显影辊
    2.
    发明公开

    公开(公告)号:CN112540520A

    公开(公告)日:2021-03-23

    申请号:CN202010983616.0

    申请日:2020-09-18

    Abstract: 本发明涉及一种显影辊。提供一种显影辊,其包括轴、以及在所述轴的外周部上沿径向依次形成的基层和表面层,其中1)低回弹性层设置在所述基层和所述表面层之间,2)当在温度为23℃、振幅为±20μm和频率为6Hz的条件下测量时,所述低回弹性层的损耗角正切tanδ值大于所述基层和所述表面层中任意的损耗角正切tanδ值,并且3)所述显影辊的由以下式(1)定义的AskerC硬度·厚度值为500以下:显影辊的Asker C硬度·厚度值=显影辊的Asker C硬度×(显影辊的厚度+6)(1)。

    估计装置、估计方法以及估计程序

    公开(公告)号:CN117597218A

    公开(公告)日:2024-02-23

    申请号:CN202280047155.3

    申请日:2022-07-12

    Abstract: 估计装置利用检测部检测具备柔软材料的机器人的多个检测点间的电气特性,所述柔软材料具有导电性,并且所述柔软材料的电气特性与被施加的压力的变化相应地变化。估计部使用学习模型,根据机器人的电气特性来估计机器人状态。以对学习模型输入电气特性并输出与所输入的电气特性对应的机器人状态的方式进行学习,所述学习模型是将对柔软材料施加了压力时的电气特性和对机器人的柔软材料施加压力的机器人状态用作学习用数据、并以将该电气特性作为输入并输出机器人状态的方式进行学习而得到的。

    显影辊
    5.
    发明公开

    公开(公告)号:CN112782950A

    公开(公告)日:2021-05-11

    申请号:CN202011233074.1

    申请日:2020-11-06

    Abstract: 本发明的课题在于提供可以在维持良好的初始图像浓度的同时抑制灰雾和调色剂污染的显影辊,其解决方法为一种显影辊(1),其特征在于,具备心轴构件(2)、在该心轴构件(2)的半径方向外侧配设的弹性层(3)、以及在该弹性层(3)的半径方向外侧配设的表层(4),前述表层(4)包含热固性氨基甲酸酯树脂、炭黑、以及含金属的氨基甲酸酯化反应催化剂,前述热固性氨基甲酸酯树脂是使多元醇成分与多异氰酸酯成分反应而成的,前述炭黑的平均粒径为120~160nm且DBP吸油量为900mL/100g以上,相对于前述热固性氨基甲酸酯树脂的多元醇成分100质量份,前述炭黑的含量为3~5质量份。

    辊和使用其的图像形成装置

    公开(公告)号:CN106605176A

    公开(公告)日:2017-04-26

    申请号:CN201580047609.7

    申请日:2015-08-28

    Inventor: 藤泽祐辅

    Abstract: 提供一种辊,特别是导电性辊,当将所述辊安装至图像形成装置时,通过所述辊可以抑制通过与装置内部其它构件接触引起的来自辊端部的切断废料的产生;和提供一种使用所述辊的图像形成装置。所述辊设置有轴1和配置在轴的外周上的基层2。在基层的沿辊轴方向的两端部的各端面上设置覆盖基层的填料层4。填料层由根据JIS K 7127的拉伸试验测量的断裂应变为120%以上且根据JIS K 7127的拉伸试验测量的在100%伸长时的拉伸应力为5‑30N/mm2的材料制成。

    估计装置、估计方法、估计程序以及学习模型生成装置

    公开(公告)号:CN118382803A

    公开(公告)日:2024-07-23

    申请号:CN202280082407.6

    申请日:2022-07-12

    Abstract: 估计装置包括:检测部,其检测针对具备柔软材料的对象物的柔软材料预先决定出的多个检测点之间的电气特性,该柔软材料具有导电性且电气特性与该柔软材料的变形相应地变化;以及估计部,其向学习模型输入估计对象物的时间序列的电气特性,来估计与所输入的时间序列的电气特性对应的劣化状态,该学习模型是将与柔软材料的变形相应地变化的时间序列的电气特性以及表示与柔软材料的变形有关的劣化状态的劣化状态信息用作学习用数据并以将时间序列的电气特性作为输入且输出劣化状态信息的方式进行学习而得到的。

    估计装置、估计方法、估计程序以及机器人系统

    公开(公告)号:CN117693415A

    公开(公告)日:2024-03-12

    申请号:CN202280052449.5

    申请日:2022-07-11

    Abstract: 估计装置利用检测部检测具备柔软材料的机器人的多个检测点间的电气特性,所述柔软材料具有导电性且电气特性与状态变化相应地变化。估计部使用学习模型,根据机器人的电气特性来估计机器人状态。以对学习模型输入电气特性并输出与所输入的电气特性对应的机器人状态的方式进行学习,所述学习模型是将对柔软材料施加了状态变化时的电气特性和机器人的柔软材料的状态变化后的机器人状态用作学习用数据、并以将该电气特性作为输入并输出机器人状态的方式进行学习而得到的。

Patent Agency Ranking