-
公开(公告)号：CN108372286B
公开(公告)日：2019-08-27
申请号：CN201810269903.8
申请日：2018-03-29
Applicant: 东北大学
Abstract: 一种电渣重熔法制备双金属复合轧辊的装置及方法，装置包括T型结晶器的上部结晶器和下部水冷结晶器；上部结晶器为导电结晶器，与下部水冷结晶器绝缘隔断，下部水冷结晶器装配液位检测仪；重熔复合变压器电源通过短网导线与上部结晶器连接；方法为：化渣结束后，断开化渣供电回路；浇渣时，当结晶器内渣池的液面没过导电石墨块下沿时，轧辊辊芯预热供电回路导通并对辊芯进行预热；预热结束，关闭此回路并降低自耗电极至其端部插入渣池以导通电极熔化与双金属复合供电回路，随之进行双金属的熔炼复合。本发明通过改善电渣试验装置及供电回路的方法对辊芯表面处的温度场进行了合理的优化，以便制备出界面结合质量更趋良好的双金属复合轧辊。
-
公开(公告)号：CN110109466A
公开(公告)日：2019-08-09
申请号：CN201910466887.6
申请日：2019-05-31
Applicant: 东北大学
Abstract: 本发明属于机器人领域，具体涉及一种基于多传感器的自主地面打磨机器人控制系统，包括：工控机、触控屏、激光传感器、超声波传感器、编码器和路由器；所述工控机内装载有基于ROS操作系统的地面打磨控制程序，包括：地面打磨单元、屏幕触控单元、坐标变换管理单元和速度管理单元；所述地面打磨单元包括：建图模块、定位模块、路径规划模块和控制模块。本发明针对不同的施工环境，可以选择最佳的地图创建方法；作业区域地图可以随时更改，对打磨不平整的区域，进行多次打磨；应用多传感器融合的方法，安全防护能力增强。
-
公开(公告)号：CN110058594A
公开(公告)日：2019-07-26
申请号：CN201910348071.3
申请日：2019-04-28
Applicant: 东北大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于示教的多传感器的移动机器人定位导航系统及方法，包括上层导航模块、下层运动控制模块、手柄、计算机；所述的手柄提供小车运动控制的使能作用；所述的计算机用于监控和调试机器人；所述下层运动控制模块用于实现小车平台的运动控制、显示小车状态信息以及编码器数据的读取与发送，所述上层导航模块用于采集点云数据与速度数据，本发明构成合理、简洁，方法便捷，运用本发明可以快速地进行室内AGV的导航，非专业人员易上手、操作简单、使用方便。其系统的方法计算效率高，而且可以自主学习和遍历任意形状的路径，同时还能根据三维激光数据和由里程计信息提供的位置信息对路速度大小和方向进行修正。
-
公开(公告)号：CN108372286A
公开(公告)日：2018-08-07
申请号：CN201810269903.8
申请日：2018-03-29
Applicant: 东北大学
Abstract: 一种电渣重熔法制备双金属复合轧辊的装置及方法，装置包括T型结晶器的上部结晶器和下部水冷结晶器；上部结晶器为导电结晶器，与下部水冷结晶器绝缘隔断，下部水冷结晶器装配液位检测仪；重熔复合变压器电源通过短网导线与上部结晶器连接；方法为：化渣结束后，断开化渣供电回路；浇渣时，当结晶器内渣池的液面没过导电石墨块下沿时，轧辊辊芯预热供电回路导通并对辊芯进行预热；预热结束，关闭此回路并降低自耗电极至其端部插入渣池以导通电极熔化与双金属复合供电回路，随之进行双金属的熔炼复合。本发明通过改善电渣试验装置及供电回路的方法对辊芯表面处的温度场进行了合理的优化，以便制备出界面结合质量更趋良好的双金属复合轧辊。
-
公开(公告)号：CN102554264A
公开(公告)日：2012-07-11
申请号：CN201210047338.3
申请日：2012-02-28
Applicant: 东北大学 , 贵研铂业股份有限公司
IPC: B22F9/24
Abstract: 本发明涉及合金制备技术领域，具体涉及导电浆料用银钯合金粉的制备方法，制备化学成分比例准确，分布均匀，粒度大小和形状可控的银钯合金粉。首先加有分散剂的银或钯的无机盐溶液与加入分散剂后的第一还原剂溶液混合，制成第一混合溶液；分别将加有分散剂的银与钯质量比为7:3的无机盐溶液和加有分散剂的第二还原剂溶液加入到第一混合溶液中，对制成的第二混合溶液进行陈化处理60min，离心分离出固体粉末颗粒，常温下经过2次水洗和2次乙醇清洗后，在85～95℃温度下干燥，直接获得最终的导电浆料用的银钯合金粉；或者在干燥后，再经过200～700℃，3小时的热处理，获得最终的导电浆料用银钯合金粉。
-
Patent Agency Ranking
公开(公告)号：CN113487533B
公开(公告)日：2023-11-14
申请号：CN202110548147.4
