CN111950133B - 一种基于数字孪生的发动机可靠寿命预测方法 - Google Patents

一种基于数字孪生的发动机可靠寿命预测方法 Download PDF

Info

Publication number
CN111950133B
CN111950133B CN202010725258.3A CN202010725258A CN111950133B CN 111950133 B CN111950133 B CN 111950133B CN 202010725258 A CN202010725258 A CN 202010725258A CN 111950133 B CN111950133 B CN 111950133B
Authority
CN
China
Prior art keywords
information
app
engine
digital twin
service life
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN202010725258.3A
Other languages
English (en)
Other versions
CN111950133A (zh
Inventor
汤文亮
桂玉杰
马浩航
乐昱
邓学欢
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
East China Jiaotong University
Original Assignee
East China Jiaotong University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by East China Jiaotong University filed Critical East China Jiaotong University
Priority to CN202010725258.3A priority Critical patent/CN111950133B/zh
Publication of CN111950133A publication Critical patent/CN111950133A/zh
Application granted granted Critical
Publication of CN111950133B publication Critical patent/CN111950133B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/28—Fuselage, exterior or interior
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/04—Ageing analysis or optimisation against ageing

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Combined Controls Of Internal Combustion Engines (AREA)

Abstract

本发明涉及数字孪生技术领域，具体为一种基于数字孪生的发动机可靠寿命预测方法，包括步骤一：零件外观信息采集；步骤二：零件外观信息分析；步骤三：建立数字孪生APP；步骤四：零件外观数据录入；步骤五：单一零件寿命信息展示；步骤六：零件寿命对比；步骤七：虚拟发动机寿命值信息展示，本发明通过建立专属的数字孪生APP，对发动机的每个装配林间进行单一的信息采集分析，综合所有的装配零件寿命值，进行分析对比，最小零件的寿命值即是发动机的寿命值，同时通过数字孪生APP将虚拟发动机模型在计算机上展示出来，给工作人员以直观的印象。

