-
公开(公告)号：CN110833656B
公开(公告)日：2021-03-26
申请号：CN201911290059.8
申请日：2019-12-16
Applicant: 大连理工大学
Abstract: 本发明一种恒流输出的中频治疗仪系统属于医用康复治疗设备领域，涉及一种中频治疗仪能实现恒流输出的系统。该系统由控制模块、波形调制模块、强度调节模块和恒流放大模块组成，实现载波的生成、调制、强度调节、放大和输出。控制模块其输入端与检测反馈模块相连接，控制模块的输出端分别与显示模块、报警模块、存储模块相连接；控制模块还与波形调制模块和强度调节模块连接。波形调制模块采用的是幅值调制，将一个高频载波信号与低频调制信号相乘，使得高频信号的幅值随低频信号幅值的变化而变化。该系统在单片机的控制下实现恒流输出，保证患者的安全。有存储功能，方便记录，提升了治疗仪的实用性和便捷性。
-
公开(公告)号：CN112364541B
公开(公告)日：2024-05-07
申请号：CN202011252308.7
申请日：2020-11-11
Applicant: 大连理工大学
Abstract: 本发明一种构件表面裂纹打磨后应力集中系数的计算方法属于废旧构件可再制造性判断领域，涉及一种废旧构件表面裂纹打磨后应力集中系数的计算方法。该方法中，对构件裂纹打磨后通过大量数据分析，借助有限元技术和经典Inglis公式，又考虑缺口应力集中程度受缺口深度和宽度的耦合作用影响，采用了修正Inglis公式，分别推导出了针对大厚度和小厚度的构件表面缺口应力集中系数计算方法。该方法只需要表面缺口的深度和宽度以及构件厚度，就可以预测对应的应力集中系数。该方法不仅仅适用于叶片结构，也适用于近似为平板的构件，方法计算精度高，误差小，为构件裂纹打磨后的应力集中系数的评估提供高可靠度的参考值。
-
公开(公告)号：CN110473603B
公开(公告)日：2022-04-12
申请号：CN201910614764.2
申请日：2019-07-09
Applicant: 大连理工大学
Abstract: 本发明一种基于肌电信号的健身辅助方法属于模式识别与人工智能技术领域,涉及一种基于肌电信号的健身辅助方法。该方法通过电极片对人体表面肌电信号进行采集，并通过多种采集电路对人体表面肌电信号进行处理，将处理后的肌电信号传至上位机，对信号进行特征值提取。通过机器学习的SVM支持向量机作为判定动作是否标准的分类器模型，分别使用线性核与不同λ参数的高斯核，分别进行SVM模型训练，选择训练效果最好的模型健身动作标准判定。通过三层BP神经网络作为对动作进行分类的分类器模型，以提取到的特征值作为神经网络的输入神经元。使用RELU函数作为激活函数，实现输入信息的非线性映射，训练后得到分类器模型实现动作识别,有很高的准别率。
-
公开(公告)号：CN110849753A
公开(公告)日：2020-02-28
申请号：CN201911247187.4
申请日：2019-12-09
Applicant: 大连理工大学
IPC: G01N3/46
Abstract: 本发明一种基于微观划痕的金属材料疲劳强度预测方法属于金属材料性能测试技术领域，涉及一种基于微观划痕的疲劳强度的预测方法。本方法基于Murakami理论，提出基于微观划痕的疲劳损失参数 定义为微观划痕的截面三角形面积的平方根。该方法首先观察目标表面形貌特征，确定微观划痕存在区域。在一条划痕上选择三个截面，测量微观划痕截面的深度和宽度数据，即可获得对应的疲劳损失参数 若存在多条微观划痕，分别计算每条划痕的疲劳损伤参数 并定义最终疲劳损伤 为其中最大值。将该疲劳损伤参数带入Murakami疲劳强度模型，进而预测金属在此微观划痕下的疲劳强度。该方法实现了划痕在微观范围内的金属疲劳强度预测，具有一定的预测精度。
-
公开(公告)号：CN110971157A
公开(公告)日：2020-04-07
申请号：CN201911290035.2
申请日：2019-12-16
Applicant: 大连理工大学
IPC: H02P6/28
Abstract: 本发明一种直流无刷电机的驱动波形设计系统属于无刷直流电机的驱动控制领域，涉及到无刷直流电机的驱动波形的设计。该系统以微控制器为核心，由电源管理模块，隔离模块，数模转换控制模块，运算放大模块，三相六桥驱动模块，电流检测模块构成。电源管理模块的数字输出端与微控制器和隔离模块相连，模拟输出端分别与隔离模块、数模转换控制模块、运算放大模块、三相六桥驱动模块、电流检测模块相连。微控制器的输出端与隔离模块的输入端相连，输入端与隔离模块的输出端相连，隔离模块的输出端与数模转换控制模块的输入端相连。该系统具有很好的鲁棒性，不仅满足现今新能源电动汽车的安全性与稳定性要求，也可用于各种工业场合，提高经济效益。
-
Patent Agency Ranking
