装配组件_弹簧支吊架装配常用的方法

bb7a81b7675bf9d7730b184eb5fee00e.png点击上方蓝字关注我们,了解更多内容!

弹簧支吊架是根据力矩平衡原理设计的机械装置,可用于悬挂和支撑管道及设备,此时,当管线或设备发生位移时,它应在预先选择的负载位移范围内。无论位移如何变化,他们始终可以通过恒力弹簧支架获得恒定的支撑力,因此不会给管道或设备带来新的额外压力。这样,可以避免重大设备事故。那么你了解它的装配方法吗?

bae1b52060f7cade2ef078cc547b1c65.png c70f80f261d7d2df2c9ee7fbed60fd00.png

一.完全互换法

在同类零件中,选择无需维修的装配零件并满足指定的装配要求,这种组装方法称为完全互换方法,完全互换方法的优点是组装操作简单且生产效率高,它适用于组成环数量少,精度要求低或批量生产的场合。

二.选择装配方法

将零件的结构公差适当地扩大到经济可行性的程度,然后选择合适的零件以确保指定的装配顶端,根据公差范围,将零件分为若干组,然后组装成一组以满足要求,选择装配方法的优点是降低了加工成本,在分组选择后零件的匹配精度较高,通常用于精度高,环数少的大批量生产。

bf5d2e5d5d85c26da4b77bc4b1c0d202.png c70f80f261d7d2df2c9ee7fbed60fd00.png

三.修复

通过修理指定零件的零配件数量来修复装配精度的装配方法,该方法的优点在于,它会降低零件的制造精度,可用于小批量生产和装配精度高的。

四.制备方法

调整零件的位置或大小以达到装配方法的装配精度,例如更换垫圈,套筒和其他控制调整部件,这种方法的优点是可以根据经济公差的精度来加工零件。除精密零件外,它可用于各种组装场合,需要由分组来选择。

弹簧支撑架安装及步骤:

1.安装前请检查弹簧支撑管的质量和数量。

2.高温高压管的弹簧支管应检查材料是否合格。

3.单片或双板一体式弹簧组件(T1,T2)安装在根槽附近。在水压测试或管道试运行后,弹簧组件的位置可以被移除,在测试运行的前后,检查所有弹簧组件的指针校准是否符合设计值并将其记录下来,弹簧组件的位移指示器应朝整体观察和检查的方向旋转。

235118514e3fddd654c532dfe55e8366.png c70f80f261d7d2df2c9ee7fbed60fd00.png

4.当需要弹簧悬挂时,应特别注意正确的安装方向。

5.如果焊接需要焊接到通道的法兰上,则应尽可能靠近网络。

6.当需要更换弹簧支撑架的设计型号和规格以及材料时,应获得设计部门的批准。

以上主要介绍的是弹簧支吊架的装配方法,感兴趣的朋友可以继续关注!

13731709173

往期回顾

管托施工和管道支架施工注意事项

安装弹簧支吊架时需要注意什么?

684d4ff58dec0c1fb11aa18ad03bc7ec.png

dce7d2ae7952ecc9f67c0995edb1baac.png

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
1 目标检测的定义 目标检测(Object Detection)的任务是找出图像中所有感兴趣的目标(物体),确定它们的类别和位置,是计算机视觉领域的核心问题之一。由于各类物体有不同的外观、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有挑战性的问题。 目标检测任务可分为两个关键的子任务,目标定位和目标分类。首先检测图像中目标的位置(目标定位),然后给出每个目标的具体类别(目标分类)。输出结果是一个边界框(称为Bounding-box,一般形式为(x1,y1,x2,y2),表示框的左上角坐标和右下角坐标),一个置信度分数(Confidence Score),表示边界框中是否包含检测对象的概率和各个类别的概率(首先得到类别概率,经过Softmax可得到类别标签)。 1.1 Two stage方法 目前主流的基于深度学习的目标检测算法主要分为两类:Two stage和One stage。Two stage方法将目标检测过程分为两个阶段。第一个阶段是 Region Proposal 生成阶段,主要用于生成潜在的目标候选框(Bounding-box proposals)。这个阶段通常使用卷积神经网络(CNN)从输入图像中提取特征,然后通过一些技巧(如选择性搜索)来生成候选框。第二个阶段是分类和位置精修阶段,将第一个阶段生成的候选框输入到另一个 CNN 中进行分类,并根据分类结果对候选框的位置进行微调。Two stage 方法的优点是准确度较高,缺点是速度相对较慢。 常见Tow stage目标检测算法有:R-CNN系列、SPPNet等。 1.2 One stage方法 One stage方法直接利用模型提取特征值,并利用这些特征值进行目标的分类和定位,不需要生成Region Proposal。这种方法的优点是速度快,因为省略了Region Proposal生成的过程。One stage方法的缺点是准确度相对较低,因为它没有对潜在的目标进行预先筛选。 常见的One stage目标检测算法有:YOLO系列、SSD系列和RetinaNet等。 2 常见名词解释 2.1 NMS(Non-Maximum Suppression) 目标检测模型一般会给出目标的多个预测边界框,对成百上千的预测边界框都进行调整肯定是不可行的,需要对这些结果先进行一个大体的挑选。NMS称为非极大值抑制,作用是从众多预测边界框中挑选出最具代表性的结果,这样可以加快算法效率,其主要流程如下: 设定一个置信度分数阈值,将置信度分数小于阈值的直接过滤掉 将剩下框的置信度分数从大到小排序,选中值最大的框 遍历其余的框,如果和当前框的重叠面积(IOU)大于设定的阈值(一般为0.7),就将框删除(超过设定阈值,认为两个框的里面的物体属于同一个类别) 从未处理的框中继续选一个置信度分数最大的,重复上述过程,直至所有框处理完毕 2.2 IoU(Intersection over Union) 定义了两个边界框的重叠度,当预测边界框和真实边界框差异很小时,或重叠度很大时,表示模型产生的预测边界框很准确。边界框A、B的IOU计算公式为: 2.3 mAP(mean Average Precision) mAP即均值平均精度,是评估目标检测模型效果的最重要指标,这个值介于0到1之间,且越大越好。mAP是AP(Average Precision)的平均值,那么首先需要了解AP的概念。想要了解AP的概念,还要首先了解目标检测中Precision和Recall的概念。 首先我们设置置信度阈值(Confidence Threshold)和IoU阈值(一般设置为0.5,也会衡量0.75以及0.9的mAP值): 当一个预测边界框被认为是True Positive(TP)时,需要同时满足下面三个条件: Confidence Score > Confidence Threshold 预测类别匹配真实值(Ground truth)的类别 预测边界框的IoU大于设定的IoU阈值 不满足条件2或条件3,则认为是False Positive(FP)。当对应同一个真值有多个预测结果时,只有最高置信度分数的预测结果被认为是True Positive,其余被认为是False Positive。 Precision和Recall的概念如下图所示: Precision表示TP与预测边界框数量的比值 Recall表示TP与真实边界框数量的比值 改变不同的置信度阈值,可以获得多组Precision和Recall,Recall放X轴,Precision放Y轴,可以画出一个Precision-Recall曲线,简称P-R
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