Description

一种基于数字孪生的发动机可靠寿命预测方法
技术领域
本发明涉及数字孪生技术领域，具体为一种基于数字孪生的发动机可靠寿命预测方法。
背景技术
数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统，数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，目前在产品设计、产品制造、医学分析、工程建设等领域应用较多。目前在国内应用最深入的是工程建设领域，关注度最高、研究最热的是智能制造领域。
发动机在社会发展过程中具有重要意义，传统的发动机寿命评估方式通过机床对发动机零件的打磨或加压，来验证零件的耐久情况，进而分析发动机工作时，各个传动零件或支撑零件磨损情况，得出发动机的寿命情况，过程耗时耗力，如何改进提高这项技术是个问题。
发明内容
本发明的目的在于提供一种基于数字孪生的发动机可靠寿命预测方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于数字孪生的发动机可靠寿命预测方法，所述数字孪生的发动机可靠寿命预测方法包括发动机分解零件、数据录入孪生APP、虚拟发动机装配、虚拟发动机运行、零件损耗信息反馈和虚拟发动机寿命值展示，预测方法主要包括以下步骤：
步骤一：零件外观信息采集，通过红外线扫描仪器采集零件的外观信息，红外线扫描仪器连接计算机，零件外观信息录入控制计算机；
步骤二：零件外观信息分析，在控制计算机中，通过红外线仪器APP对零件外观信息处理，生成零件各项特征数值；
步骤三：建立数字孪生APP，在控制计算机中建立发动机专属的数字孪生APP服务平台，所述数字孪生APP服务平台包括零件特征数据录入窗口，零件数字模型生成、零件虚拟装配，单一的虚拟零件损耗导致虚拟零件的外观变化信息展示，虚拟零件外观变化损耗速度设定，零件外观损耗极限值设定，零件外观变化达到极限值所需要的时间信息反馈；
步骤四：零件外观数据录入，控制计算机上的红外线仪器APP生成零件特征多项数值，红外线仪器APP将生成的零件特征数值投放到数字孪生APP的信息采集界面，数字孪生APP完成零件信息采集工作；
步骤五：单一零件寿命信息展示，数字孪生APP中的虚拟发动机模型上，除了单一待测零件寿命信息，虚拟发动机模型上的其它配合零件均为已知信息寿命零件，数字孪生APP单一信息零件测量时，自动配合组装其它已知信息零件，即可反馈得出单一信心零件对虚拟发动机寿命的影响；
步骤六：零件寿命对比，数字孪生APP将装配发动机的所有零件寿命值信息对比，将最小的寿命值信息反馈出来，即为虚拟发动机的使用寿命，也就是待测发动机的使用寿命；
步骤七：虚拟发动机寿命值信息展示，多种发动机零件组装后，每个单一零件的损耗值和外观变化，均在同一个虚拟发动机模型上展示出来，最先完成损耗的零件将其寿命值展示到数字孪生APP总结信息展示的窗口，随后在控制计算机中展示出来，即可得出待测发动机的使用寿命。
优选的，步骤二中所述的红外线仪器APP工作，红外线仪器APP分析单一零件外观信息，得出零件上的承受压力的结构各项特征数值，特征数值包括长度数值、宽度数值、厚度数值和直径数值。
优选的，步骤四中所述的数字孪生APP的信息采集，数字孪生APP中设置不同零件信息采集窗口，数字孪生APP预先采集录入零件外观信息，得出零件名称，指定单一零件信息采集窗口打开，窗口中预先设定不同零件特征信息采集项，针对数字孪生APP的投放界面上的零件特征值，进行单一信息匹配和采集录入。
优选的，步骤五中所述的其它已知装配零件信息均为预先设置，在数字孪生APP中设置已知零件信息库，信息库中设置数字孪生APP初始阶段录入的不同装配零件的外观信息和数值，以及同一功能的不同型号零件的外观信息和数值。
优选的，步骤六中所述的所有零件寿命值对比，具体为数字孪生APP中的寿命值采集分析模块，自动分析得出寿命值中的最低数值，将数值信息反馈到数字孪生APP中的发动机使用寿命信息展示窗口。
优选的，步骤七中所述的数字孪生APP，将虚拟发动机模型外观变化展示到控制计算机主机屏幕上，以及发动机上的每个零件的损耗进度条展示在控制计算机主机屏幕上。
与现有技术相比，本发明的有益效果是：
1.本发明通过建立专属的数字孪生APP，对发动机的每个装配林间进行单一的信息采集分析，综合所有的装配零件寿命值，进行分析对比，最小零件的寿命值即是发动机的寿命值，同时通过数字孪生APP将虚拟发动机模型在计算机上展示出来，给工作人员以直观的印象；
2.该装置通过数字孪生APP实现快速的发动机寿命值信息生成展示，同时工作人员可以录入不同型号的单一功能零件，进行对比，选择最符合发动机整体功能运行的型号零件，进行生产制造。
附图说明
图1为本发明方法流程示意图；
图2为数字孪生APP结构框架图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的技术方案，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参阅图1至图2，本发明提供一种技术方案：一种基于数字孪生的发动机可靠寿命预测方法，数字孪生的发动机可靠寿命预测方法包括发动机分解零件、数据录入孪生APP、虚拟发动机装配、虚拟发动机运行、零件损耗信息反馈和虚拟发动机寿命值展示，预测方法主要包括以下步骤：
步骤一：零件外观信息采集，通过红外线扫描仪器采集零件的外观信息，红外线扫描仪器连接计算机，零件外观信息录入控制计算机；
步骤二：零件外观信息分析，在控制计算机中，通过红外线仪器APP对零件外观信息处理，生成零件各项特征数值；
步骤三：建立数字孪生APP，在控制计算机中建立发动机专属的数字孪生APP服务平台，数字孪生APP服务平台包括零件特征数据录入窗口，零件数字模型生成、零件虚拟装配，单一的虚拟零件损耗导致虚拟零件的外观变化信息展示，虚拟零件外观变化损耗速度设定，零件外观损耗极限值设定，零件外观变化达到极限值所需要的时间信息反馈；
步骤四：零件外观数据录入，控制计算机上的红外线仪器APP生成零件特征多项数值，红外线仪器APP将生成的零件特征数值投放到数字孪生APP的信息采集界面，数字孪生APP完成零件信息采集工作；
步骤五：单一零件寿命信息展示，数字孪生APP中的虚拟发动机模型上，除了单一待测零件寿命信息，虚拟发动机模型上的其它配合零件均为已知信息寿命零件，数字孪生APP单一信息零件测量时，自动配合组装其它已知信息零件，即可反馈得出单一信心零件对虚拟发动机寿命的影响；
步骤六：零件寿命对比，数字孪生APP将装配发动机的所有零件寿命值信息对比，将最小的寿命值信息反馈出来，即为虚拟发动机的使用寿命，也就是待测发动机的使用寿命；
步骤七：虚拟发动机寿命值信息展示，多种发动机零件组装后，每个单一零件的损耗值和外观变化，均在同一个虚拟发动机模型上展示出来，最先完成损耗的零件将其寿命值展示到数字孪生APP总结信息展示的窗口，随后在控制计算机中展示出来，即可得出待测发动机的使用寿命。
步骤二中的红外线仪器APP工作，红外线仪器APP分析单一零件外观信息，得出零件上的承受压力的结构各项特征数值，特征数值包括长度数值、宽度数值、厚度数值和直径数值。
步骤四中的数字孪生APP的信息采集，数字孪生APP中设置不同零件信息采集窗口，数字孪生APP预先采集录入零件外观信息，得出零件名称，指定单一零件信息采集窗口打开，窗口中预先设定不同零件特征信息采集项，针对数字孪生APP的投放界面上的零件特征值，进行单一信息匹配和采集录入。
步骤五中的其它已知装配零件信息均为预先设置，在数字孪生APP中设置已知零件信息库，信息库中设置数字孪生APP初始阶段录入的不同装配零件的外观信息和数值，以及同一功能的不同型号零件的外观信息和数值。
步骤六中的所有零件寿命值对比，具体为数字孪生APP中的寿命值采集分析模块，自动分析得出寿命值中的最低数值，将数值信息反馈到数字孪生APP中的发动机使用寿命信息展示窗口。
步骤七中的数字孪生APP，将虚拟发动机模型外观变化展示到控制计算机主机屏幕上，以及发动机上的每个零件的损耗进度条展示在控制计算机主机屏幕上。
工作原理：将发动机装配零件分解，使用红外线扫描机构逐一对零件进行扫描，在计算机中建立数字孪生APP软件，对零件信息录入和分析，综合所有零件的使用寿命，得出装配体发动机的使用寿命，在控制计算机中建立发动机专属的数字孪生APP服务平台，数字孪生APP服务平台包括零件特征数据录入窗口，零件数字模型生成、零件虚拟装配，单一的虚拟零件损耗导致虚拟零件的外观变化信息展示，虚拟零件外观变化损耗速度设定，零件外观损耗极限值设定，以及零件外观变化达到极限值所需要的时间信息反馈。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (6)

