-
-
公开(公告)号:CN108326161A
公开(公告)日:2018-07-27
申请号:CN201810050257.6
申请日:2018-01-18
Applicant: 重庆大学
IPC: B21D39/00
CPC classification number: B21D39/00
Abstract: 本发明公开了一种导爆索紧口装置,包括紧口平台,所述紧口机构上设置有紧口机构和用于夹持与定位导爆索的夹持机构,所述紧口平台上还有用于驱动紧口机构移动并进行压接的紧口驱动装置和顶升机构;所述紧口机构包括了液压油缸以及在液压油缸输出端用于压接导爆索的模瓣装置;所述的压接机还设置有一个触摸操作屏,与上位机通信,实现操作工用户登录,生产任务获取,工艺参数获取;所述液压油缸与油箱相连,本设备利用自动化系统代替了人工操作,不仅提高了工作效率还提高了压接质量,也使得工人所处的环境更加安全,实现了降低误差率和提高一致性的目的,整个系统具有较高的可靠性,上下料方便且操作简单易于应用。
-
公开(公告)号:CN108302993A
公开(公告)日:2018-07-20
申请号:CN201810049710.1
申请日:2018-01-18
Applicant: 重庆大学
IPC: F42C21/00
CPC classification number: F42C21/00
Abstract: 本发明属于航天火工品发火测试领域,系统的功能是实现对被测设备进行检测,检测出其需要的参数,然后判定是否满足要求,即判断产品是否合格,系统设计中实现了系统的一体化,柔性化,自动化。测试系统能对产品自动检测,且设计系统具有柔性的特点。测试系统应变式压力传感器、动态应变仪、低电阻测试仪、直流稳压电源、矩阵开关、数据采集仪、计算机、显示模块以及用于数据存储和交互的数据库一体化组成。具有扩展性等柔性化。也能对整个检测过程实现自动化。
-
-
-
公开(公告)号:CN108387795A
公开(公告)日:2018-08-10
申请号:CN201810049693.1
申请日:2018-01-18
Applicant: 重庆大学
IPC: G01R31/00
Abstract: 本发明属于航天工业产品智能化测试领域,涉及一种航天火工品发火测试系统的智能化方法,包括以下步骤:步骤一:启动软件,显示登录界面,操作人员可采用用户名与口令或刷卡等多种方式进入系统;步骤二:启用通道选择界面和配置通道测试参数界面;步骤三:对配置的测试参数进行标定;步骤四:对发火电流进行调节;步骤五:在软件平台上对全系统进行检查;步骤六:在平台软件中配置各个通道需要记录的数据,选择需要进行判读检查数据的检查规则(合格与否、10%-90%内控限);步骤七:发火测试前对系统进行检查,通电发火。本发明能够在航天火工品发火测试过程中数据自动记录,实现产品测试操作过程的全追溯,保障测试过程的可靠性。
-
公开(公告)号:CN108227768A
公开(公告)日:2018-06-29
申请号:CN201810050260.8
申请日:2018-01-18
Applicant: 重庆大学
IPC: G05D13/00
Abstract: 本发明公开了一种索类火工品加工中防止滑线的导爆索下制的变速控制技术,属于索类火工品的加工领域。包括以下步骤:1)基于动量定理以及动能定理,建立模型,确定在导爆索绷紧的情况下,出现滑线的临界速度;2)针对上述所建的模型,利用试验过程数据验证和修正临界速度值,确定最终滑线的临界速度;3)根据历史经验数据,确定每个拉线后的松弛程度,预测导爆索绷紧出现的时刻。4):设计切换的控制策略,在导爆索松弛情况下,以高于临界速度的最大拉线速度控制拉线;预测导爆索将要绷紧的情况下,以低于临界速度的速度控制拉线,从而保持工作效率不变。本发明能够防止在工厂生产中,由于出现滑线的问题从而导致工作效率的降低,通过控制切换拉线速度的策略,避免出现滑线的问题,保持工作效率的不变。
-
公开(公告)号:CN109245178B
公开(公告)日:2021-10-12
申请号:CN201810580371.X
申请日:2018-06-05
Applicant: 重庆大学
IPC: H02J3/46
Abstract: 本发明提供的一种基于分布式协同MPC的风电场功率协同调度,属于风电场功率调度领域。针对集中式模型预测控制中心控制器的计算负担大、容错性不强、扩展能力差等问题,引入分布式控制框架予以改进,分别以每台风电机组作为单独的智能体,提出多智能体分布式预测控制,以风电机组线路的连接情况进行分组,提出基于线路拓扑的分组‑分布式模型预测,构建子模型预测控制问题,制定子系统之间的协同控制策略。
-
公开(公告)号:CN108830316A
公开(公告)日:2018-11-16
申请号:CN201810580359.9
申请日:2018-06-05
Applicant: 重庆大学
Abstract: 本发明属于风电变流器故障诊断领域。为简化深度学习在故障诊断的过程,提高诊断过程的效率,引入卷积神经神经网络模型,以风电变流器运行数据直接驱动,将故障特征提取和表达由卷积神经神经网络完成,实现了端对端的故障诊断,避免了人工提取故障特征过程,优化了卷积神经网模型。基于卷积神经神经网络的方法在风电变流器故障诊断取得了更好的分类结果。
-
公开(公告)号:CN108711885A
公开(公告)日:2018-10-26
申请号:CN201810569937.9
申请日:2018-06-05
Applicant: 重庆大学
IPC: H02J3/38
CPC classification number: H02J3/386 , H02J2003/007
Abstract: 本发明属于风电场状态估计领域。针对风电场支路电力系统的受风速影响会波动较大的特点,设计了强跟踪平方根容积卡尔曼滤波器,提高了状态估计的精度;并进一步针对风电场分布式结构,提出了基于强跟踪容积平方根卡尔曼滤波的协同并行以及顺序状态估计算法。在风电场不确定环境下,容积卡尔曼滤波能够更好的估计效果,从而验证了算法的有效性。
-
-
-
-
-
-
-
-
-