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114个,建议您升级VIP下载更多相关专利
  • [发明专利]O型端子与线缆的压合回收装置-CN201910508937.2有效
  • 马从国;翁润庭;李东嶸;丁晓红;葛红;王建国;陈亚娟;张利兵 - 淮阴工学院
  • 2019-06-13 - 2023-04-07 - H01R43/048
  • 本发明涉及电子元器件领域,公开了一种O型端子与线缆的压合回收装置,压针机构(4)位于压端平台(3)的上方;压端平台中,框架(81)的相对两侧分别开设一排O型端子放置槽(82),每个O型端子放置槽的开口侧均设置有一个分离式锥形孔(83),两排分离式锥形孔分别设置在框架的两相对内侧壁,各分离式锥形孔均由对称的两瓣锥形孔瓣组成,两瓣锥形孔瓣分别滑动连接在滑轨(84)上,滑轨的两端固定在框架上,两瓣锥形孔瓣之间通过弹簧(85)连接,各分离式锥形孔中的两瓣锥形孔瓣之间均通过第四驱动单元(86)驱动开合。本发明不仅能够将O型端子与线缆自动压端,而且能够适用于不同型号的O型端子的压端。
  • 端子线缆回收装置
  • [发明专利]一种核电站碘过滤器巡检机器人-CN202211441632.2在审
  • 朱厚耀;翁润庭;朱大昌;林港凯;王亚东 - 广州大学
  • 2022-11-17 - 2023-04-04 - B25J5/00
  • 本发明提供了一种核电站碘过滤器巡检机器人,包括底座、移动装置、末端升降装置、输送装置、外拓传送装置和吸取装置,所述移动装置安装于所述底座的底部;所述末端升降装置、所述输送装置和所述外拓传送装置分别安装于所述底座上,且所述末端升降装置、所述输送装置和所述外拓传送装置从前至后依次设置;所述吸取装置安装于所述末端升降装置上。本发明提供的核电站碘过滤器巡检机器人,实现了核电站碘过滤器巡检的智能化,解决了人工回收碘过滤器劳动强度大、风险系数高的问题,减少了人工的劳动强度,提高了工作效率,降低了作业风险。
  • 一种核电站过滤器巡检机器人
  • [发明专利]一种碘过滤器吸取装置-CN202211462114.9在审
  • 朱厚耀;翁润庭;朱大昌;林港凯;王亚东 - 广州大学
  • 2022-11-17 - 2023-03-07 - B65G47/91
  • 本发明提供了一种碘过滤器吸取装置,包括平台装置、升降装置和吸取装置,平台装置包括升降平台、操作平台和吸取装置导轨;升降装置包括第一直线电机和第二直线电机,第一直线电机的驱动滑块和第二直线电机的驱动滑块分别与升降平台的左右两侧对应连接;吸取装置包括移动台、安装板、连接块、连杆传动机构和吸取机构,安装板固定安装于移动台,连接块固定安装于吸取机构,连杆传动机构连接在安装板与连接块之间;吸取机构包括下位吸取板、上位吸取板、下位吸盘和上位吸盘,下位吸盘安装于下位吸取板,上位吸盘安装于上位吸取板。该碘过滤器吸取装置能够代替人工进行碘过滤器的更换操作,提高了工作效率,降低了人员的劳动强度和作业风险。
  • 一种过滤器吸取装置
  • [发明专利]一种包袋拆封分离装置-CN202210886914.7在审
  • 张春良;李帅;岳夏;朱厚耀;何瀚文;翁润庭;罗虎辉 - 广州大学
  • 2022-07-26 - 2022-10-14 - B65B69/00
  • 本发明提供了一种包袋拆封分离装置,涉及拆包机构技术领域,包括:入料传送机构,用于输送包袋;料包拆封机构,与所述入料传送机构连接,用于拆封包袋;料包分离机构,与所述料包拆封机构连接,用于将包袋与物料分离;包袋回收机构,与所述料包分离机构连接,用于回收包袋。本发明通过入料传送机构将包袋输送到料包拆封结构,料包拆封机构破开包袋后,由料包分离机构将物料和包装袋进行分离,物料被收集用于后续使用,而包装袋被包袋回收机构所回收。从而实现大量包袋连续拆封工作,且拆封完的包装袋能与物料分离回收,将破包功能和收集功能整合,将节约大量的时间和人力,有效节约成本并提高效率。
  • 一种包袋拆封分离装置
  • [发明专利]基于小波变换与神经网络的故障检测方法、系统及介质-CN202110823449.8有效
  • 岳夏;翁润庭;张春良;王亚东;朱厚耀;王明;杨文强 - 广州大学
  • 2021-07-21 - 2022-10-04 - G01M13/045
