告)号：CN114690709B
公开(公告)日：2024-07-12
申请号：CN202210339687.6
申请日：2022-04-01
Applicant: 重庆大学
IPC: G05B19/408
Abstract: 本发明公开了一种考虑全过程机床几何误差影响的面齿轮磨齿齿面误差模型创建方法，包括如下步骤：步骤一：创建面齿轮磨齿用蜗杆齿面模型，分别得到理想情况和考虑机床几何误差情况下的蜗杆齿面模型；步骤二：创建面齿轮的齿面模型，分别得到理想情况和考虑机床几何误差情况下的面齿轮齿面模型；步骤三：创建面齿轮磨齿齿面误差模型，基于理想情况和考虑机床几何误差情况下的面齿轮齿面模型，构建得到面齿轮磨齿齿面误差模型。本发明还公开了一种考虑全过程机床几何误差影响的面齿轮磨齿精度评价方法。
-
公开(公告)号：CN114905332B
公开(公告)日：2024-06-21
申请号：CN202210549707.2
申请日：2022-05-20
Applicant: 重庆大学
IPC: B23Q17/00
Abstract: 本发明公开了一种基于单轴运动的机床旋转轴位置相关几何误差辨识方法，包括如下步骤：步骤一：利用刀具球与工件球之间的齐次变换矩阵，分别得到工件球的理想球心坐标和实际球心坐标，进一步得到工件球的位置误差与旋转轴的位置相关误差之间的线性表达式；步骤二：结合工件球的位置误差求解旋转轴旋转过程中球杆仪的实际长度，得到球杆仪的长度变化值，即创建得到球杆仪长度变化值与旋转轴位置相关几何误差之间的映射关系；步骤三：基于旋转轴的单轴运动，结合刀具球的不同安装模式以构造方程，利用构造的方程辨识旋转轴的位置相关几何误差；其中，用于构造方程的刀具球不同安装模式中，至少有一个安装模式中的刀具球存在偏心。
-
公开(公告)号：CN114002998B
公开(公告)日：2024-06-14
申请号：CN202111291778.9
申请日：2021-11-03
Applicant: 重庆大学
IPC: G05B19/404
Abstract: 本发明公开了一种齿形磨床几何误差和热误差同步控制方法，包括如下步骤：步骤一：根据齿形磨床的拓扑结构，得到理想状态下的砂轮与工件之间的齐次坐标变换矩阵#imgabs0#步骤二：结合齿形磨床每个运动轴的几何误差分量，得到实际状态下的砂轮与工件之间的齐次坐标变换矩阵#imgabs1#步骤三：结合齐次坐标变换矩阵#imgabs2#和齐次坐标变换矩阵#imgabs3#得到误差矩阵#imgabs4#步骤四：根据齿形磨床的Y轴、A轴、Z轴、X轴和C轴相对于砂轮的微分变换矩阵，分别得到Y轴、A轴、Z轴、X轴和C轴相对于砂轮的微分运动误差矩阵；步骤五：根据Y轴、A轴、Z轴、X轴和C轴相对于砂轮的微分运动误差矩阵，得到综合微分运动误差矩阵；结合误差矩阵#imgabs5#求解得到砂轮几何误差补偿值。
-
公开(公告)号：CN115310285B
公开(公告)日：2024-06-04
申请号：CN202210945734.1
申请日：2022-08-08
Applicant: 重庆大学 , 赛力斯汽车有限公司 , 重庆金康动力新能源有限公司
Abstract: 本发明公开了一种新能源汽车电机温度场数字孪生模型构建方法，包括如下步骤：S1：数据采集：采集电机在不同工况下的时序数据；S2：数据预处理：对采集的时序数据进行缺失值填充、异常值剔除和数值标准化处理；S3：将经预处理后的时序数据分为训练集和测试集；S4：训练模型：构建深度学习模型，以训练集训练深度学习模型以更新模型参数，以损失函数为目标函数以判断是否达到模型训练的终止条件；当达到模型训练终止条件后，得到预测模型；S5：将测试集输入预测模型中并得到电机温度分布的预测结果；判断预测结果是否达到预设的评价指标：若是，则以该预测模型构建得到电机温度场数字孪生模型；若否，则执行步骤S4。
-
公开(公告)号：CN116821650A
公开(公告)日：2023-09-29
申请号：CN202310479992.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: G06F18/213 , G06F18/214 , G06N3/048 , G06N3/08 , G01M17/007 , G01M15/04 , G01R31/34
Abstract: 本发明公开了一种增程器故障检测与诊断方法，针对故障检测时采集的多通道原始信号的特点，在增程器故障检测模型中串联设置多个非线性处理模块以深度挖掘潜在的增程器故障特征，使模型输出结果不断向真实结果逼近，最终实现对增程器故障的检测与诊断；将增程器故障检测模型嵌入到汽车的ECU内后，在行车过程中，可以实时采集多通道原始信号，并利用ECU内的增程器故障检测模型对增程器的当前工况状态进行实时检测，根据增程器故障检测模型输出的增程器的工况表达结果，能够得出增程器处于正常工况状态还是故障工况状态。本发明还公开了一种增程器故障检测与诊断方法和一种增程器维护方法。
-
-
-
-
-
-
-
-
-
Search Results
415
records
(took 0.031 seconds)
