-
公开(公告)号：CN118896585A
公开(公告)日：2024-11-05
申请号：CN202410921459.9
申请日：2024-07-10
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及基于多偏置误差的转位角误差传递模型及其分析方法，属于超精密几何量测量技术领域。包括主轴、分离台、被测件和测头，主轴的主轴回转中心为O，分离台的误差分离台中心为O′，转位前被测件中心分别位于O1处，其相对于O′的偏心误差大小为e，对应偏心角为#imgabs0#转位后被测件中心分别位于O2处，其相对于O′的偏心角变为#imgabs1#O′与O间存在偏差e′，其对应偏心角为γ，测头沿垂直于测量方向相对于主轴回转中心的偏移量为d，测头测量方向与经过O的垂线相交于点O″。对各偏置对转位角误差的影响进行分析，根据分析结构相应调整各偏置范围，以减小转位角偏差从而减小转位角偏差对转位法误差分离精度的影响。
-
公开(公告)号：CN115673704B
公开(公告)日：2024-09-20
申请号：CN202211234546.4
申请日：2022-10-10
Applicant: 哈尔滨工业大学
Abstract: 基于虚拟现实指导的多级大型高速回转装备装配系统、方法、计算机设备和存储介质，虚拟现实指导装配技术领域，解决多级大型高速回转装备装配的装配效率和准确性低问题。本发明的系统包括：数据采集模块用于测量多级大型高速回转装备表面数据，并将表面数据传输至数据处理模块和虚拟现实指导模块，表面数据包括轴向跳动数据和径向跳动数据；数据处理模块根据表面数据，获取多级大型高速回转装备的最优装配相位，并将最优装配相位传输至虚拟现实指导模块；虚拟现实指导模块用于根据表面数据，建立多级大型高速回转装备的虚拟模型；还用于显示表面数据和最优装配相位。本发明适用于多级大型高速回转装备的装配。
-
公开(公告)号：CN118395627A
公开(公告)日：2024-07-26
申请号：CN202410505392.0
申请日：2024-04-25
Applicant: 哈尔滨工业大学
IPC: G06F30/17 , G06F18/2135 , G06F17/16
Abstract: 本发明涉及一种基于二分搜索法的航空发动机叶片中弧线与最大厚度评定方法，包括如下步骤：步骤S1、基于PCA算法进行叶片截面提取；步骤S2、基于移动最小二乘法，进行航空发动机叶片排序同步降噪；步骤S3、基于二分搜索法进行中弧线与最大厚度测定。本发明针对直接提取叶片中弧线时得到的中弧线点过于分散，无法形成中弧线从而导致无法对叶片的最大厚度进行测量的问题，提出了二分搜索法，在不采用曲线拟合的情况下搜索中弧线上各点从而完成了对叶片最大厚度的评定。
-
公开(公告)号：CN118347435A
公开(公告)日：2024-07-16
申请号：CN202410524951.2
申请日：2024-04-29
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了基于三频十二步相移法与三次样条立体匹配的航空发动机叶片形貌测量方法及系统，包括如下步骤：相机标定：对相机进行标定；包裹相位萃取：通过投影仪将待投影条纹图案投射到航空发动机叶片上，并对双目相机采集的相位图进行包裹相位萃取；相位解包裹：引入多频外差法将包裹相位还原成连续的绝对相位，实现相位解包裹；调制度计算：进行调制度计算；立体匹配：基于三次样条插值进行亚像素相位值匹配；得到三维测试结果：结合立体匹配结果和相机标定结果，根据双目立体视觉原理计算匹配点的三维坐标，得到航空发动机叶片的三维点云结果。本发明具有增强系统的抗干扰能力的作用，可以更精确地确定相位信息，从而提高三维重建的精度。
-
公开(公告)号：CN110929353B
公开(公告)日：2024-06-25
申请号：CN201911213663.0
申请日：2019-12-02
Applicant: 哈尔滨工业大学
IPC: G06F30/17 , G06F30/20 , G06F111/10
Abstract: 本发明是一种基于单纯形算法的大型高速回转装备圆柱轮廓误差分离方法。包括以下步骤：建立大型高速回转装备圆柱轮廓测量模型；确定测头半径误差和测头支杆倾斜角:步骤3：通过单纯性优化算法确定待估参数，建立目标函数；对于每个截面轮廓的目标函数，采用单纯形寻优算法估计得到参数的估计值，通过估计值消除影响；采用单纯形寻优估计法对目标函数直接求解，得到大型高速回转装备圆柱轮廓测量模型的整体偏心误差、几何轴线倾斜误差和最小二乘半径的精确估计值；逐点分离多偏置误差。本发明可实现在不对测量模型和误差参数估计过程进行任何简化的前提下，同时实现对多个偏置误差参量的精确估计和分离，显著提高了误差分离准确性。
-
Patent Agency Ranking
