-
公开(公告)号:CN109592138B
公开(公告)日:2020-04-28
申请号:CN201910019099.2
申请日:2019-01-09
Applicant: 燕山大学
Abstract: 本发明一种螺栓包装封装器,涉及产品封装辅助装置。本发明包括机架,以及安装于机架上的传送组件、摆动平台、螺栓下料组件和包装盒封装组件;所述螺栓下料组件位于放置包装盒的摆动平台的正上方;所述摆动平台位于包装盒传送组件的包装盒传送进盒口处;所述包装盒封装组件位于包装盒传送组件的正上方;所述包装盒封装组件与包装盒传送组件配合封装包装盒上进料口。本发明中螺栓经过螺栓进料漏斗的出料口自由落体导入包装盒中,包装盒随着下方的摆动平台一起运动,当包装盒装满(由电子计数器计数)进入传送带后进行纸盒粘合封装;实现螺栓的装盒,封装;该机构替代人工装盒的螺栓封装机,提高工作效率,为螺栓生产降低生产成本。
-
公开(公告)号:CN111695582A
公开(公告)日:2020-09-22
申请号:CN201910278974.9
申请日:2019-04-10
Applicant: 燕山大学
Abstract: 本申请提出一种颤振纹理的检测方法及其装置,该方法首先将采集的薄壁件铣削纹理图像进行图像预处理,再按比例随机分成训练集和测试集;对训练集和测试集进行向量化处理、数据降维和归一化处理;建立神经网络模型结构,初始化模型的权重、偏差和学习率参数,构建激活函数,运用前向传播计算当前的损失函数和成本函数,再通过后向传播计算其梯度;通过运行梯度下降法对权重和偏差进行优化,最后使用网络模型的学习的参数对测试集进行预测和分类辨别,输出预测准确率。本申请方法实现简单,并且误差修正,颤振纹理辨别准确率高,运行时间短和实时性强。
-
公开(公告)号:CN109592138A
公开(公告)日:2019-04-09
申请号:CN201910019099.2
申请日:2019-01-09
Applicant: 燕山大学
Abstract: 本发明一种螺栓包装封装器,涉及产品封装辅助装置。本发明包括机架,以及安装于机架上的传送组件、摆动平台、螺栓下料组件和包装盒封装组件;所述螺栓下料组件位于放置包装盒的摆动平台的正上方;所述摆动平台位于包装盒传送组件的包装盒传送进盒口处;所述包装盒封装组件位于包装盒传送组件的正上方;所述包装盒封装组件与包装盒传送组件配合封装包装盒上进料口。本发明中螺栓经过螺栓进料漏斗的出料口自由落体导入包装盒中,包装盒随着下方的摆动平台一起运动,当包装盒装满(由电子计数器计数)进入传送带后进行纸盒粘合封装;实现螺栓的装盒,封装;该机构替代人工装盒的螺栓封装机,提高工作效率,为螺栓生产降低生产成本。
-
公开(公告)号:CN109543899A
公开(公告)日:2019-03-29
申请号:CN201811384644.X
申请日:2018-11-20
Applicant: 燕山大学
Abstract: 本发明公开了一种基于深度学习的二维轮廓排样定序方法,具体包括:获取排样历史大数据并预处理,对历史数据中所有已排样的零件进行标定得到排样顺序矩阵Y;提取每个已排样零件的几何特征,得到几何特征矩阵X;整理得到排样定序数据集PRD-T;建立深度学习模型Packing-Sort-Model;输入PRD-T数据集,训练得到能够输出待排样零件排样顺序的模型Packing-Sort-Model;提取待排样零件几何特征,得到待排样零件的几何特征矩阵A;将待排样零件的几何特征矩阵输入到已训练完成的深度学习模型中;计算得待排样零件的排样顺序矩阵B;按照排样顺序对待排样零件进行逐一靠接排样,完成排样。本发明能实现排样过程中待排零件的定序,排样效果好、效率高。
-
公开(公告)号:CN109543899B
公开(公告)日:2020-02-11
申请号:CN201811384644.X
申请日:2018-11-20
Applicant: 燕山大学
IPC: G16Z99/00
Abstract: 本发明公开了一种基于深度学习的二维轮廓排样定序方法,具体包括:获取排样历史大数据并预处理,对历史数据中所有已排样的零件进行标定得到排样顺序矩阵Y;提取每个已排样零件的几何特征,得到几何特征矩阵X;整理得到排样定序数据集PRD‑T;建立深度学习模型Packing‑Sort‑Model;输入PRD‑T数据集,训练得到能够输出待排样零件排样顺序的模型Packing‑Sort‑Model;提取待排样零件几何特征,得到待排样零件的几何特征矩阵A;将待排样零件的几何特征矩阵输入到已训练完成的深度学习模型中;计算得待排样零件的排样顺序矩阵B;按照排样顺序对待排样零件进行逐一靠接排样,完成排样。本发明能实现排样过程中待排零件的定序,排样效果好、效率高。
-
-
-
-