  • 本发明公开了一种基于小波变换与神经网络的故障检测方法、系统及介质,方法包括:获取待测轴承的第一振动信号;确定第一振动信号的第一频域信息,并根据第一频域信息选取对应的小波基函数;根据小波基函数对第一振动信号进行连续小波变换,得到第一时频图;将第一时频图输入到预先训练好的故障诊断模型,输出得到故障类型识别结果;其中,故障诊断模型通过卷积神经网络训练得到。本发明实施例通过选取合适的小波基函数可以在连续小波变换中保留微弱的故障振动信息,避免了噪声的干扰,提高了时频图的精度,进而提高了轴承故障检测的准确度;通过卷积神经网络训练故障诊断模型,提高了轴承故障检测的效率,可广泛应用于设备轴承故障检测技术领域。
  • 基于变换神经网络故障检测方法系统介质
  • [发明专利]基于灰狼优化算法的故障检测方法、系统、装置及介质-CN202110823433.7有效
  • 岳夏;王亚东;张春良;朱厚耀;翁润庭;陆凤清;李植鑫 - 广州大学
  • 2021-07-21 - 2022-10-04 - G01M13/045
  • 本发明公开了一种基于灰狼优化算法的故障检测方法、系统、装置及介质,方法包括:获取待检测设备的第一振动信号,并通过后缀树算法对第一振动信号进行分解,得到第一重复特征波形和第一重复时间序列;根据第一重复特征波形和第一重复时间序列确定第一振动信号的第一时频特征图;通过灰狼优化算法对第一时频特征图进行优化处理,提取出第一时频特征图中的故障特征信息;根据故障特征信息确定待检测设备的故障类型。本发明一方面避免了傅里叶算法的混叠现象产生的误差,提高了信号特征提取的准确性,另一方面通过灰狼优化算法对时频特征图进行优化实现了故障特征信息的提取,从而提高了设备故障检测的准确度。本发明可广泛应用于故障检测技术领域。
  • 基于灰狼优化算法故障检测方法系统装置介质
  • [发明专利]基于长短期记忆网络的故障检测方法、系统、装置及介质-CN202110823376.2有效
  • 张春良;陆凤清;岳夏;朱厚耀;王亚东;翁润庭;李植鑫 - 广州大学
  • 2021-07-21 - 2022-09-16 - G06K9/00
  • 本发明公开了一种基于长短期记忆网络的故障检测方法、系统、装置及介质,方法包括:获取第一振动信号,通过后缀树算法对第一振动信号进行分解,得到第一重复特征波形和第一重复时间序列;根据第一重复特征波形和第一重复时间序列确定第一振动信号的第一时频特征图,根据第一时频特征图构建训练样本集;构建长短期记忆网络;将训练样本集输入到长短期记忆网络中进行训练,利用反向传播算法对长短期记忆网络的参数进行优化,得到训练好的故障识别模型,根据故障识别模型确定待检测的第二振动信号的故障类型识别结果。本发明通过长短期记忆网络可以提取出微量故障信号所隐含的特征信息,提高了故障识别的准确度,可广泛应用于故障检测技术领域。
  • 基于短期记忆网络故障检测方法系统装置介质
  • [发明专利]基于后缀树和向量机的故障检测方法、系统、装置及介质-CN202110823379.6有效
  • 岳夏;翁润庭;张春良;朱厚耀;王亚东;陆凤清;李植鑫 - 广州大学
  • 2021-07-21 - 2022-09-16 - G01M13/045
  • 本发明公开了一种基于后缀树和向量机的故障检测方法、系统、装置及介质,方法包括:获取第一振动信号,通过后缀树算法对第一振动信号进行分解,得到第一重复特征波形和第一重复时间序列;根据第一重复特征波形和第一重复时间序列确定第一振动信号的第一时频特征图,并根据第一时频特征图构建训练样本集;构建支持向量机分类器;将训练样本集输入到支持向量机分类器中进行训练,对支持向量机分类器的参数进行优化,得到最优参数组合;根据最优参数组合确定分类决策函数,根据分类决策函数确定待检测的第二振动信号的故障类型。本发明提高了训练样本的准确性和可靠性,进而提高了分类器的精度和故障检测的准确度,可广泛应用于故障检测技术领域。
  • 基于后缀向量故障检测方法系统装置介质
  • [发明专利]设备故障识别模型训练、识别方法、系统、装置及介质-CN202110823380.9有效
  • 岳夏;王亚东;张春良;翁润庭;朱厚耀;杨文强;王明 - 广州大学
  • 2021-07-21 - 2022-09-16 - G06N3/04
  • 本发明公开了一种设备故障识别模型训练方法、识别方法、系统、装置及介质,训练方法包括:获取故障振动信号数据集,故障振动信号数据集包括多个故障振动信号和故障振动信号的故障类型;确定设备的固有转动周期,并确定故障振动信号的第一振动周期,进而根据固有转动周期和第一振动周期确定故障振动信号的第一特征子图;根据第一特征子图和故障类型确定训练数据集,并将训练数据集输入到预先构建的胶囊神经网络中进行训练,得到训练好的设备故障识别模型。本发明可以最大程度的保留原始故障振动信号中各个特征的空间位置关系,从而可以将空间位置关系作为故障类型的判定条件,进而提高了设备故障识别模型的准确度,可广泛应用于故障检测技术领域。
