-
公开(公告)号：CN111044289B
公开(公告)日：2021-09-03
申请号：CN201911370022.6
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了基于闭环动态测量的大型高速回转装备对准误差测量方法，所述测量方法包括以下步骤：将每一个部件认为是一个理想刚体，三个位移自由度δx，δy，δz和三个角度自由度θx，θy，θz，计算出各个部件的几何偏差；将各个部件的几何偏差带入到误差累计求和公式中，借助多刚体系统理论和坐标的矩阵变换计算出多个相互连接的组件的误差累积量，得到总的误差Etotal；结合计算得到的总的误差Etotal对传感器的安装姿态误差进行补偿。本发明的基于闭环动态测量的大型高速回转装备对准误差测量方法，可以计算得到终端的对准误差值，进而通过软件算法将该误差补偿掉，以提高航空发动机单级转子的测量精度。
-
公开(公告)号：CN110929742B
公开(公告)日：2021-07-27
申请号：CN201911213616.6
申请日：2019-12-02
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种基于粒子群寻优的大型高速回转装备功能性滤波方法。包括以下步骤：基于真实采样角度分布构造有限三维点集；取任意点为球心，指定半径构造该点搜索子集；选取解空间，初始化粒子群，并求解真实初始粒子；判断各粒子与P1是否为过两个半径α为的球体；根据其他点到两球心的距离计算适应度函数值；判断是否为有限三维点集的外/内接触点；提取有限三维点集的alpha shape外/内三角边界；提取alpha包络外/内边界，完成形态学开/闭操作；重复步骤三至步骤八一次，实现三维表面的功能性交替滤波。本发明的方法有效地适于大型高速回转装备三维表面的功能性滤波器，准确表示三维接触面间的实际配合情况。
-
公开(公告)号：CN113124793A
公开(公告)日：2021-07-16
申请号：CN201911411998.3
申请日：2019-12-31
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了基于激光超声的大型高速回转装备贴合面积测量装置，共焦Fabry‑Perot干涉仪的输出端和光电探测器的输出端均通过数据采集卡与工控机的输入端连接，工控机的输出端分别与激光器的输入端和Fabry‑Perot干涉仪的输入端连接，激光器、分光镜和第一透镜设置在第一转子部件斜上方45°角上，光电探测器和第二透镜设置在分光镜的反射光路上，共焦Fabry‑Perot干涉仪设置在第一转子部件上方，第一转子部件与第二转子部件通过法兰螺栓结构连接。本发明实现了大型高速回转装备贴合面积的非接触式无损测量，同时激光超声的激发和接收均在瞬间完成，能够实现快速、实时测量，具有较强的抗干扰能力。
-
公开(公告)号：CN113124792A
公开(公告)日：2021-07-16
申请号：CN201911411995.X
申请日：2019-12-31
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了基于非接触超声的大型高速回转装备贴合面积测量方法，使激光器发射的脉冲激光通过分光镜和第一透镜照射在第一转子部件的上表面；使光电探测器接收到来自分光镜的脉冲激光；使共焦Fabry‑Perot干涉仪能够接收到第一转子部件上表面的超声信号；数据采集卡将由光电探测器传入的电信号和共焦Fabry‑Perot干涉仪传入的超声波信号转换为数字信号，将数字信号传输至工控机进行保存和数据处理；利用振幅Ai与贴合面积Si间的对应关系，获得当前检测位置上第一转子部件与第二转子部件的贴合面积。本发明实现了大型高速回转装备贴合面积的非接触式无损测量，同时激光超声的激发和接收均在瞬间完成，能够实现快速、实时测量，具有较强的抗干扰能力。
-
公开(公告)号：CN112903812A
公开(公告)日：2021-06-04
申请号：CN201911221754.9
申请日：2019-12-03
Applicant: 哈尔滨工业大学
IPC: G01N29/04 , G01N29/44 , G01N29/265
Abstract: 一种基于压力干耦合超声的大型高速回转装备探伤检测装置，属于超声探伤技术领域。本发明解决了现有的对转子部件表面缺陷的检测中，采用传统的超声波法得到的检测结果可靠性低、检测效率低且易对转子部件表面造成腐蚀的问题。它包括并排布置在转子部件表面的发射轮、接收轮以及安装在发射轮内部的发射换能器、安装在接收轮内的接收换能器，发射轮、接收轮的轴线相互平行设置，发射轮内以及接收轮内均填充有耦合剂，发射轮与接收轮之间通过连接杆转动连接。通过将耦合剂填充在发射轮和接收轮内，有效避免了现有技术中使用传统超声波方法存在的耦合剂必需与转子表面接触的情况，进而实现转子部件表面缺陷的无损测量。
