-
公开(公告)号:CN109366621A
公开(公告)日:2019-02-22
申请号:CN201811417731.0
申请日:2018-11-26
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种带锯机用安全夹持装置,包括机架,机架的中端设置有基座,基座的上表面放置有操作台,操作台的上表面放置有待加工木材,待加工木材上设置有夹持装置,夹持装置包括第一夹持器和第二夹持器,第一夹持器和第二夹持器均包括手柄、上夹板和下夹板。本发明带锯机用安全夹持装置,通过第一夹持器和第二夹持器夹持待加工木材,手持手柄让待加工木材在锯条的锯切下加工成相应的产品,当锯切不同厚度的待加工木材时,通过梅花螺栓即可调节上夹板和下夹板之间的间隙使之可以很好的夹持待加工木材,之后手持手柄让待加工木材在锯条的锯切下加工成相应的产品,不需要手直接接触待加工木材,避免手部受伤,安全性高。
-
公开(公告)号:CN107677473A
公开(公告)日:2018-02-09
申请号:CN201710870217.1
申请日:2017-09-23
Applicant: 哈尔滨理工大学
CPC classification number: G01M13/04 , G06N3/008 , G06N3/0445 , G06N3/08
Abstract: 本发明公开了一种基于FOA优化的GRNN旋转机械故障预测方法,它涉及旋转机械故障预测方法技术领域,它包括如下步骤:(1)、采用辛辛那提滚动轴承实验数据;(2)、将步骤(1)采集信号的离散数据分为训练数据和预测数据两部分,将训练数据带入FOA优化GRNN进行预测模型训练,(3)、用步骤(2)训练好的预测模型对预测数据进行故障预测,计算其均方根误差和预测时间,得出仿真预测曲线与实际曲线的对比图;(4)、通过步骤(3)中得出结果确定故障产生时间及故障类型;本发明用FOA对GRNN光滑因子进行寻优从而建立FOA优化的GRNN故障预测模型,缩短了GRNN最佳模型的建立时间,有效的减少了人为因素对预测结果的影响。
-
公开(公告)号:CN107300856A
公开(公告)日:2017-10-27
申请号:CN201710524963.5
申请日:2017-06-30
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于FDA和SVDD的旋转机械剩余寿命预测方法,所述方法使用函数型数据分析(FDA)方法把采集到的离散数据转化为光滑函数来解决信息量的丢失或模型估计失真等问题,使用SVDD来识别机械运行状况以减小采集样本的需求和提供预测的准确性,计算测试样本的SVDD模型半径并与全生命周期的时间半径轨迹比较以得到预测结果。本发明有效地降低了旋转机械剩余寿命预测所需的采集样本时间,提高了预测的准确性。
-
公开(公告)号:CN106950848A
公开(公告)日:2017-07-14
申请号:CN201610002554.4
申请日:2016-01-06
Applicant: 哈尔滨理工大学
IPC: G05B17/02
CPC classification number: G05B17/02
Abstract: 本发明为一种基于三角形二叉树模型的数控加工仿真装置。该仿真装置由数据库模块、NC代码编辑器模块、加工过程仿真模块组成,首先把数据库中的刀具信息、NC代码库、加工参数进行整合用于生成加工零件的NC代码;其次确定每条NC代码下的加工区域,根据不同的视点距离和自由曲面的曲面特征条件来加工零件;最后渲染加工后的工件。本发明具有设计理念先进、功能实用、人机交互性好特点,可以基于视点距离的转换和曲面自身特征的变化能连续的、动态的显示零件加工过程,达到仿真的实时性与真实性目的,同时还可以在加工过程中对物体间进行碰撞干涉检测。
-
公开(公告)号:CN106944877A
公开(公告)日:2017-07-14
申请号:CN201610002595.3
申请日:2016-01-06
Applicant: 哈尔滨理工大学
IPC: B23Q17/09
CPC classification number: B23Q17/0957
Abstract: 基于声发射信号的刀具磨损无线智能检测装置,涉及刀具磨损检测领域。本发明包括数控铣床、铣刀、工件、声发射传感器、主板、嵌入式信号采集模块、嵌入式信号传输模块和具有数据处理和无线接收的PC端等部分组成。本发明以加工过程中声发射信号特征为研究对象,以单片机技术和无线网络技术为手段,有效的将声发射信号从声发射信号的感知题传输到PC端进行数据处理来检测刀具磨损状态。该装置简单实用,人工交互界面友好,实时检测能及时有效的识别刀具磨损状态,减少刀具浪费,提高加工效率。
-
公开(公告)号:CN106300837A
公开(公告)日:2017-01-04
