增材部件、复合材料搅拌摩擦沉积增材制造装置和方法

    公开(公告)号:CN119772355A

    公开(公告)日:2025-04-08

    申请号:CN202411684788.2

    申请日:2024-11-22

    Inventor: 万龙 张泽宇

    Abstract: 本发明公开了一种增材部件、复合材料搅拌摩擦沉积增材制造装置和方法,增材部件用于复合材料搅拌摩擦沉积增材制造装置,增材部件具有轴向方向和第一送料通道,第一送料通道沿轴向方向贯通增材部件,增材部件内设有用于储存强化料的储存空间,储存空间连通第一送料通道,增材部件位于轴向方向的一侧设有第二送料通道,第二送料通道连通储存空间。本发明能在搅拌摩擦沉积增材制造过程中实现“先混合、再沉积”,可以提高制备效率,且强化料能均匀分布在复合材料中,可以提高复合材料的成型质量,还可以对强化料的含量进行灵活控制,实现复合材料成分的自主可控,降低成本,有利于提高搅拌摩擦沉积增材制造复合材料的适用性。

    一种增材式填丝自调节搅拌摩擦焊的装置及其方法

    公开(公告)号:CN115647564B

    公开(公告)日:2024-02-02

    申请号:CN202211375806.X

    申请日:2022-11-04

    Abstract: 本发明公开了一种增材式填丝自调节搅拌摩擦焊的装置,包括:进丝送料机构,进丝送料机构包括送料本体,送料本体上开设有送料进丝部;搅拌摩擦机构,搅拌摩擦机构包括安装底座,安装底座底端固接有摩擦搅拌部,摩擦搅拌部位于送料进丝部内,安装底座顶端固接有夹持部;进丝定位杆,进丝定位杆位于送料本体的一侧,进丝定位杆与送料本体可拆卸连接;激光测距传感器,激光测距传感器位于送料本体远离进丝定位杆的一侧,激光测距传感器与送料本体可拆卸连接。一种增材式填丝自调节搅拌摩擦焊方法包括如下步骤:S1:进丝;S2:送料;S3:焊接。本发明能够在待焊材料对接面存在间隙波动的情况下保障搅拌摩擦焊缝的稳定成型。

    一种随动锤击式搅拌摩擦增材制造装置及方法

    公开(公告)号:CN115647563B

    公开(公告)日:2023-09-05

    申请号:CN202211375795.5

    申请日:2022-11-04

    Abstract: 本发明公开一种随动锤击式搅拌摩擦增材制造装置及方法,包括安装座,包括安装组件,安装组件包括分体式静轴肩、增材搅拌头和超声振动系统,分体式静轴肩固定连接在安装座上,增材搅拌头位于分体式静轴肩内,增材搅拌头固定连接在搅拌摩擦焊机刀柄上,分体式静轴肩上开设有送料通孔,送料通孔和增材搅拌头对应设置,超声振动系统固定连接在安装座上,超声振动系统上设置有超声振动器,分体式静轴肩上设置有接触平面,超声振动器与接触平面抵接。本发明在超声带动下高频振动协同锤击增材层,实现增材层表面的实时应力调控,有效释放增材件残余应力,改善增材件成形。

    一种基于机器学习的非线性常微分方程识别方法

    公开(公告)号:CN115408932B

    公开(公告)日:2023-04-07

    申请号:CN202210979201.5

    申请日:2022-08-16

    Abstract: 本发明提出一种基于机器学习的非线性常微分方程识别方法。本发明所述方法首先通过数值模拟准备识别方程所用的数据集,将位移数据与速度数据组合成状态向量;将状态向量形式的数据送入符号网络进行学习,网络的深度推进格式采用显式多步法,在符号网络的计算中每一步的符号网络输出都作为下一步的输入,并在每一步用真实值作为监督,使得网络的长期学习能力得到了增强,对噪音的鲁棒性得到了改善,多步法作为一种高精度的数值方法可以显著增加方程识别的精度以及网络收敛的速度。

    基于卷积微分算子与符号网络的常微分方程识别方法

    公开(公告)号:CN115422497A

    公开(公告)日:2022-12-02

    申请号:CN202210978855.6

    申请日:2022-08-16

    Abstract: 本发明提出基于卷积微分算子与符号网络的常微分方程识别方法。本发明所述方法首先准备识别方程所用的数据集,对不同非线性强弱的方程均进行学习。然后依次将数据送入卷积核微分算子进行导数的不同精度逼近以及符号网络来进行项方程项的非线性组合,通过显式欧拉进行网络深度的推进;最后将学习到的方程与真实的方程作比较,并用学到的方程绘制时程预测曲线并与真实的曲线进行对比来验证算法的准确性。所述方法更加自主智能的进行非线性气动力方程式识别,解释性更强,通用性更好。

    一种基于机器学习的非线性常微分方程识别方法

    公开(公告)号:CN115408932A

    公开(公告)日:2022-11-29

    申请号:CN202210979201.5

    申请日:2022-08-16

    Abstract: 本发明提出一种基于机器学习的非线性常微分方程识别方法。本发明所述方法首先通过数值模拟准备识别方程所用的数据集,将位移数据与速度数据组合成状态向量;将状态向量形式的数据送入符号网络进行学习,网络的深度推进格式采用显式多步法,在符号网络的计算中每一步的符号网络输出都作为下一步的输入,并在每一步用真实值作为监督,使得网络的长期学习能力得到了增强,对噪音的鲁棒性得到了改善,多步法作为一种高精度的数值方法可以显著增加方程识别的精度以及网络收敛的速度。

Patent Agency Ranking