专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果21个,建议您升级VIP下载更多相关专利
  • [发明专利]一种运动控制实验台-CN202210361969.6在审
  • 陈秀梅;彭宝营;孟阳阳 - 北京信息科技大学
  • 2022-04-07 - 2023-10-24 - G09B25/02
  • 本发明涉及一种基于运动控制实验台,包括电机、电机支架、主动带轮、齿形带、质量块、从动带轮、编码器支架、联轴器以及编码器;电机,通过电机支架安装在支撑板上,与主动带轮相连接,其中,电机转动带动主动带轮转动,主动带轮通过齿形带动从动带轮转动;从动带轮,转动通过轴带动质量块转动;编码器,通过联轴器和从动带轮连接,检测质量块的转动角度;编码器,通过编码器支架安装在支撑板上,编码器将质量块的转动角度传送给控制器,以使运动控制器进行比较得到的误差信息,能够通过机械设备、机械装置的控制理论验证的实验装置。
  • 一种运动控制实验
  • [发明专利]一种机器人控制器方法、系统、介质、设备及终端-CN202310548430.6在审
  • 许博;彭宝营;杨庆东;陈秀梅;钟建琳;秦宇飞 - 北京信息科技大学
  • 2023-05-16 - 2023-08-01 - B25J9/16
  • 本发明属于机器人控制技术领域,公开了一种机器人控制器方法、系统、介质、设备及终端,基于RBF神经网络自适应反步法控制。由控制器,和执行机构组成,控制器采样基于PCC构架的构架单元,执行机构采样总线控制,把PCC的算法计算出来的数据发送给伺服机构单元,驱动伺服机构进行执行。其中机器人控制器方法基于RBF神经网络自适应反步法控制,本发明提供的机器人控制器方法,具体涉及一种基于自适应神经网络的机器人控制器算法,该算法嵌设到机器人的控制器里面,使得机器人在运动过程中能够自动调节其运动参数。同时,本发明提供的基于自适应神经网络的机器人控制器算法不用进行建模,且抗干燥性强,使得系统稳定性高。
  • 一种机器人控制器方法系统介质设备终端
  • [实用新型]一种便携式水泥库内壁清扫装置-CN202222968530.8有效
  • 张天虎;钟建琳;彭宝营 - 北京信息科技大学
  • 2022-11-08 - 2023-01-31 - B08B9/087
  • 本实用新型属于水泥库清理设备领域,具体涉及一种便携式水泥库内壁清扫装置,包括清扫装置、伸展装置、底座固定装置、悬吊装置和控制台;各装置在库外连接成功,通过吊车将装置吊于库顶,通过底座固定装置与库顶连接,其余装置置于库内,施工人员控制电机的转动使伸展装置展开,使清扫装置与水泥垢接触并实现清扫,控制悬吊装置使清扫装置上下移动。本实用新型无需进入库内进行操作,在库外就可以操作,提高了清扫效率,降低了施工人员的风险,装置体积相对较小。
  • 一种便携式水泥库内清扫装置
  • [发明专利]一种激光焊接工作台-CN202211331651.X在审
  • 彭宝营;朱昱硕;王鹏家;李潭;王喆 - 北京信息科技大学
  • 2022-10-28 - 2022-12-02 - B23K26/21
  • 本发明公开了一种激光焊接工作台,包括激光焊接头,所述激光焊接头设置在六自由度并联平台上,所述六自由度并联平台通过螺栓设置在Z轴移动平台上,所述Z轴移动平台通过螺栓设置在龙门支架上,所述龙门支架固定在工作台上,所述工作台安装有XY轴移动平台,所述XY轴移动平台上设置有焊接平台,所述焊接平台上设置有工件夹具。本发明提供的一种激光焊接工作台大大的提高了产品的定位精度,满足了各种角度焊接,自动化程度高,大大的减少人工成本,提高产能。
  • 一种激光焊接工作台
  • [发明专利]一种混联结构车铣复合加工中心-CN202211074325.5在审
  • 彭宝营;罗辉;王鹏家 - 北京信息科技大学
  • 2022-09-03 - 2022-10-14 - B23P23/02
  • 本发明公开了一种混联结构车铣复合加工中心,包括床身、主轴、铣刀库、多轴铣削平台、Z向进给平台、尾座、X向进给平台和车刀架。所述车刀架安装在X向进给平台上,所述X向进给平台安装在Z向进给平台上,车削刀具可沿X、Z两方向移动。所述多轴铣削平台安装在Z向进给平台上,与车刀架相对,分别位于主轴两侧,所述多轴铣削平台由固定板、活动板、铣削轴头、电动推杆、球铰等构成,通过改变六个电动推杆的伸缩长度,可驱动铣削轴头进行位姿变换。本发明采用了并联与串联结合的混联结构设计,结构紧凑、运动灵活,可实现车削、钻孔、铰孔及五轴铣削等加工方式,适用于复杂曲面、复杂结构零件的加工。
  • 一种联结构车铣复合加工中心
  • [发明专利]一种数控机床静刚度评价方法-CN201810355311.8有效