1.一种基于数字孪生的发动机可靠寿命预测方法，其特征在于：所述数字孪生的发动机可靠寿命预测方法包括发动机分解零件、数据录入孪生APP、虚拟发动机装配、虚拟发动机运行、零件损耗信息反馈和虚拟发动机寿命值展示，预测方法主要包括以下步骤：
步骤一：零件外观信息采集，通过红外线扫描仪器采集零件的外观信息，红外线扫描仪器连接计算机，零件外观信息录入控制计算机；
步骤二：零件外观信息分析，在控制计算机中，通过红外线仪器APP对零件外观信息处理，生成零件各项特征数值；
步骤三：建立数字孪生APP，在控制计算机中建立发动机专属的数字孪生APP服务平台，所述数字孪生APP服务平台包括零件特征数据录入窗口，零件数字模型生成、零件虚拟装配，单一的虚拟零件损耗导致虚拟零件的外观变化信息展示，虚拟零件外观变化损耗速度设定，零件外观损耗极限值设定，零件外观变化达到极限值所需要的时间信息反馈；
步骤四：零件外观数据录入，控制计算机上的红外线仪器APP生成零件特征多项数值，红外线仪器APP将生成的零件特征数值投放到数字孪生APP的信息采集界面，数字孪生APP完成零件信息采集工作；
步骤五：单一零件寿命信息展示，数字孪生APP中的虚拟发动机模型上，除了单一待测零件寿命信息，虚拟发动机模型上的其它配合零件均为已知信息寿命零件，数字孪生APP单一信息零件测量时，自动配合组装其它已知信息零件，即可反馈得出单一信息 零件对虚拟发动机寿命的影响；
步骤六：零件寿命对比，数字孪生APP将装配发动机的所有零件寿命值信息对比，将最小的寿命值信息反馈出来，即为虚拟发动机的使用寿命，也就是待测发动机的使用寿命；
步骤七：虚拟发动机寿命值信息展示，多种发动机零件组装后，每个单一零件的损耗值和外观变化，均在同一个虚拟发动机模型上展示出来，最先完成损耗的零件将其寿命值展示到数字孪生APP总结信息展示的窗口，随后在控制计算机中展示出来，即可得出待测发动机的使用寿命。
2.根据权利要求1所述的一种基于数字孪生的发动机可靠寿命预测方法，其特征在于：步骤二中所述的红外线仪器APP工作，红外线仪器APP分析单一零件外观信息，得出零件上的承受压力的结构各项特征数值，特征数值包括长度数值、宽度数值、厚度数值和直径数值。
3.根据权利要求1所述的一种基于数字孪生的发动机可靠寿命预测方法，其特征在于：步骤四中所述的数字孪生APP的信息采集，数字孪生APP中设置不同零件信息采集窗口，数字孪生APP预先采集录入零件外观信息，得出零件名称，指定单一零件信息采集窗口打开，窗口中预先设定不同零件特征信息采集项，针对数字孪生APP的投放界面上的零件特征值，进行单一信息匹配和采集录入。
4.根据权利要求1所述的一种基于数字孪生的发动机可靠寿命预测方法，其特征在于：步骤五中所述的其它已知装配零件信息均为预先设置，在数字孪生APP中设置已知零件信息库，信息库中设置数字孪生APP初始阶段录入的不同装配零件的外观信息和数值，以及同一功能的不同型号零件的外观信息和数值。
5.根据权利要求1所述的一种基于数字孪生的发动机可靠寿命预测方法，其特征在于：步骤六中所述的所有零件寿命值对比，具体为数字孪生APP中的寿命值采集分析模块，自动分析得出寿命值中的最低数值，将数值信息反馈到数字孪生APP中的发动机使用寿命信息展示窗口。
6.根据权利要求1所述的一种基于数字孪生的发动机可靠寿命预测方法，其特征在于：步骤七中所述的数字孪生APP，将虚拟发动机模型外观变化展示到控制计算机主机屏幕上，以及发动机上的每个零件的损耗进度条展示在控制计算机主机屏幕上。
CN202010725258.3A 2020-07-24 2020-07-24 一种基于数字孪生的发动机可靠寿命预测方法 Active CN111950133B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010725258.3A CN111950133B (zh) 2020-07-24 2020-07-24 一种基于数字孪生的发动机可靠寿命预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010725258.3A CN111950133B (zh) 2020-07-24 2020-07-24 一种基于数字孪生的发动机可靠寿命预测方法

