-
公开(公告)号：CN207710987U
公开(公告)日：2018-08-10
申请号：CN201720977687.3
申请日：2017-08-07
Applicant: 南通锻压设备股份有限公司 , 南京理工大学
IPC: B27N3/08
Abstract: 本实用新型涉及一种非金属成形模具，具体涉及一种重组材成形模具，它包括侧板、底板、盖板、锁模孔和锁模销，底板两侧上端分别装有侧板形成U型，侧板的上端两侧分别设计有若干个锁模孔且两侧的锁模孔一一对应，锁模孔孔道下半部分呈水平半圆柱状，且孔道下半部分直径大于上半部分锁模孔直径，孔道上半部分呈半喇叭锥形向外扩张状，锁模销包括销身、锥形体、销头，销身两端设置有销头，销头与销身之间通过销形体连接，锥形体呈喇叭状向外扩大，锁模销的两端的销头直径相等且大于锁模销中间销身的直径，若干个锁模销分别插在一一对应的锁模孔内，盖板位于侧板之间且位于锁模销下面，优点是：结构简单，使用方便，耐变形，使用寿命长。
-
Patent Agency Ranking
公开(公告)号：CN114266339A
公开(公告)日：2022-04-01
申请号：CN202111517698.0
申请日：2021-12-13
Applicant: 南京理工大学
IPC: G06N3/04 , G06N3/08 , G01M13/045
Abstract: 本发明公开了一种基于小样本和GAF‑DCGAN的滚动轴承故障诊断方法，首先对含噪滚动轴承振动信号进行小波去噪，获得重构后的振动信号之后利用格米拉角场(GAF)将其转换为二维图像；将二维图像输入到深度卷积生成对抗网络模型中进行图像生成；然后将生成的图像和原始图像进行混合，将扩充的数据输入到故障诊断模型进行训练，很好了解决了小样本问题；最后将待诊断的故障图像输入到训练好的故障诊断模型，进行滚动轴承故障诊断。本发明还提出一种添加softmax层的判断标准，经过判断之后再将图像输入添加一层softmax层的DCGAN故障诊断模型进行训练。最终提高故障诊断的准确率。
-
公开(公告)号：CN114627286A
公开(公告)日：2022-06-14
申请号：CN202111517711.2
申请日：2021-12-13
Applicant: 南京理工大学 , 南京肯确智能科技有限公司
Abstract: 本发明提供了一种基于PSPNet和改进YOLOv4的地磅称重人员入侵的检测方法，首先对摄像头采集的实时视频流进行图像的截取和预处理；在地磅空闲状态下通过PSPNet语义分割模型像素级识别地磅区域，并将识别的结果保存为图片；在车辆上磅后，通过改进的YOLOv4目标检测模型识别出车辆，判断与地磅区域重合后，判定地磅处于称重状态，当识别出人员后，判断人员和地磅的相对位置，判定人员停留在地磅上后，开启定时器记录人员停留在地磅上的时间，当人员停留时间超过设定人员停留阈值，判定为违法入侵行为。对YOLOv4模型进行轻量化改进，保证检测精度基本保持不变的同时，大幅度提升检测速度，能够有效识别车辆在地磅上称重时的人员入侵作弊现象。
-
公开(公告)号：CN112734172B
公开(公告)日：2022-04-01
申请号：CN202011568657.X
申请日：2020-12-25
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于时序差分的深度强化学习算法，用以求解相关并行机的混合流水车间调度问题，该算法将卷积神经网络与强化学习中的TD学习进行结合，依据输入的状态特征进行行为选取，更加符合实际订单响应式生产制造系统的调度决策过程。通过把调度问题转化为多阶段决策问题，用卷积神经网络模型拟合状态价值函数，把制造系统加工状态特征数据输入模型，采用时序差分法训练模型，将启发式算法或分配规则作为调度决策候选行为，结合强化学习奖惩机制，为每次调度决策选取最优组合行为策略。与现有技术相比，本发明提出的算法具有实时性强、灵活性高等优势。
-
公开(公告)号：CN112734172A
公开(公告)日：2021-04-30
申请号：CN202011568657.X
申请日：2020-12-25
Applicant: 南京理工大学
Abstract: 本发明公开了一种基于时序差分的深度强化学习算法，用以求解相关并行机的混合流水车间调度问题，该算法将卷积神经网络与强化学习中的TD学习进行结合，依据输入的状态特征进行行为选取，更加符合实际订单响应式生产制造系统的调度决策过程。通过把调度问题转化为多阶段决策问题，用卷积神经网络模型拟合状态价值函数，把制造系统加工状态特征数据输入模型，采用时序差分法训练模型，将启发式算法或分配规则作为调度决策候选行为，结合强化学习奖惩机制，为每次调度决策选取最优组合行为策略。与现有技术相比，本发明提出的算法具有实时性强、灵活性高等优势。
-
公开(公告)号：CN114266339B
公开(公告)日：2024-09-03
申请号：CN202111517698.0
申请日：2021-12-13
Applicant: 南京理工大学
IPC: G06N3/0464 , G06N3/0475 , G06N3/08 , G01M13/045
Abstract: 本发明公开了一种基于小样本和GAF‑DCGAN的滚动轴承故障诊断方法，首先对含噪滚动轴承振动信号进行小波去噪，获得重构后的振动信号之后利用格米拉角场(GAF)将其转换为二维图像；将二维图像输入到深度卷积生成对抗网络模型中进行图像生成；然后将生成的图像和原始图像进行混合，将扩充的数据输入到故障诊断模型进行训练，很好了解决了小样本问题；最后将待诊断的故障图像输入到训练好的故障诊断模型，进行滚动轴承故障诊断。本发明还提出一种添加softmax层的判断标准，经过判断之后再将图像输入添加一层softmax层的DCGAN故障诊断模型进行训练。最终提高故障诊断的准确率。
-
-
-
-
-
Search Results
6
records
(took 0.029 seconds)