  • 彭宝营;张瑞乾;杨庆东 - 北京信息科技大学
  • 2018-04-19 - 2021-05-18 - G01M99/00
  • 本发明公开了一种数控机床静刚度评价方法,首先将机床刚度测量值指数化处理,以刚度指数评价不同规格机床相对刚度;然后将机床连续测量刚度值线性化处理,考察刚度一致性,观察并记录弱刚度环节的影响情况;再比较机床三个坐标方向刚度,考察机床弱刚度方向与弱刚度环影响度,该方法通过对机床连续施加负载力,对测量获得的刚度值曲线能够更准确分析机床刚度情况,发现机床刚度链的薄弱环节;通过指数化比较评价,能够直观、简捷的得出机床刚度实际情况,便于比较评价相对值;根据机床的刚度一致性,合理的以刚度指数值评价机床性能质量。
  • 一种数控机床刚度评价方法
  • [发明专利]一种用于机床的非线性刚度测量方法及装置-CN201810355307.1有效
  • 张瑞乾;彭宝营;杨庆东 - 北京信息科技大学
  • 2018-04-19 - 2021-03-23 - G01M5/00
  • 本发明公开了一种用于机床的非线性刚度测量方法及装置,方法为:首先在机床工作台上对模拟刀柄施加负载,并且测量机床主轴端部的位移,获得机床主轴的变形与力负载的曲线;通过分析机床主轴端部的变形与力负载曲线的斜率,评价机床的综合刚度;通过测量系统连续加力来测出机床主轴的连续变形曲线,获得机床整体刚度参数,测量装置包括机床工作台和主轴,主轴上安装有模拟刀柄,模拟刀柄的柄身上通过轴承套装有滚子,滚子的相对侧设置有加载装置,模拟刀柄相对于加载装置的一侧设置有位移传感装置,还包括一个数控系统,通过闭环系统和位移传感器的精准测量,实现了更理想化的非线性刚度测量,也更直观的展现机床的刚度。
  • 一种用于机床非线性刚度测量方法装置
  • [发明专利]一种高墙作业设备-CN201810443844.1有效
  • 李启光;郎需强;陈泰宇;彭宝营 - 北京信息科技大学
  • 2018-05-10 - 2020-10-09 - E04G3/30
  • 本发明实施例公开了一种高墙作业设备,该设备包括:移动作业平台和墙面作业装置;墙面作业装置,用于在移动作业平台的带动下在墙面上全方位移动,并在预设定位点处对墙面进行作业;移动作业平台,用于带动墙面作业装置在墙面上的多个定位点之间移动,并在到达每一个定位点时,通过与屋顶和地面连接的牵引绳索将自身固定在屋顶和地面之间。通过该实施例方案,提高了高墙作业设备的稳定性和抗干扰能力,提高了作业期间的安全性。
  • 一种高墙作业设备
  • [发明专利]一种高墙作业设备中的移动作业平台-CN201810445050.9有效
  • 李启光;郎需强;彭宝营;陈泰宇 - 北京信息科技大学
  • 2018-05-10 - 2020-08-28 - E04G3/30
  • 本发明实施例公开了一种高墙作业设备中的移动作业平台,包括平台本体、包含牵引绳索的平台牵引装置和平台姿态控制装置;平台本体固定墙面作业装置并带动其在墙面上移动实现对墙面的作业;平台牵引装置通过牵引绳索使平台本体在墙面上定位并在作业时使平台本体固定在屋顶与地面之间;在作业完成后计算平台本体移动到下一定位点过程中牵引绳索的收放长度,并根据该收放长度控制牵引绳索的收放;平台姿态控制装置在平台本体定位后对平台本体的姿态进行调整。该实施例方案保证了高墙作业设备的稳定性,提高了设备的抗干扰能力和作业安全性,并使得高墙作业设备能够清洁凸凹不平的不规则外墙。
  • 一种高墙作业设备中的移动平台
  • [发明专利]基于S变换深度卷积神经网络的主轴故障分类识别方法-CN201911312525.8在审
  • 王红军;杨伟;籍永健;韩风霞;彭宝营;张翔 - 北京信息科技大学
  • 2019-12-18 - 2020-05-15 - G06K9/00
  • 本发明涉及一种基于S变换深度卷积神经网络的主轴故障分类识别方法,其步骤:将主轴振动信号作为振动样本信号,并将该振动样本信号分成多段预先设定长度的信号;对每段信号分别进行S变换、小波变换和短时FFT变换,得到时频谱图图像;将生成的时频谱图尺寸进行压缩,然后随机分为训练样本和测试样本,构建CNN神经网络训练集和测试集;将训练样本输入到CNN中,对CNN网络参数进行学习训练构建深度卷积神经网络模型,并将测试样本输入深度卷积神经网络中测试其分类性能;判断CNN模型是否合格,合格则得到理想CNN模型参数,否则返回重新构建CNN模型;将实际采集到的待测振动信号的S变换后的时频特征输入训练好的CNN模型,得到刻画数据类型的故障分类结果。
  • 基于变换深度卷积神经网络主轴故障分类识别方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top