“籍永健”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种施工管道防护连接装置-CN202210091025.1有效
发明人： 籍永健 -专利权人：湃朴（河北）新材料科技有限公司
申请日： 2022-01-26 - 公布日： 2023-09-22 - 主分类号： F16L57/02 文献下载
摘要：本发明属于管道防护技术领域，尤其是一种施工管道防护连接装置。其包括管道，管道的外侧包裹有第一防护适配板和第二防护适配板，第一防护适配板和第二防护适配板之间设置有多个标准防护垫板；第一防护适配板、第二防护适配板和多个标准防护垫板的两端分别连接有插头机构和插槽机构，插头机构与插槽机构相适配；第一防护适配板、第二防护适配板和多个标准防护垫板的两端分别开设有公头缺口槽和母头缺口槽，公头缺口槽与母头缺口槽相适配；第一防护适配板、第二防护适配板和多个标准防护垫板上均适配有固定导槽。本发明使用方便，对管道包裹连接方式简单，降低了工作难度，避免了原材料浪费，可以提高整体使用性能。
一种施工管道防护连接装置

[实用新型]自连接式管道防护垫板-CN202220211290.4有效
发明人： 籍永健 -专利权人：湃朴（河北）新材料科技有限公司
申请日： 2022-01-26 - 公布日： 2022-08-12 - 主分类号： F16L58/02 文献下载
摘要：本实用新型属于管道防护垫板技术领域，尤其是一种自连接式管道防护垫板，针对现有的防护垫使用连接方式复杂、工作难度大、防护垫使用性能差的问题，现提出如下方案。其包括防护垫板板体，防护垫板板体上开设有三个第一连接孔和三个第二连接孔，三个第一连接孔内均连接有母头机构，三个第二连接孔内均连接有公头机构，公头机构与对应的母头机构相适配，所述防护垫板板体的内侧设置有多个防滑球，所述防护垫板板体包括塑胶层、加强层和防腐层，塑胶层为内层，加强层涂布在塑胶层的外侧，防腐层涂布在加强层的外侧。本实用新型对管道包裹连接方式简单，降低了工作难度，提高了施工效率，并且可以提高防护垫板板体的使用性能。
连接管道防护垫板

[实用新型]一种管道包裹连接装置-CN202220211332.4有效
发明人： 籍永健 -专利权人：湃朴（河北）新材料科技有限公司
申请日： 2022-01-26 - 公布日： 2022-05-27 - 主分类号： F16L57/00 文献下载
摘要：本实用新型属于管道包裹技术领域，尤其是一种管道包裹连接装置，针对现有的防护垫使用连接方式复杂、工作难度大、材料浪费严重、使用性能差的问题，现提出如下方案。其包括管道，管道的防护区的两端外侧包裹有两个适配板，两个适配板之间设置有多个标准化防护垫板，两个适配板和多个标准化防护垫板均缠绕在管道的外侧，所述适配板和标准化防护垫板的两端均设置有连接插头和连接卡扣头，连接插头与连接卡扣头相适配。本实用新型利用适配板和标准化防护垫板对管道进行包裹，且通过连接插头和连接卡扣头连接，连接操作方便，可以更好地对管道起到保护作用，降低了工作难度，并实现了不同管径的管道所使用包裹保护材料的标准化。
一种管道包裹连接装置

[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
发明人：王红军;杨伟;籍永健;韩风霞;彭宝营;张翔 -专利权人：北京信息科技大学
申请日： 2019-12-18 - 公布日： 2020-05-15 - 主分类号： G06K9/00 文献下载
摘要：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

[发明专利]一种基于S试件的自适应主轴性能劣化识别方法-CN201911217099.X在审
发明人：王红军;韩风霞;籍永健;谷玉海 -专利权人：北京信息科技大学
申请日： 2019-12-03 - 公布日： 2020-03-24 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于S试件的自适应主轴性能劣化识别方法，其步骤：加工S试件的同时采集保存主轴的径向振动信号；对径向振动信号按时间进行分段，对每段径向振动信号进行自适应噪声完备集合经验模式分解获得IMF分量；提取分解后信号的本征模态分量特征参数进行信号重构，计算重构信号功率谱信息熵和边际谱的重心频率；加工完成S试件后，判断S试件测量结果是否合格，获取机床主轴正常状态的特征和异常状态的特征；将加工新S试件过程中采集到的径向振动信号计算后得到的各段振动信号的PSE和SCF值分别与主轴正常和异常状态的特征进行比较，判断主轴健康状况；构建加工S试件不同加工阶段的功率谱熵曲线对主轴的劣化程度进行分类。
一种基于自适应主轴性能识别方法