  • 设备故障识别模型训练方法系统装置介质
  • [发明专利]基于胶囊网络的设备故障检测方法、系统、装置及介质-CN202110823446.4有效
  • 岳夏;王亚东;张春良;朱厚耀;翁润庭;李植鑫;陆凤清 - 广州大学
  • 2021-07-21 - 2022-09-16 - G01M99/00
  • 本发明公开了一种基于胶囊网络的设备故障检测方法、系统、装置及介质,方法包括:获取预设的第一振动信号,通过后缀树算法对第一振动信号进行分解,得到第一重复特征波形和第一重复时间序列;根据第一重复特征波形和第一重复时间序列确定第一时频特征图,根据第一时频特征图构建训练样本集;构建第一胶囊网络;将训练样本集输入到第一胶囊网络中进行训练,对第一胶囊网络的参数进行优化,得到训练好的设备故障识别模型,根据设备故障识别模型确定待检测设备的第二振动信号的故障类型识别结果。本发明通过后缀树算法获取用于胶囊网络训练的时频特征图,提高了训练样本的准确性和可靠性,提高了故障识别的准确度,可广泛应用于故障检测技术领域。
  • 基于胶囊网络设备故障检测方法系统装置介质
  • [发明专利]一种基于后缀树的故障检测方法、系统、装置及存储介质-CN202110823447.9有效
  • 岳夏;王亚东;张春良;翁润庭;朱厚耀;李植鑫;陆凤清 - 广州大学
  • 2021-07-21 - 2022-09-16 - G06K9/00
  • 本发明公开了一种基于后缀树的故障检测方法、系统、装置及存储介质,方法包括:获取第一故障信号,并通过后缀树算法对第一故障信号进行分解,得到故障重复波形和重复时间序列;根据故障重复波形和重复时间序列确定第一故障信号的第一时频特征图,并根据第一时频特征图构建训练图片集;将训练图片集输入到预先构建的卷积神经网络中进行训练,得到训练好的故障识别模型;获取待检测的第二故障信号,并通过后缀树算法确定第二故障信号的第二时频特征图,进而将第二时频特征图输入到故障识别模型,输出得到故障类型识别结果。本发明提高了训练样本的准确性和可靠性,进而提高了故障识别模型的精度和故障检测的准确度,可广泛应用于故障检测技术领域。
  • 一种基于后缀故障检测方法系统装置存储介质
  • [发明专利]基于后缀树的故障信号特征提取方法、系统、装置及介质-CN202110823448.3有效
  • 岳夏;王亚东;张春良;翁润庭;朱厚耀;李植鑫;陆凤清 - 广州大学
  • 2021-07-21 - 2022-09-16 - G06K9/00
  • 本发明公开了一种基于后缀树的故障信号特征提取方法、系统、装置及介质,方法包括:获取待诊断的第一故障信号,对第一故障信号进行编码得到第一时域信号;通过后缀树算法对第一时域信号进行分解,得到多个故障波形信息和对应的时刻信息,根据故障波形信息和时刻信息构建第一后缀树;对第一后缀树的各个节点进行遍历,获取重复出现的故障波形信息作为故障重复波形,确定故障重复波形的重复时间序列;根据故障重复波形和/或重复时间序列确定第一故障信号的故障信号特征。本发明获取故障重复波形和重复时间序列两个不同尺度的信息,避免了傅里叶算法的混叠现象产生的误差,提高了故障信号特征提取的准确性和可靠性,可广泛应用于故障检测技术领域。
  • 基于后缀故障信号特征提取方法系统装置介质
  • [发明专利]一种助力外骨骼-CN202210552488.3在审
  • 岳夏;张文辉;翁润庭;张春良;朱厚耀;周超;龙尚斌 - 广州大学
  • 2022-05-20 - 2022-08-30 - B25J9/00
  • 本发明涉及外骨骼领域,且公开了一种助力外骨骼,包括踝关节机构、腿部机构、腰髋部机构、肩部机构和手臂机构,所述踝关节机构上方设置有腿部机构,踝关节机构与腿部机构之间弯曲角度最小角度为八十度,腿部机构上方设置有可以前后以及左右活动的腰髋部机构,腰髋部机构上方设置有肩部机构,肩部机构正面设置有可活动的手臂机构,该助力外骨骼,本发明提供了一种面向搬运助力的无源外骨骼,该机构设计方案实现了对人体多关节和骨肌进行助力的效果,穿戴方便且结构相对简单,能够充分发挥穿戴者的主观能动性,且满足生产成本低,续航时间久的需求。
  • 一种助力骨骼

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