首页期刊导航|起重运输机械
期刊信息/Journal information
起重运输机械
起重运输机械

黄平

月刊

1001-0785

hcm@mhic.com.cn

010-64032003

100007

北京市雍和宫大街52号

起重运输机械/Journal Hoisting and Conveying Machinery北大核心CSTPCD
查看更多>>本刊是由中华人民共国和机械部北京起重运输机械研究所主办,经国家科委和新闻出版署批准的中央级刊物,是我国唯一的起重运输机械行业应用技术。主要报道起重机械的科研设计成果,一般科技知识、专业理论研究、高新科技与生产实际相结合的经验、新产品与新工艺、起重运输机械的安装与使用维修经验;物流技术;行业发展动态与市信息。
正式出版
收录年代

    业内资讯

    1页

    微特技术有限公司 精准捕捉振动信息快速诊断部件故障

    孙翠翠蔡小雨沈毅祥邹铁汉...
    2-3页

    智能化加速新质生产力的生成赋能起重机械行业高质量发展

    马晨
    4-6页

    出海正当时,欧盟与北美防爆体系简介——为中国防爆型起重机出海提供指引

    马晨
    7-9页

    世界首座,中国起重机械博物馆在河南矿山智能产业园正式开馆

    马晨
    10-11页

    第九届中国·长垣国际起重装备博览交易会开幕

    马晨
    12-13页

    AGV与智能制造

    杨文华
    14-16页

    绿色搬运,碳途未来——物料搬运行业实现碳达峰的策略与实践

    裴定宇
    17-19页

    基于机器视觉的紧密排列目标检测研究

    许习军张明远孟文俊武成柱...
    20-28页
    查看更多>>摘要:机器视觉技术为工业机器人视觉导引系统提供重要的支持.随着生产效率的不断提高,流水线中常呈现多个货物无规律紧密排列运输的情况.在这种情况下,传统的基于模板匹配的目标检测算法的定位效果和识别精度准确率较低.为了解决这一问题,文中采用了基于深度学习的YOLOv8 算法对紧密排列的物体进行检测,并针对紧密排列物体的特点建立相关数据集,通过实验验证了其在结构化环境下的性能.实验结果表明,YOLOv8 算法训练后得到模型在拥有较快收敛速度的同时均值平均精度稳定在 0.95 左右,并且在多个真实环境中,模型对于无序队列目标的识别平均准确度能达到 91.64%,为流水线中存在紧密排列现象的物品的定位和识别提供了一种有效的解决方法.

    机器视觉深度学习目标检测YOLOv8

    考虑服役应力谱的桥式起重机疲劳寿命分析

    刘正党章魏国前罗会信...
    29-34页
    查看更多>>摘要:疲劳失效为桥式起重机主要失效原因,科学有效地分析桥式起重机疲劳寿命是工业生产中的安全保障.文中以15t方坯桥式起重机为分析对象,对裂损部位的应力时间历程进行了测试,根据实测信号编制了服役应力谱,基于服役应力谱对起重机金属结构进行了疲劳寿命仿真,结果表明,舱门拐角处为疲劳薄弱部位.最后提出了整改方案,进一步仿真和后期实施验证了整改方案的合理性和有效性.

    桥式起重机疲劳寿命有限元分析加固方案