论文部分内容阅读
通过打磨机器人、翻转设备、定位工装、打磨刀具及辅助设备的设计选型组建一套柔性打磨系统,可完成大型船用发动机机体上下料、定位、翻转、精清等动作,实现精清作业的自动化和柔性化,提高质量和效率,降低成本和劳动强度,为大型铸件的自动打磨提供参考.
柔性打磨系统在大型发动机铸件清理作业的应用
【摘 要】
：
通过打磨机器人、翻转设备、定位工装、打磨刀具及辅助设备的设计选型组建一套柔性打磨系统,可完成大型船用发动机机体上下料、定位、翻转、精清等动作,实现精清作业的自动化和柔性化,提高质量和效率,降低成本和劳动强度,为大型铸件的自动打磨提供参考.
【机 构】
：
潍柴重机股份有限公司,山东潍坊261001
【出 处】
：
铸造设备与工艺
【发表日期】
：
2021年5期
其他文献
回顾了中国普通炉衬冲天炉1958年至2008年之间的发展历程,包括土铁熔炼技术、前炉回气二次送风冲天炉、大型水冷冲天炉、冲天炉加料机、多宝冲天炉、曲线炉膛冲天炉、卡腰冲天炉、密筋炉胆冲天炉、中央送风冲天炉、两排大间距冲天炉、普通冲天炉的标准化等.本文对中国铸造工业史的研究者有一定参考价值.
本文以转K6型转向架摇枕为研究对象,通过超声波探伤检测、射线检测、解剖等检测手段找到摇枕内部密实度易出缺陷部位,对工艺进行了分析和选择,提高了摇枕内部密实度质量.
本文以某型号压缩机盖板铸件的铸造工艺改进为例,介绍了压缩机盖板类产品的一种铸造工艺设计思路和方法.针对铸件缩松问题,通过调整铸件浇注方向,修改浇冒系统,同时采用Magma软件对新工艺进行模拟验证,缩松问题得到有效解决,使此类铸件加工后的废品率从40.5％降低到8.3％.
阿里巴巴集团以面向海量商品数据智能化理解为目标,针对“千亿级商品知识图谱的构建及产业化应用”开展全方面、系统化的研究工作.通过在知识图谱技术上的创新与落地,完成面向千亿商品数据的图谱构建以及服务建设.在此期间,该项目提出了“低资源知识图谱构建技术”、“可微可解释知识推理技术”及“大规模高噪音文本训练数据下的知识获取技术”三个主要的知识图谱核心技术,形成了一套领先的知识理解、知识抽取、知识服务的技术体系.
期刊
实体关系抽取是信息抽取领域的重要研究内容,对知识库的自动构建起着至关重要的作用.针对非结构化文本实体关系抽取存在上下文环境信息难以准确表征,致使现有抽取模型准确率不能满足实际应用需求的问题,该文提出了一种新型的实体关系抽取模型BiGRU-Att-PCNN.该模型是基于混合神经网络,首先,构建双向门控循环单元(BiGRU)以更好地获取文本序列中的上下文语序的相关信息;然后,采用注意力(Attention)机制来达到自动关注对关系影响力高的序列特征的目的;最后,通过采用分段卷积神经网络(PCNN),从调整后的
电解箱壳体铝合金零件是电动汽车的一项重要尝试,针对此电解箱壳体铝合金的压铸成型,应用数值模拟方法模拟铝合金液体流动充型状态,确定铸件的浇注系统与排气系统.同时在试模与试生产阶段,从浇注系统、产品结构、模具冷却、工艺等方面分析不同缺陷产生的原因,提出改善措施并且实施验证.结果表明,开发产品要多关注产品结构和模具结构,针对不合理的结构要进行优化改进,才能保正优良的产品质量.
事件检测任务的目标是从文本中自动获取结构化的事件信息.目前基于表示学习的神经事件检测方法能够有效利用潜在语义信息,但人工标注数据集的语义知识含量有限,制约了神经网络模型的认知广度.相对地,多任务表示学习框架,有助于模型同时学习不同任务场景中的语义知识,从而提升其认知广度.BERT预训练模型得益于大规模语言资源的充沛语义信息,具有高适应性(适应不同任务)的语义编码能力.因此,该文提出了一种基于BERT的多任务事件检测模型.该方法将BERT已经包含的语义知识作为基础,进一步提升多任务模型的表示、学习和语义感知
近年来,作为细粒度的属性级别情感分析在商业界和学术界受到越来越多的关注,其目的在于识别一个句子中多个属性词所对应的情感极性.目前,在解决属性级别情感分析问题的绝大多数工作都集中在注意力机制的设计上,以此突出上下文和属性词中不同词对于属性级别情感分析的贡献,同时使上下文和属性词之间相互关联.该文提出使用层次注意力机制和门机制处理属性级别情感分析任务,在得到属性词的隐藏状态之后,通过注意力机制得到属性词新的表示,然后利用属性词新的表示和注意力机制进一步得到上下文新的表示,层次注意力机制的设计使得上下文和属性词
文章主要介绍了大型壳体类风机铸件在受到外形轮廓尺寸较大,无合适的砂箱及型板等多方困难考验的情况下,采用地坑组芯造型法,对砂芯、型尺寸、砂型强度、熔炼烧注等的生产工艺要点进行严格控制,从而在工艺装备投入较小的情况下保证了铸件的质量.
极限多标签文本分类任务具有标签集大、类间关系复杂、数据分布不平衡等特点,是具有挑战性的研究热点.现有模型对标签语义信息利用不足,性能有限.对此,该文提出一种利用层级标签语义信息引导的极限多标签文本分类模型提升策略,在训练和预测过程中给予模型层级标签引导的弱监督语义指导信息,利用这种弱监督信息规约多标签文本分类任务中要对应的多标签语义边界.在标准数据集上的实验结果表明,该文所提策略能够有效提升现有模型性能,尤其在短文本数据集中增效显著,宏精准率最高提升21.23％.