-
Patent Agency Ranking
公开(公告)号：CN112880895A
公开(公告)日：2021-06-01
申请号：CN201911204541.5
申请日：2019-11-29
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于非线性超声波的大型高速回转装备叶片残余应力测量方法。包括采用水刀切割的金属进行零应力的标定；采用相同材料与组分的金属施加已知的力，计算得出零应力的大小；在施加力的过程中，对采集的信号做傅里叶变换，测量采集到的信号的频率组分与相位部分；建立起频率相位与应力的模型；测得频率，幅值，和相位；带入建立的模型，求得应力；多次测量，求取平均值。本发明不同于传统的残余应力检测技术。通过对谐波的分析来测量残余应力的大小。大大降低了超声检测系统的高速数据采集的需求。可以测量更小范围的残余应力。
-
公开(公告)号：CN112824825A
公开(公告)日：2021-05-21
申请号：CN201911149633.8
申请日：2019-11-21
Applicant: 哈尔滨工业大学
IPC: G01B17/02 , G01B17/06 , G01N29/04 , G01N29/265
Abstract: 本发明提出了一种基于超声原理的大型高速装备测厚装置及测厚方法，属于大型高速回转装备技术领域，特别是涉及一种基于超声原理的大型高速装备测厚装置及测厚方法。解决了当前大型高速回转装备零件厚度难以测量，测量精度低的问题。它包括超声波探头、转台、搭载平台、工控机和数据处理机构，所述超声波探头通过杆件与转台固定相连，所述超声波探头与数据处理机构通讯相连，所述转台与工控机相连，通过工控机控制转台旋转的角度与频率，所述搭载平台与转台同轴设置，所述搭载平台不随控制转台一同转动，所述搭载平台上同轴放置待测工件。它主要用于大型高速回转装备测厚与检测工作。
-
公开(公告)号：CN111475903A
公开(公告)日：2020-07-31
申请号：CN201910012295.7
申请日：2019-01-07
Applicant: 哈尔滨工业大学
IPC: G06F30/20
Abstract: 本发明提出了基于多偏置误差同步补偿的大型高速回转装备多级零部件动力学特性逐级测调和分配方法，属于机械装配技术领域。首先，建立单级转子五参数圆轮廓测量模型；利用椭圆第i个采样点到几何中心的距离对五参数圆轮廓测量模型进行简化，获得简化的五参数圆轮廓测量模型；然后，将实际测量的圆轮廓数据带入简化的五参数圆轮廓测量模型中，确定转子装配后动态响应参数与各级转子偏心误差和不平衡量的关系；最后，根据转子装配后动态响应参数与各级转子偏心误差和不平衡量的关系，设置转子转速得到临界转速参数目标函数，通过调节各级转子装配相位，使多级转子装配后高速响应临界转速参数最优，实现对航空发动机多级转子高速响应的优化。
-
公开(公告)号：CN111178506A
公开(公告)日：2020-05-19
申请号：CN201911367248.0
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于深度置信神经网络的大型高速回转装备消偏消倾方法。步骤1：分析各加工误差的影响因素；步骤2：评定大型高速回转装备真实加工误差，并获得未经调心调倾时加工误差对应的影响因素的测量数据；步骤3：将各加工误差的影响因素归一化处理后的数据作为各网络输入，各加工误差作为各网络输出，同时按照一定比例将数据分为训练集和测试集；步骤4：分别构建各加工误差的深度置信预测神经网络，实现自动消偏消倾，并通过测试集进行验证。传统单级大型高速回转装备的加工误差测量方法需进行复杂的调心调倾过程，本发明利用深度学习强大的数据内部特征机理，提出一种基于深度置信神经网络的大型高速回转装备消偏消倾方法。
-
公开(公告)号：CN110969538A
公开(公告)日：2020-04-07
申请号：CN201911328429.2
申请日：2019-12-20
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于遗传算法的大型高速回转装备叶片装配方法。本发明通过遗传算法对叶片进行编译，将叶片转化为基因，叶片组当作一个染色体；建立频率模型，对已知频率的叶片分为四个象限，确定叶片i的位置；对于所有的叶片，确定每个叶片的频率和对应的叶片组的频率差的关系；建立评估系数，并对频率不达标的叶片组设定约束条件罚系数；对上一代种群中除位置的叶片进行选择、交叉和变异操作，产生新的种群；判断是否达到最大迭代次数，当达到最大迭代次数时，计算结束，给出叶片编号以及安装位置。本发明避免了叶片的磨损和连接部件的破坏。
-
-
-
-
-
-
-
-
-
Search Results
244
records
(took 0.072 seconds)
