双快门锁教程_双快功能的锁体的制作方法

本发明属于一种双快功能的锁体。

背景技术:

我们知道,不管是机械式锁体,还是电子式锁体,往往都设有斜舌组件、方舌组件、天地销、联动板等,人们在门内、外操作执手或钥匙来斜舌组件、方舌组件推出去锁门或拉回来缩回到壳体内来开门的同时,通过联动板来将天地销推出去锁门或拉回到壳体内来开门。另外,人们在房内还可以旋动旋钮,由旋钮带动锁芯上的拨轮来开门、锁门,一旦完成开门、锁门,还必须人为继续旋动旋钮来将锁芯上的拨轮归位,否则在后面进行锁门或开门时,拨轮可能会将锁舌卡死。当前的锁体,在旋动拨轮归位时,有时会出现联动板挡住拨轮而影响归位。为此,本申请人对当前锁体进行了改进。

技术实现要素:

本发明的目的是在于克服现有技术的不足,提供了一种结构更合理、使用更可靠的双快功能的锁体。

为了解决上述存在的技术问题,本发明采用下述技术方案:

一种双快功能的锁体,包括壳体,装在壳体中的锁舌组件、天地销、带拨轮的锁芯、带动该天地销竖直升降的联动板;所述锁舌组件包括锁舌和锁舌板;在所述联动板上设有上、下两条导向直槽,在所述壳体上设有分别穿过该上、下导向直槽的联动板上、下导向柱,所述联动板在该下导向直槽的上端右侧设有避让口,在所述联动板上设有能使联动板摆向该锁芯的弹性件。

在对上述双快功能的锁体的改进方案中,所述弹性件为拉簧,其两端分别连接在联动板和锁舌板上。

与现有技术相比,本发明的有益效果:由于联动板在该下导向直槽的上端右侧设有避让口,在所述联动板上设有能使联动板摆向该锁芯的弹性件,当人们在房内旋动旋钮来带动锁芯的拨轮转动来推动锁舌组件锁门或开门后,还要继续稍微转动旋钮使拨轮归位时,即使拨轮会碰到联动板,这时拨轮会作用在联动板上使之在克服弹性件的作用力后顺时针稍微摆动一个角度,这时下导向柱滑落到避让口中,这样联动板就不会防碍拨轮的转动归位,从而使联动板不会卡死锁芯;而当拨轮一旦解除对联动板的推动后,联动板会自动摆正,从而不会影响联动板升降来联动天地销,因此本发明的结构更合理、使用更可靠。

下面结合附图与具体实施方式对本发明作进一步的详细描述:

【附图说明】

图1 是本发明实施例的立体示意图(开门状态);

图2 是图1的正视图;

图3 是本发明实施例在旋动锁芯来锁门时的正视图;

图4 是本发明实施例的联动板的结构拆装示意图。

【具体实施方式】

一种双快功能的锁体,如图1至4所示,包括壳体1,装在壳体1中的锁舌组件2、天地销3、带拨轮41的锁芯4、带动该天地销3竖直升降的联动板5;所述锁舌组件2包括锁舌21和锁舌板22;在所述联动板5上设有上、下两条导向直槽51、52,在所述壳体1上设有分别穿过该上、下导向直槽51、52的联动板上、下导向柱6、7,这些结构跟当前的锁体一致,在此不再详述,所不同的是:所述联动板5在该下导向直槽52的上端右侧设有避让口53,在所述联动板5上设有能使联动板5摆向该锁芯4的弹性件8,当人们在房内旋动旋钮来带动锁芯4的拨轮41转动来推动锁舌组件2锁门或开门后,还要继续稍微转动旋钮使拨轮归位时,即使拨轮会碰到联动板,这时拨轮41会作用在联动板5上使之在克服弹性件8的作用力后顺时针稍微摆动一个角度,这时下导向柱7滑落到避让口53中,这样联动板就不会防碍拨轮的转动归位,从而使联动板不会卡死锁芯;当拨轮一旦解除对联动板的推动后,在 弹性件作用下,联动板5摆正,从而不会影响联动板升降来联动天地销,因此本发明的结构更合理、使用更可靠。

在本实施例中,弹性件8为拉簧,其两端分别连接在联动板5和锁舌板22上;当然,它也可以是压簧、扭簧等。

综上所述仅为本发明较佳的实施例,并非用来限定本发明的实施范围。即凡依本发明申请专利范围的内容所作的等效变化及修饰,皆应属于本发明的技术范畴。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值