机载箱体检验搬运装置
    1.
    实用新型

    公开(公告)号:CN213292351U

    公开(公告)日:2021-05-28

    申请号:CN202022176376.1

    申请日:2020-09-28

    Inventor: 薛丹 李思强

    Abstract: 本实用新型公开了一种机载箱体检验搬运装置,属于飞机装配技术领域,为解决现有机载箱体检验搬运不方便等问题而设计。本实用新型机载箱体检验搬运装置包括支撑装置和搬运移动车,支撑装置包括用于固定机载箱体的卡箍、用于支撑卡箍的支撑架、设置在支撑架上的转轴、以及设置在转轴上的手摇曲柄;搬运移动车包括用于固定支撑装置的抓手、用于驱使抓手升降的提升装置、用于固定提升装置的车身、以及安装在车身底部的行走轮。本实用新型机载箱体检验搬运装置解决了人工搬运、抬起等操作过程中易对机载箱体造成磕碰和损伤的问题,使用方便,省时省力,人工成本低。

    基于工业神经网络的产品装配方法、装置、设备及介质

    公开(公告)号:CN113850452A

    公开(公告)日:2021-12-28

    申请号:CN202011162762.3

    申请日:2020-10-27

    Abstract: 本申请实施例公开了一种基于工业神经网络的产品装配方法、装置、设备及介质。该方法包括:梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息;梳理装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息之间的约束条件,并梳理产品装配的业务流程体系,构建工业神经网络的产品装配关联图谱;根据产品装配关联图谱,确定装配人员信息、装配设备信息、物料信息、装配规则信息以及装配环境信息的目标组合,根据目标组合进行产品装配。上述方案将工业生产流程、生产要素、工业机理以及人工经验数据等整合,集中于工业神经网络中,解决了当前工业生产制造中数据和知识碎片化的问题,提高了智能化生产效率。

    基于图数据库搭建工业神经网络的方法

    公开(公告)号:CN112100451B

    公开(公告)日:2023-11-17

    申请号:CN202010961595.2

    申请日:2020-09-14

    Abstract: 本发明公开了一种基于图数据库搭建工业神经网络的方法,该方法包括以下步骤:将目标工业制造过程划分为多个工业制造阶段;梳理并获取各个阶段包含的多个操作业务;分析并获取和每个操作业务相关联的数据、约束条件、应用;针对每个操作业务建立一个对应的子图数据库;汇聚形成总图数据库;在总图数据库中配置和算法库相关联的第一类接口;建立包含总图数据库及算法库的工业神经网络。根据本发明的基于图数据库搭建工业神经网络的方法,通过结合图数据库技术和算法库有效整合了工业制造领域中各个阶段的各种相关要素,能够完整清晰地描述工业过程及其中包含的各种复杂关系,从而有助于实现工业智能化生产。

    基于工业神经网络的零件制造方法、装置、设备及介质

    公开(公告)号:CN113850454A

    公开(公告)日:2021-12-28

    申请号:CN202011164284.X

    申请日:2020-10-27

    Abstract: 本申请实施例公开了一种基于工业神经网络的零件制造方法、装置、设备及介质。本申请实施例包括:梳理复合材料零件制造对应的目标实体、约束条件、制造流程以及应用类型;根据目标实体、约束条件、制造流程以及应用类型,在图数据库中构建关联图谱;选取关联图谱中的至少一个节点作为算法节点,将算法节点与算法库进行关联,以使算法节点能够调用存储在算法库的算法对算法节点及其相邻节点中的数据进行计算;根据关联图谱以及关联的算法库,构建工业神经网络;基于工业神经网络进行复合材料零件的制造。上述方案基于工业神经网络技术进行复合材料零件的制造,高效地将碎片化的数据和关系进行整合和管理,从而提高了关系分析的效率。

    一种故障原因确定方法、装置、设备及存储介质

    公开(公告)号:CN113656658A

    公开(公告)日:2021-11-16

    申请号:CN202110930979.2

    申请日:2021-08-13

    Abstract: 本发明实施例公开了一种故障原因确定方法,包括:确定至少一个故障及对应的故障可能原因,建立质量根因分析图;质量根因分析图中的因节点与故障可能原因一一对应;针对每个故障,根据质量根因分析图确定与故障对应的每个因节点的点贡献率,并按从大到小的顺序排序;获取排名前设定位数的因节点对应的故障可能原因,作为对应故障的产生原因。本发明实施例提供的故障原因确定方法,通过建立质量根因分析图,并结合图数据库算法,计算因节点的点贡献率并排序,从而确定对故障产生影响最大的故障原因,实现了对车间生产制造过程的数字化,能够清晰描述工业过程与复杂关系,形成工业神经网络,对故障产生原因进行精确可靠的分析。

    一种故障原因确定方法、装置、设备及存储介质

    公开(公告)号:CN113656658B

    公开(公告)日:2023-07-21

    申请号:CN202110930979.2

    申请日:2021-08-13

    Abstract: 本发明实施例公开了一种故障原因确定方法,包括:确定至少一个故障及对应的故障可能原因,建立质量根因分析图;质量根因分析图中的因节点与故障可能原因一一对应;针对每个故障,根据质量根因分析图确定与故障对应的每个因节点的点贡献率,并按从大到小的顺序排序;获取排名前设定位数的因节点对应的故障可能原因,作为对应故障的产生原因。本发明实施例提供的故障原因确定方法,通过建立质量根因分析图,并结合图数据库算法,计算因节点的点贡献率并排序,从而确定对故障产生影响最大的故障原因,实现了对车间生产制造过程的数字化,能够清晰描述工业过程与复杂关系,形成工业神经网络,对故障产生原因进行精确可靠的分析。

    基于图数据库搭建工业神经网络的方法

    公开(公告)号:CN112100451A

    公开(公告)日:2020-12-18

    申请号:CN202010961595.2

    申请日:2020-09-14

    Abstract: 本发明公开了一种基于图数据库搭建工业神经网络的方法,该方法包括以下步骤:将目标工业制造过程划分为多个工业制造阶段;梳理并获取各个阶段包含的多个操作业务;分析并获取和每个操作业务相关联的数据、约束条件、应用;针对每个操作业务建立一个对应的子图数据库;汇聚形成总图数据库;在总图数据库中配置和算法库相关联的第一类接口;建立包含总图数据库及算法库的工业神经网络。根据本发明的基于图数据库搭建工业神经网络的方法,通过结合图数据库技术和算法库有效整合了工业制造领域中各个阶段的各种相关要素,能够完整清晰地描述工业过程及其中包含的各种复杂关系,从而有助于实现工业智能化生产。

Patent Agency Ranking