[发明专利]螺栓载荷检验装置,螺栓载荷检验装置的应用和螺栓载荷检验方法在审
申请号: | 202080036016.1 | 申请日: | 2020-05-04 |
公开(公告)号: | CN113825991A | 公开(公告)日: | 2021-12-21 |
发明(设计)人: | G·诺伊曼;C·博登施泰纳 | 申请(专利权)人: | 基斯特勒控股公司 |
主分类号: | G01L5/24 | 分类号: | G01L5/24 |
代理公司: | 隆天知识产权代理有限公司 72003 | 代理人: | 黄艳;谢强 |
地址: | 瑞士温*** | 国省代码: | 暂无信息 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 螺栓 载荷 检验 装置 应用 方法 | ||
本发明涉及一种螺栓载荷检验装置(10),具有壳体(12),该壳体被构造为布置螺栓(1)和与螺栓(1)的螺纹部(4)协同作用的、特别是被构造为螺母(6)的配对元件(5),其中壳体(12)具有第一壳体部件(14),该第一壳体部件被构造为至少间接地与整体连接于所述螺栓(1)的部分(7)协同作用,并具有第二壳体部件(62),该第二壳体部件被构造为与配对元件(5)协同作用,其中两个壳体部件(14,62)至少沿纵轴线(22)的方向彼此可运动地布置,以及具有测量装置(70),用于检测作用在螺栓(1)上的轴向力F和/或用于检测作用在螺栓(1)上的转矩M。
技术领域
本发明涉及一种螺栓载荷检验装置,其特别适用于检验螺栓的强度值。本发明还涉及根据本发明的螺栓载荷检验装置的应用以及一种使用根据本发明的螺栓载荷检验装置对螺栓进行载荷检验的方法。
背景技术
螺栓是众所周知的。根据VDI/VDE 2645页2:2014-09,螺栓能够利用螺纹实现可松脱的连接,其将两个或更多的部件接合在一起,使得这些部件在所有发生的操作力下都表现得像一个部件。在制造螺栓的过程中,随机地抽样检查一批次的螺栓是否符合强度值。这种所谓的载荷检验通过螺栓载荷检验装置进行。
由专利文献WO2008/151799A1已知一种这样的具有权利要求1的前序部分所述特征的螺栓载荷检验装置。已知的用于常规螺栓的载荷检验的螺栓载荷检验装置具有包括多个壳体部件的壳体,其中螺栓头轴向贴靠在第一壳体部件的端面上,并且与螺栓的螺纹部协同作用的螺母与第二壳体部件的端面协同作用。在拧紧转矩施加到螺栓时,两个壳体部件通过螺栓彼此夹紧。这种夹紧可以通过测量装置检测为轴向力和/或转矩。
借助这种螺栓载荷检验装置,既能够无破坏地检验常规螺栓,也能够检验高达会导致破坏螺栓的载荷。特别地,在破坏性载荷检验过程中,螺栓的破坏通常发生在螺栓的螺纹部中,这使得两个壳体部件能够在螺栓被破坏之后相对容易地彼此分开,或者说据此可以相对简单地从螺栓载荷检验装置上移除螺栓组件。
这种由现有技术已知的螺栓载荷检验装置只能有条件地适用于分离螺栓的破坏性载荷检验。分离螺栓沿其纵轴线具有两个依次布置的螺栓头。后螺栓头会在施加预定的拧紧转矩时断裂。分离螺栓在许多技术领域中是用作保险元件或防盗。因为当后螺栓头被撕掉时,剩下的螺栓体只能用特殊工具从螺栓连接处拆下。分离螺栓是多种多样的,特别是后螺栓头的形状和尺寸。
因此,在分离螺栓的破坏性载荷检验中,螺栓载荷检验装置的两个壳体部件在轴向力的作用下彼此夹紧,并且用于安置特殊工具的空间在结构上通过壳体部件堵住。亦即,使用特殊工具不能到达相应的工具结合面,因此不能从螺栓载荷检验装置上移除螺栓组件。
在实践中发现,待检验的分离螺栓在其载荷检验之前在分离螺栓的区域中设有附加的工具结合面,该附加的工具结合面在实际的工具结合面或螺栓头断裂之后仍可从外部沿着螺栓体接近之。这种方法的缺点在于,一方面,这种附加的并且仅用于在分离螺栓的破坏性载荷检验之后的松脱的工具结合面的附接或者形成需要额外的工作成本。此外特别不利的是,为此形成该附加的工具结合面,对分离螺栓的机械加工通常会与螺栓体材料的热应变相关联,该热应变可能会导致材料的结构变化,并进而改变螺栓体的强度特性。由此可能会使分离螺栓载荷检验的测量结果失真。
发明内容
本发明的目的在于提供一种螺栓载荷检验装置,其能够在螺栓的载荷检验或者被破坏之后容易地从螺栓载荷检验装置上拆下螺栓。
本发明的目的通过独立权利要求1的特征来实现。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于基斯特勒控股公司,未经基斯特勒控股公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202080036016.1/2.html,转载请声明来源钻瓜专利网。
- 上一篇:用于训练对象检测系统的人工图像生成
- 下一篇:自回归视频生成神经网络