一种减少电子束蒸发过程物料飞溅的坩埚及其制造方法
- 国民经济行业: 科学研究和技术服务业／科技推广和应用服务业／技术推广服务／其他技术推广服务, 制造业／金属制品业
- 权利人: 上海交通大学
- 意向合作模式: 转让, 入股
- 知识产权简介:
本发明提供了一种减少电子束蒸发过程物料飞溅的坩埚及其制造方法，包括：坩埚本体，所述坩埚本体内的坩埚壁上开设有多条相互平行的沟槽，所述沟槽的截面以及所述沟槽与所述坩埚壁连接处的截面为光滑的弧形。本发明利用毛细现象吸附漂浮在熔融金属液面上的杂质颗粒。当杂质颗粒被吸附在沟槽内时，沟槽内的电场相对较小，不利于杂质颗粒产生尖端放电，能有效地减少电子束蒸发过程中减少物料的飞溅。
一种基于电调等离子体的可重构宽带天线
- 国民经济行业: 科学研究和技术服务业／研究和试验发展／自然科学研究和试验发展, 信息传输、软件和信息技术服务业／电信、广播电视和卫星传输服务
- 权利人: 上海交通大学
- 意向合作模式: 转让, 许可, 入股
- 知识产权简介:
本发明涉及一种基于电调等离子体的可重构宽带天线，包括等离子体石英赋形体(1)、金属托盘(2)、电阻电感并联结构(3)、倒锥形铜桶(4)、天线支架(5)和接地板(6)；所述的等离子体石英赋形体(1)与金属托盘(2)电耦合接触；所述的电阻电感并联结构(3)分别与金属托盘(2)和倒锥形铜桶(4)的金属面焊接；所述的金属托盘(2)与倒锥形铜桶(4)分别固定于天线支架(5)；所述的天线支架(5)固定在接地板(6)上。与现有技术相比，本发明在保持天线水平面内全向性的基础上，还具有低RCS隐身特性，宽带可重构特性等优点。
基于视觉监测的粉床式3D打印闭环控制装置、系统及方法
- 国民经济行业: 制造业／印刷和记录媒介复制业／记录媒介复制
- 权利人: 上海交通大学
- 意向合作模式: 转让
- 知识产权简介:
本发明提供一种基于视觉监测的粉末式3D打印闭环控制装置、系统及方法, 读取预设数据模型中每一层的预设打印路径坐标；对当前层实际打印图像进行坐标转换，得到当前层实际打印坐标，计算当前层实际打印坐标与当前层预设打印路径坐标之间的误差值，根据所述误差值得到补偿调整参数；根据补偿调整参数对下一层的预设打印路径坐标进行修正，得到下一层预设打印路径坐标，将下一层预设打印路径坐标作为当前层预设打印路径坐标，进行控制扫描输出。通过摄像机捕捉当前层实际打印图像与预设打印坐标的差异, 对下一打印层进行反馈调整，解决了粉床式金属3d打印精度低，打印质量差的问题，实现了粉床式金属3d打印技术的闭环控制。
一种猪病毒样本的研磨处理装置
- 国民经济行业: 制造业／通用设备制造业
- 权利人: 上海交通大学
- 意向合作模式: 转让, 许可, 入股
- 知识产权简介:
本发明属于样本处理设备技术领域。传统猪病毒样本研磨处理装置的研磨效果差。针对现有技术中的问题，本发明公开了一种猪病毒样本的研磨处理装置，包括盛放槽、若干根弧形杆、圆块、转动轴、纺锤块、齿圈、若干个碾轮齿轮和弧形摩擦块，盛放槽顶部设有环形滑道，底部设有滤孔，各弧形杆的上端均与圆块相连，下端分别与环形滑道上的滑块相连；转动轴上端与圆块相连，下端与电机相连，齿圈与转动轴相连，各碾轮齿轮与齿圈啮合，纺锤块包括大圆锥台，大圆锥台的弧形面上铰接有若干个沿弧面周向均匀分布的碾轮，各碾轮由相应的碾轮齿轮带动转动，相邻碾轮表面相互贴合，弧形摩擦块由弧形杆带动转动，弧形摩擦块的内侧面与碾轮贴合。本发明研磨效果好。
非均匀组织焊接接头低周疲劳过程中分区应变测试方法
- 国民经济行业: 制造业／通用设备制造业／金属加工机械制造／金属切割及焊接设备制造, 制造业／仪器仪表制造业
- 权利人: 上海交通大学
- 意向合作模式: 转让
- 知识产权简介:
本发明提供了一种非均匀组织焊接接头低周疲劳过程中分区应变测试方法，包括如下步骤：在设定应变值条件下对试样进行低周疲劳性能测试，将断裂后的试样进行腐蚀观察，判断断裂位置，并分析得出试样的应变疲劳寿命以及材料属性；在相同备选试样上采用显微硬度点标记原始位置；将标记后的试样进行静态拉伸测试；将静态拉伸测试后的试样进行表面腐蚀，找出硬度标记点所对应的分区，分析得到组织分区所产生的塑性应变量；对试样各组织分区低周疲劳测试中所获得的塑性应变和总应变进行修正，得到各组织分区实际应变；根据试样各组织分区实际应变以及断裂位置，求出断裂位置处的实际应变和寿命；设定不同应变值，重复上述步骤，得到实际应变‑寿命关系。
基于机器学习的激光诱导击穿光谱数据处理方法和系统
- 国民经济行业: 信息传输、软件和信息技术服务业／软件和信息技术服务业／数据处理和存储服务, 制造业／仪器仪表制造业
- 权利人: 上海交通大学
- 意向合作模式: 转让
- 知识产权简介:
本发明提供一种基于机器学习的激光诱导击穿光谱数据处理方法和系统，对钢铁中碳元素进行定量分析，对碳元素含量已知的标准样品在给定实验条件下进行光谱采集，光谱数据在其范围内可以不包括碳元素和碳分子(C2)的主要发射谱线。通过训练建立定量分析模型，用于预测待测样品中碳元素浓度。机器学习算法深入挖掘光谱数据和相应样品中碳元素浓度的相关性，通过映射关系表现，突破经典光谱学通过实验测量待分析元素或相应分子发射谱线强度来确定元素浓度的传统做法。对待测钢铁样品中碳元素浓度测量的精确度、准确度以及检出限都达到定量分析要求，所需计算时间达到工业在线检测和分析要求。在合适的条件下，该方法和系统可推广至其它元素和材料。