Publications (2)

Publication Number Publication Date
CN111950133A CN111950133A (zh) 2020-11-17
CN111950133B true CN111950133B (zh) 2022-04-26

Family

ID=73339001

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010725258.3A Active CN111950133B (zh) 2020-07-24 2020-07-24 一种基于数字孪生的发动机可靠寿命预测方法

Country Status (1)

Country Link
CN (1) CN111950133B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112528533B (zh) 2020-11-19 2022-02-25 中国矿业大学 一种千米深井提升机制动器可靠性智能评估与寿命预测方法

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593569A (zh) * 2013-11-15 2014-02-19 西安航空动力股份有限公司 一种确定航空发动机翻修寿命方法
CN109146090A (zh) * 2018-07-30 2019-01-04 红塔烟草(集团)有限责任公司 一种基于设备数字孪生体管理平台的零部件生命周期管理方法
CN110310324A (zh) * 2018-03-20 2019-10-08 红塔烟草(集团)有限责任公司 一种基于零件三维空间定位的生命周期管理方法及系统
CN110489833A (zh) * 2019-07-31 2019-11-22 西安交通大学 数字孪生驱动的航空发动机涡轮盘剩余寿命预测方法
CN110532626A (zh) * 2019-07-31 2019-12-03 西安交通大学 基于数字孪生的航空发动机主轴承剩余寿命预测方法
CN110612432A (zh) * 2017-06-15 2019-12-24 极光飞行科学公司 自主飞行器健康系统和方法
CN111125864A (zh) * 2018-10-15 2020-05-08 通用电气公司 与使用过的可用材料的可用性和使用相关联的资产性能管理器
CN111230887A (zh) * 2020-03-10 2020-06-05 合肥学院 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法
CN111274671A (zh) * 2019-12-31 2020-06-12 东南大学 一种基于数字孪生的复杂产品装配过程精准修配方法及其运行系统

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20170286572A1 (en) * 2016-03-31 2017-10-05 General Electric Company Digital twin of twinned physical system
US10417614B2 (en) * 2016-05-06 2019-09-17 General Electric Company Controlling aircraft operations and aircraft engine components assignment
US11676098B2 (en) * 2017-11-21 2023-06-13 International Business Machines Corporation Digital twin management in IoT systems