申请号:CN201610948659.9
申请日:2016-11-03
Applicant: 哈尔滨理工大学
IPC: H02K15/04
CPC classification number: H02K15/0407 , H02K15/0435
Abstract: 本发明涉及一种电机线圈自动绕线压线设备,它包括工作台,起固定支撑作用,工作台上安装十字型调节装置,十字型调节装置上安装有自动绕线压线装置,步进电机为缠入导线提供动力,由自动绕线压线装置将导线压入线槽;工作台上设有操作面板、执行装置和变速器,自动绕线压线装置内部设有传感器、小型冲压装置,从而实现智能化、自动化操作,可以实现不同型号、不同线槽宽度的电机线圈绕线压线。它解决了以往人工操作效率低、耗时长、工作枯燥等问题,并且由于电机线圈缠线工作受人工操作熟练度影响,导致产品质量参差不齐,所以设计一种电机线圈自动绕线压线设备势在必行。本发明提供了一种用于电机线圈自动绕线压线设备,既实现了机械化,又降低了生产成本,具有较大的实际应用价值。
-
公开(公告)号:CN110307969A
公开(公告)日:2019-10-08
申请号:CN201910432814.5
申请日:2019-05-23
Applicant: 哈尔滨理工大学
IPC: G01M13/021 , G01M13/028 , G06F17/15 , G06N3/04 , G06N3/08
Abstract: 本发明涉及函数型数据拟合与卷积神经网络的行星齿轮故障预测研究。对安装于行星齿轮齿圈上的加速度传感器设置采样时间和频率,确定传感器通道个数,采集行星齿轮不同损伤状态下的振动信号,进行降噪处理,作为函数化转换的输入。通过观测离散数据选定基函数,建立基函数公式,利用基函数公式对离散数据进行拟合,求得函数系数,以误差参数为指标,对函数系数进行筛选,将剩下的函数系数组成预测模型的训练集。针对行星齿轮采用卷积神经网络的预测方法,建立卷积神经网络预测模型,将由函数系数组成的训练集输入进行预测得出结果,通过与传统浅层算法BP神经网络预测模型对比试验分析验证卷积神经网络预测模型的优势。通过以上方法可以进行行星齿轮故障的精确预测。
-
公开(公告)号:CN109827777A
公开(公告)日:2019-05-31
申请号:CN201910259680.1
申请日:2019-04-01
Applicant: 哈尔滨理工大学
IPC: G01M13/045
Abstract: 本发明涉及偏最小二乘法极限学习机的滚动轴承故障预测方法。首先分析时域、频域、时频域等多个特征指标,提出基于半正态分布和经验小波降噪相结合的特征提取方法,对滚动轴承进行故障诊断,贴近原始信号,达到更好的降噪效果。又针对多特征参数对滚动轴承故障衰退特征综合评价,提出残差改进的ISOMAP非线性特征降维方法与模糊C均值结合的方法,提高滚动轴承在不同衰退阶段的变化趋势和分类精度。以极限学习机理论为基础提出基于偏最小二乘法极限学习机的数据预测模型,优化ELM中参数,选取最优隐含层节点数和连接层权值,并选取Softmax激活函数。这样,预测精度高,计算用时短,聚类后的特征值预测效果好。通过以上步骤进行滚动轴承的故障阶段精确预测。
-
公开(公告)号:CN109741883A
公开(公告)日:2019-05-10
申请号:CN201910174713.2
申请日:2019-03-08
Applicant: 哈尔滨理工大学
Abstract: 本发明提供一种自动生产线包装置,包括安装底板、直线驱动单元、铜片卷、铜片传送轴、切刀、压块、模芯、滑块、导轨、绝缘胶纸卷、绝缘胶纸传送轴、辅助导向棒、定位导向棒、刀架、防护侧板、防震垫脚、铜片从动传送齿轮、胶纸从动传送齿轮、转向调整齿轮、直线驱动单元、旋转驱动单元、驱动单元安装座、滚动轴承,其工作原理为通过旋转驱动单元带动工件模芯转动,同时利用齿轮让铜片绕圈,胶纸粘贴固定,直线驱动单元可完成切料与压平两工序,让工件生产效率提高,节省人力成本。
-
公开(公告)号:CN107651367A
公开(公告)日:2018-02-02
申请号:CN201710967539.8
申请日:2017-10-17
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种管件快速分拣装置,它涉及工业生产技术领域;电机通过轴套与减速器的输入轴连接,减速器的输出轴上安装有链轮F,所述链轮F通过链条与链轮E连接,链轮E安装在传动轴的中部,传动轴的两端分别安装有链轮C、链轮D,链轮C、链轮D分别通过传动链条与链轮A和链轮B连接,所述传动链条上设置有挡板,所述传送带B、传送带A分别安装在机架上,传动轴安装在机架的下侧;本发明链轮E能保证链轮C和链轮D同步运动,来保证零件的同步上升过程;具有简便的机械结构,便于操作,适用性强,可以达到预期的分类效果。
-
-
-
-
-
-
-
-
-