公开(公告)号：CN110833656A
公开(公告)日：2020-02-25
申请号：CN201911290059.8
申请日：2019-12-16
Applicant: 大连理工大学
Abstract: 本发明一种恒流输出的中频治疗仪系统属于医用康复治疗设备领域，涉及一种中频治疗仪能实现恒流输出的系统。该系统由控制模块、波形调制模块、强度调节模块和恒流放大模块组成，实现载波的生成、调制、强度调节、放大和输出。控制模块其输入端与检测反馈模块相连接，控制模块的输出端分别与显示模块、报警模块、存储模块相连接；控制模块还与波形调制模块和强度调节模块连接。波形调制模块采用的是幅值调制，将一个高频载波信号与低频调制信号相乘，使得高频信号的幅值随低频信号幅值的变化而变化。该系统在单片机的控制下实现恒流输出，保证患者的安全。有存储功能，方便记录，提升了治疗仪的实用性和便捷性。
-
公开(公告)号：CN110473603A
公开(公告)日：2019-11-19
申请号：CN201910614764.2
申请日：2019-07-09
Applicant: 大连理工大学
Abstract: 本发明一种基于肌电信号的健身辅助方法属于模式识别与人工智能技术领域,涉及一种基于肌电信号的健身辅助方法。该方法通过电极片对人体表面肌电信号进行采集，并通过多种采集电路对人体表面肌电信号进行处理，将处理后的肌电信号传至上位机，对信号进行特征值提取。通过机器学习的SVM支持向量机作为判定动作是否标准的分类器模型，分别使用线性核与不同λ参数的高斯核，分别进行SVM模型训练，选择训练效果最好的模型健身动作标准判定。通过三层BP神经网络作为对动作进行分类的分类器模型，以提取到的特征值作为神经网络的输入神经元。使用RELU函数作为激活函数，实现输入信息的非线性映射，训练后得到分类器模型实现动作识别,有很高的准别率。
-
公开(公告)号：CN112364541A
公开(公告)日：2021-02-12
申请号：CN202011252308.7
申请日：2020-11-11
Applicant: 大连理工大学
Abstract: 本发明一种构件表面裂纹打磨后应力集中系数的计算方法属于废旧构件可再制造性判断领域，涉及一种废旧构件表面裂纹打磨后应力集中系数的计算方法。该方法中，对构件裂纹打磨后通过大量数据分析，借助有限元技术和经典Inglis公式，又考虑缺口应力集中程度受缺口深度和宽度的耦合作用影响，采用了修正Inglis公式，分别推导出了针对大厚度和小厚度的构件表面缺口应力集中系数计算方法。该方法只需要表面缺口的深度和宽度以及构件厚度，就可以预测对应的应力集中系数。该方法不仅仅适用于叶片结构，也适用于近似为平板的构件，方法计算精度高，误差小，为构件裂纹打磨后的应力集中系数的评估提供高可靠度的参考值。
-
公开(公告)号：CN110907269A
公开(公告)日：2020-03-24
申请号：CN201911247462.2
申请日：2019-12-09
Applicant: 大连理工大学
Abstract: 本发明一种基于微观划痕的钛合金疲劳寿命预测方法属于金属材料疲劳寿命预测技术领域，涉及一种基于微观划痕的钛合金疲劳寿命预测方法。该预测方法基于Murakami理论，提出评估微观划痕所引起的疲劳损伤定量表征参数，并定义为微观划痕的截面三角形面积的平方根。测量微观划痕截面的深度和宽度数据，即可获得对应的疲劳损伤参数，结合Paris公式，建立了考虑微观划痕影响的钛合金疲劳寿命预测模型。本发明预测模型仅需测得微观划痕截面的深度和宽度数据，即可预测钛合金在微观划痕下的疲劳寿命。该方法为钛合金叶片考虑微观划痕的疲劳寿命评估提供了一种实用新方法，方法简单，测试方便。
-
公开(公告)号：CN110849753B
公开(公告)日：2020-09-29
申请号：CN201911247187.4
申请日：2019-12-09
Applicant: 大连理工大学
IPC: G01N3/46
Abstract: 本发明一种基于微观划痕的金属材料疲劳强度预测方法属于金属材料性能测试技术领域，涉及一种基于微观划痕的疲劳强度的预测方法。本方法基于Murakami理论，提出基于微观划痕的疲劳损失参数定义为微观划痕的截面三角形面积的平方根。该方法首先观察目标表面形貌特征，确定微观划痕存在区域。在一条划痕上选择三个截面，测量微观划痕截面的深度和宽度数据，即可获得对应的疲劳损失参数若存在多条微观划痕，分别计算每条划痕的疲劳损伤参数并定义最终疲劳损伤为其中最大值。将该疲劳损伤参数带入Murakami疲劳强度模型，进而预测金属在此微观划痕下的疲劳强度。该方法实现了划痕在微观范围内的金属疲劳强度预测，具有一定的预测精度。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.017 seconds)