公开(公告)号：CN114354184B
公开(公告)日：2024-06-21
申请号：CN202111624091.2
申请日：2021-12-28
Applicant: 哈尔滨工业大学
IPC: G01M13/028 , G06F18/2135 , G06F18/24 , G06N3/048 , G06N3/084
Abstract: 本发明公开一种基于深度学习的大型回转装备主轴健康预警模型建立方法和装置，属于大型回转装备主轴健康监测与状态识别技术领域，解决现有缺少主轴健康预警模型有效地保证大型回转装备工作性能的同时能显著地降低经济损失的问题。本发明的方法包括：获取大型回转装备主轴状态振动信号；分别从时域、频域和时频域进行特征提取，获取多维特征；对多维特征进行降维处理，将降维处理后的多维特征划分为训练集和测试集；基于BP神经网络建立大型回转装备主轴健康预警模型，并利用训练集和测试集对大型回转装备主轴健康预警模型进行训练和测试，完成大型回转装备主轴健康预警模型的建立。本发明适用于大型回转装备主轴健康监测与状态识别。
-
公开(公告)号：CN118111358A
公开(公告)日：2024-05-31
申请号：CN202410219489.5
申请日：2024-02-28
Applicant: 哈尔滨工业大学
IPC: G01B11/255 , G01B11/00 , G06F17/18
Abstract: 一种大半径小圆弧型面的圆弧曲率半径精确检测方法，属于精密测量与仪器技术领域；该方法包括以下步骤：获得测量数据的点集，并将其转化为直角坐标；对数据进行滤波并剔除粗大误差数据，构建函数方程#imgabs0#令B＝‑2a，C＝‑2b，D＝a2+b2‑R2，zi＝xi2+yi2，得到新的方程#imgabs1#将函数F1对参数B，C，D求导，得到方程组矩阵；方程组矩阵对B，C，D进行求解；根据#imgabs2#计算得到被测圆的半径；本发明可实现圆弧曲率半径的精确拟合，提高大半径小圆弧型面曲率半径的测量精度。
-
公开(公告)号：CN111046579B
公开(公告)日：2024-05-31
申请号：CN201911370026.4
申请日：2019-12-26
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了基于粒子群算法的大型高速回转装备误差分离优化方法，建立优化传感器安装角度优化目标函数；利用极大熵函数法对目标函数进行等价变换得到可微的优化目标函数；设定约束条件和搜索范围；利用粒子群算法对传感器S2、S3相对于S1的安装角度α和β进行寻优；根据寻优结果对最优安装角度对应的叶子编号进行确定。本发明根据粒子群算法优化得到的叶片编号安装三个传感器，对叶尖间隙数据进行测量并进行误差分离，可有效避免误差分离过程中的谐波抑制现象，提高误差分离精度。
-
公开(公告)号：CN115452251B
公开(公告)日：2024-05-07
申请号：CN202211107446.5
申请日：2022-09-13
Applicant: 哈尔滨工业大学
Abstract: 本发明公开了一种基于回转轴和惯性主轴基准统一的大型高速回转装备转动惯量测量方法及系统，属于惯量测量技术领域，其中，该方法包括：在测量坐标系下测量大型高速回转装备的质心坐标；根据质心坐标评定惯性主轴与回转轴的夹角；利用惯量测量台测量大型高速回转装备的自身转动惯量；根据质心坐标求解测量坐标系下的第一质心偏移回转轴距离；根据夹角和第一质心偏移回转轴距离，求解质心坐标系下的第二质心偏移回转轴距离；根据自身转动惯量和第二质心偏移回转轴距离求解大型高速回转装备在质心坐标系下的实际转动惯量。该方法可以消除因转台倾斜误差和大型高速回转装备自身加工误差造成的惯性主轴偏移和倾斜，能够提高转动惯量测量精度。
-
公开(公告)号：CN116772779A
公开(公告)日：2023-09-19
申请号：CN202310613751.X
申请日：2023-05-29
Applicant: 哈尔滨工业大学
Abstract: 本发明属于表面轮廓测量和零件装配领域，公开了一种基于七系统参数补偿的回转体部件垂直度误差传递方法。轴向基准传感器运动到回转体部件轴向基准截面；调整气浮转台转动；移动垂直导轨，获得纯净的轮廓测量数据；将纯净的轮廓测量数据导入测量装置上位机系统进行实时分析，根据ISO标准，实现回转体部件垂直度的评定；更换其他回转体部件测量；重复上述，直到所有回转体部件测量结束；评定n级回转体部件装配后垂直度，同时调节各级回转体部件装配相位，使得回转体部件的装配垂直度最优。本发明针对回转体部件装配中七个系统误差耦合导致回转体部件轴向轮廓测量不精准问题以及多级间隙配合的回转体部件装配机理不明确问题。
-
-
-
-
-
-
-
-
-
Search Results
244
records
(took 0.033 seconds)