申请日：2021-05-19
Applicant: 东北大学
Abstract: 本发明提供了一种基于机器学习的零件装配质量数字化检测系统及方法，该系统包括：图像采集模块，用于获取至少一个零件的图像数据；图像分析模块，用于对图像数据进行图像信息分析，得到图像数据对应的多个质量特征要素；质量检测模块，用于构建基于粒子群参数优化的目标质量检测模型，并利用目标质量检测模型根据质量特征要素对零件进行制孔和/或铆接质量检测，得到零件的质量检测结果。实现了流程化、模块化、自动化、高效化的零件装配过程中制孔及铆接的质量检测，提高了质检结果准确率，大大节省了人力、时间成本。
-
公开(公告)号：CN115408783A
公开(公告)日：2022-11-29
申请号：CN202210799235.6
申请日：2022-07-06
Applicant: 东北大学
IPC: G06F30/17 , G06F30/20 , G06T17/00 , G06F111/04 , G06F119/14
Abstract: 本发明公开了一种基于数字孪生的多层次信息装配模型的构建方法，包括以下步骤：(1)构建零件信息层次化模型；(2)实物零件特征信息的采集与处理；(3)零件数字孪生模型几何形状层逆向建模；(4)零件数字孪生模型位姿约束层逆向建模；(5)零件数字孪生模型物理状态层逆向建模；(6)基于虚实映射的数字孪生装配体表达。本发明通过构建零件信息层次化模型，将影响后续装配的零件形状、位姿、物理状态考虑在内，生成与真实物理零件相对应的零件数字孪生体，从而提高装配数字孪生模型的精度，进而将现实中产品的装配过程完整地映射到数字模型中，根据装配数字孪生模型的装配结果指导实际装配操作，提高装配质量和效率。
-
公开(公告)号：CN114031966A
公开(公告)日：2022-02-11
申请号：CN202111407703.2
申请日：2021-11-24
Applicant: 国网辽宁省电力有限公司朝阳供电公司 , 东北大学 , 国家电网有限公司
Abstract: 本发明涉及一种输电线路发热变色涂料，原料按质量份数配比为：硅酸钾100‑105份、硅溶胶1‑10份、硅丙乳液1‑8份、变色粉10‑80份、聚乙二醇1‑2份、三乙醇胺0.5‑2份、去离子水10‑100份。本发明用于电力导线和金具等部位的故障巡查。具有温度敏感性高、显色明显等特点。涂料为有机无机复合结构，有机材料赋予涂料韧性，避免开裂形变等问题。无机物强化涂料在耐高温和机械强度方面的性能。
-
公开(公告)号：CN113658127A
公开(公告)日：2021-11-16
申请号：CN202110925497.8
申请日：2021-08-12
Applicant: 东北大学
IPC: G06T7/00 , G06T7/13 , G06T7/60 , G06T7/62 , G06N3/00 , G06N20/20 , G06K9/46 , G06K9/62 , G01N21/88
Abstract: 本发明公开了一种基于机器学习的孔及铆接质量检测方法，该方法包括数据采集、信息处理、质量判断、质量追溯，具体步骤为：位置及参数调整，保证孔或铆接部位图像比例准确，探针移动无干涉；使用CCD相机采集孔或铆接部位图像，使用探针采集孔或铆接部位的物理信息；进行图像处理，提取图像的特征信息，对提取的表面信息进行建模；应用主成分分析法对图像特征信息进行降维，并应用改进的粒子群优化最小二乘支持向量机对特征进行分类，同时参考表面信息模型对孔或铆接质量进行判断；判断为不合格的孔或铆接的信息输入孔及铆接缺陷智能追溯系统，判断缺陷产生原因并制定修正方案。该方法统一了孔及铆接检测标准，提高了检测效率。
-
公开(公告)号：CN113127988A
公开(公告)日：2021-07-16
申请号：CN202110410815.7
申请日：2021-04-16
Applicant: 东北大学
IPC: G06F30/17 , G06F30/20 , G06F111/10 , G06F119/08
Abstract: 一种可实现钢凝固枝晶生长和偏析的三维预测方法，所属冶金连铸技术领域，制备方法包括，收集待研究钢材的物性参数、各成分所占比重数据；计算三维相场及溶质场的控制方程：编写三维基于相场法计算的程序代码；将程序计算结果数据写入Tecplot可读文件，由Tecplot打开得到相场及溶质场的三维图像，不同计算时间的三维图像组合得到钢液中晶粒竞争生长过程。本发明方法将形核、长大、溶质扩散等机理引入数值模拟中，不仅能够真实地再现钢液凝固过程中晶粒竞争生长的微观形貌，而且能够准确预测晶粒竞争生长过程中的溶质再分配现象，提高钢液凝固过程中晶粒竞争生长预测的精准度。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.039 seconds)