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103593569A (zh) * 2013-11-15 2014-02-19 西安航空动力股份有限公司 一种确定航空发动机翻修寿命方法
CN110612432A (zh) * 2017-06-15 2019-12-24 极光飞行科学公司 自主飞行器健康系统和方法
CN110310324A (zh) * 2018-03-20 2019-10-08 红塔烟草(集团)有限责任公司 一种基于零件三维空间定位的生命周期管理方法及系统
CN109146090A (zh) * 2018-07-30 2019-01-04 红塔烟草(集团)有限责任公司 一种基于设备数字孪生体管理平台的零部件生命周期管理方法
CN111125864A (zh) * 2018-10-15 2020-05-08 通用电气公司 与使用过的可用材料的可用性和使用相关联的资产性能管理器
CN110489833A (zh) * 2019-07-31 2019-11-22 西安交通大学 数字孪生驱动的航空发动机涡轮盘剩余寿命预测方法
CN110532626A (zh) * 2019-07-31 2019-12-03 西安交通大学 基于数字孪生的航空发动机主轴承剩余寿命预测方法
CN111274671A (zh) * 2019-12-31 2020-06-12 东南大学 一种基于数字孪生的复杂产品装配过程精准修配方法及其运行系统
CN111230887A (zh) * 2020-03-10 2020-06-05 合肥学院 一种基于数字孪生技术的工业涂胶机器人运行状态监测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Digital Twin of Solid Rocket Motor,Problem and Challenge;Xiao Fei 等;《2018 11th International Symposium on Computational Intelligence and Design(ISCID)》;20190425;7-11 *
基于数字孪生的设备RUL预测研究;汤文亮 等;《制造业自动化》;20211225;第43卷(第12期);46-49 *
数字孪生技术在航空产品寿命预测中的应用;赵亮 等;《国防科技工业》;20190515(第05期);42-44 *
数字孪生驱动的固体发动机总体设计体系架构与应用;肖飞 等;《计算机集成制造系统》;20190615;第25卷(第6期);1405-1418 *

Also Published As

Publication number Publication date
CN111950133A (zh) 2020-11-17

Similar Documents

Publication Publication Date Title
US6243615B1 (en) System for analyzing and improving pharmaceutical and other capital-intensive manufacturing processes
CN110968038B (zh) 一种基于数字孪生的数控机床进给轴热误差监测方法
CN101894058B (zh) 针对自动测试系统的测试覆盖性自动分析方法及其装置
CN112327780A (zh) 一种电子装备测试生产线的数字孪生系统构建方法及架构
CN111950133B (zh) 一种基于数字孪生的发动机可靠寿命预测方法
CN112799369A (zh) 一种产品装配过程管控方法和装置
CN110837703A (zh) 基于Pro/E的液压缸快速设计系统及方法
CN111324659A (zh) 一种针对时序医疗数据的可视化推荐方法及系统
CN112732541B (zh) 一种用于复杂装备故障诊断的智能判据挖掘系统
CN112598142B (zh) 一种风电机组检修工作质量审查辅助方法与系统
WO2017127484A1 (en) System and method for domain-specific analytics
Unger et al. General requirements for LCA software tools
CN107229782B (zh) 一种面向需求基于几何特征驱动轮盘结构交互式设计方法
CN108132802B (zh) 一种配置模型在系统开发中的应用方法
Gellrich et al. Data mining applications in manufacturing of lightweight structures
CN104182596B (zh) 一种基于LabVIEW与Matlab混合编程的无线数传设备测试数据挖掘系统及方法
CN116150455A (zh) 一种异构数据解析方法
CN113822379B (zh) 工艺制程异常分析方法、装置、电子设备及存储介质
CN111666272B (zh) 缝纫制品工时标准的制订方法、装置以及存储介质
CN112035905B (zh) 一种自学习的三维建模方法和系统
CN115062674A (zh) 基于深度学习的刀具排布及换刀方法、设备及存储介质
CN110489311B (zh) 自动检测电脑用户行为及自动更新检测模型的方法和系统
CN113986431B (zh) 一种机器人自动生产线可视化调试方法及系统
CN109871391B (zh) 利用Excel软件追溯产品装箱的方法
CN114820996A (zh) 一种基于catia二次开发的装配型架实时监控方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant