支腿油缸自动装配装置的设计

来源 :装备机械 | 被引量 : 0次 | 上传用户:zhuspecial
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在分析现有支腿油缸装配方式,统计支腿油缸安装问题的基础上,设计了支腿油缸自动装配装置。介绍了支腿油缸自动装配装置的设计要求,给出了设计方案,并对举升平台、固定座、安装底座、夹紧机构等关键零部件进行了选用。应用这一支腿油缸自动装配装置,可以提高自动化水平,降低工人的劳动强度。
其他文献
分析了轴承受热膨胀的变形趋势,推导了轴承内圈受热变形的计算公式,应用有限元方法校验了理论计算结果,有限元分析结果与理论计算结果偏差为0.18%。以精密圆锥滚子轴承的热装为例,验证了理论计算与仿真分析的正确性。
2015年投产的河南中原黄金冶炼厂整体搬迁升级改造工程,设计年处理含铜及贵金属原料150万t,分两期实现,采用“造锍捕金”技术回收贵金属。火法冶炼工艺选择了底吹熔炼、旋浮吹炼、回转阳极精炼的新型组合,其中铜锍吹炼采用了旋浮吹炼技术。旋浮吹炼技术的核心设备是一台“旋浮吹炼炉”及“旋浮吹炼喷嘴”,旋浮吹炼炉炉体由中国恩菲设计,其设计反应塔规格为Φ4.5 m×6.2 m,旋浮吹炼工艺包及“旋浮吹炼喷嘴”由祥光铜业提供。河南中原黄金冶炼厂的旋浮吹炼炉是国内首座,采用国内技术、完全自主设计、全部国内制造。经过投产后
为了减少选区激光熔化金属三维打印过程中飞溅物的残留,提高成型工件的质量,运用Flow Sim ulation软件对某款选区激光熔化金属三维打印设备打印腔体内的风场进行模拟仿真,并采用粒子示踪法对飞溅物进行追踪,进而对风场状态进行评估,根据仿真结果对风场结构进行优化。结果表明,风场结构优化后打印腔体内烧结区域的风场均匀性得到提高,气流对飞溅物的携带能力也得到提高。通过试验验证了风场结构优化方案的有效性,试样的平均致密度从99.901%提高至99.960%。
探讨了染整用水水质对湿上蜡剂Belfasin GT整理液稳定性的影响以及Belfasin GT在降低棉纱-金属摩擦系数方面的应用性能。在室温25℃、水硬度278×10-6(以CaCO3计)和电解质Na2SO4质量浓度20 g/L的环境中,Belfasin GT整理液(5 g/L)可稳定至少3 h;32s棉纱用2%(omf)Belfasin GT通过浸渍工艺整理后,与金属的摩擦系数由未处理的大于0.400降为0.175;
并联六自由度主动减振平台可有效隔离外界低频微振动对加速器BPM及光束线站等精密设备的影响,由于并联六自由度主动减振平台具有很强的耦合特性,需对平台的耦合特性进行分析研究。本文以压电陶瓷驱动器构建并联六自由度主动减振平台,在平台运动学的基础上,采用Newton-Euler法建立了平台的动力学模型。分析了平台各通道间的耦合特性,设计了一种通用的平台解耦控制策略。搭建了实验验证平台,开展次级通道参数测量与减振实验研究。实验结果表明,设计的多通道解耦控制策略是有效的,平台对低频微振动有良好的减振效果。
为研究铅铋快堆瞬态热工水力特性,对RELAP5程序进行二次开发,添加铅铋合金(LBE)物性模型和液态金属流动换热模型,并与NACIE-UP和CIRCE-ICE台架的实验结果进行对比。计算结果表明:NACIE-UP台架稳态流量和温度相对误差在2%以内,瞬态相对误差不超过5%,与其他系统程序CATHARE、ATHLET、RELAP5-3D、RELAP5/MOD3.3(modified)相比,本文程序的相对偏差不超过10%;CIRCE-ICE台架稳态流量和温度相对误差在2%以内,瞬态相对误差不超过10%。本文程
镧系裂变产物引起的燃料肿胀及包壳脆化是UZr金属燃料服役中的主要问题。其快速扩散通常借助于裂变气体释放通道,实验可观察到镧系裂变产物会在UZr金属燃料氙气泡处偏析。为理解裂变产物扩散机理及表面偏析现象,本文采用第一原理方法,对低温α-U中(100)、(112)、(001)、(021)、(110)、(010)表面的原子结构及形成能进行了研究,并讨论了常见镧系裂变产物La、Ce、Pr和Nd在不同表面的偏析行为。计算结果表明,(110)表面的形成能最低,为1.75 J/m2,(112)、(
图像分割是图像识别的前提,其效率直接影响图像识别的质量。目前主要有四种基本的图像分割方法,分别为基于阈值的图像分割法、基于区域的图像分割法、基于边缘的图像分割法、超像素图像分割法。介绍了每一种图像分割方法的优缺点和研究情况,以及图像分割技术在汽车自动驾驶中的应用。
速率理论是一种用于模拟辐照诱导材料微观结构长时间演变过程的重要方法,其计算难点在于对大规模刚性的速率理论方程的数值求解.本文首次采用指数时间差分方法实现对速率理论
针对滚动轴承故障,提出了一种多卷积神经网络融合的滚动轴承故障识别方法。采集滚动轴承在不同状态下的振动信号,利用短时傅里叶变换得到二维时频谱图。基于二维时频谱图的数据结构设计得到二维卷积神经网络、一维时域卷积神经网络、一维频域卷积神经网络,利用这三个卷积神经网络的输出结果构建全连接神经网络进行融合。利用引导聚集集成学习方法训练这一神经网络融合模型,将测试信号输入训练后的神经网络融合模型,实现对滚动轴承故障的智能识别。基于滚动轴承故障试验数据集进行验证,结果表明所提出的多卷积神经网络融合的滚动轴承故障识别方法