桁架螺丝型号(桁架螺丝型号规格)

桁架螺丝是多少mm的

桁架200mm*200mm：折叠桁架、半固定桁架、固定桁架、圆管桁架、方管桁架、弧形桁架

桁架螺丝用多大的扳手

作者：沈　浩１，江　臣２，陈宇文３，王国香３，李枝军３（１．苏交科集团股份有限公司，江苏南京２１００１７；２．江苏省交通工程建设*，江苏南京２１０００４；３．南京工业大学土木工程学院，江苏南京２１１８００）

来源：《南京工业大学学报》（自然科学版）2020年6月

摘要：为了提高钢桁架桥螺栓病害检测和识别效率、完善分析方法，本文在无人机航拍视频的基础上，提出了一种基于深度学习的螺栓病害智能识别方法。首先通过混合高斯算法、Ｃａｎｎｙ边缘检测、最小包围圆算法等传统图像处理手段对航拍视频进行预处理，实现钢桁架桥螺栓图像的批量化提取，并通过对螺栓图像采取缩放、旋转、变形等措施拓展螺栓图像的样本数；采用迁移学习引入深度学习模型ＩＮＣＥＰＴＩＯＮＶ３，经过训练，当螺栓数据测试集上的准确率大于９５％时，可满足工程精度需求；并将该方法用于实际工程，当把０?８设置为计算螺栓病害概率的分割点时，该方法对螺栓病害具有较好的识别效果，同时能够实现自动化、智能化，避免人为主观判断带来的影响。

　随着钢材产能的提高和钢结构桥梁建设技术的进步，国内钢结构桥梁的应用越来越广泛。其中，钢桁架桥作为一种重要桥型得到了充分的发展。改革开放以来，我国先后建成公铁两用的芜湖长江大桥、滨州公铁两用特大桥和南京大胜关长江大桥等大型钢结构桥梁，然而随着车流量的增加、环境因素的影响，不少桥梁出现了结构损伤，导致其承载能力下降，具体表现为连接螺栓的锈蚀和脱落［１⁃３］。例如，无锡某钢桁架桥发生大面积螺栓锈蚀；南京大胜关长江大桥建成５年内共发现高强螺栓断裂２７６套；重庆朝天门大桥通车７年来，共发现４５颗高强螺栓断裂脱落等。上述数据中钢桁架桥连接螺栓均给桥梁安全运营和民众生命安全带来

了隐患。因此，为保障桥梁的安全运营对现有钢桁架桥进行有效的螺栓病害检测具有重大意义。

    目前，在钢桁架桥病害检测领域，通常采用人工实地目测的方法来实现对螺栓病害的预估［４］，该方法具有以下问题：首先，对钢桁架桥螺栓进行全面检测将占用大量人力并且影响桥梁通行，而对螺栓抽样检测结果往往具有不稳定性；其次，螺栓节点往往位于钢桁架桥高空、边缘、底部位置，增加了人工检查的难度和危险系数。近年来，随着人工智能的发展以及计算机视觉技术的成熟，基于图像的智能病害检测技术得到了更多工程应用。钟继卫等［５］成功研制桥梁智能巡检无人机实现了高精度的图像采集，展现了无人机在检测领域的广阔前景。张军［６］提出了一种基于传统图像处理技术的螺栓松动检测方法。冯敏等［７］通过建立支持向量机（ＳＶＭ）分类器实现对螺栓的构件识别。但是上述文献尚未针对钢桁架桥螺栓锈蚀脱落问题的检测方法进行研究，本文提出一种数字图像处理与卷积神经网络相结合的螺栓病害检测方法，包括对无人机巡检图像进行预处理、螺栓病害数据采集以及训练卷积神经网络，实现对病害的智能判别。该方法相较于传统人工实地目测识别精度稳定、自动化

程度高、危险系数低，可帮助巡检人员快速判断钢桁架桥的螺栓病害情况。

１　航拍视频图像预处理

    针对螺栓损害图像获取难度大等问题，可利用无人机对钢桁架桥进行图像采集。其中，对航拍视频中螺栓图像的预处理是建立图像分类器的重要环节，在图像分析中训练图集的好坏直接影响到后期分类器的准确性和泛化性。无人机航拍图像的预处理可分为两个阶段，即对航拍视频的预处理和对训练图集的预处理。其中航拍视频的预处理包括以下内容：首先，从航拍视频中提取单帧图像；其次，对图像进行背景分离，提取只含有螺栓及连接板的部分，对分离前景进行边缘检测以减少单图的多余数据量，从而更好地反应其特征；最后，基于边缘特征采用最小包围圆算法提取细节螺栓点，将其作为第二阶段初始训练图集或测试图集。

１.１　航拍视频帧数提取

    综合考虑钢桁架桥的桥梁规模及无人机的飞行速度，确定视频图像提取的时间间隔，无人机的飞行速度一般保持５ｍ／ｓ，可每隔２ｓ提取一帧视频图像作为训练图集，配合后期人工筛选，可保证在图像视角多样性的前提下，获取尽可能少的图像样本，以节省航拍图像处理的时间。

１. ２　前景处理

    在预处理过程中，由于航拍中会录入大量无关背景，但钢桁架桥钢板颜色一致与背景色具有较好的区分度，因此在提取图像后首先考虑将背景分割以提取钢桁架桥钢板部分，对于此类从静态图像中提取前景问题，可采用阈值法、边界检测法等，即通过对比图像前景与背景在灰度上的差异，建立一条分割线。本文采用ＧｒａｂＣｕｔ算法［８］，该方法为一种基于图论的交互式图像分割技术，只需少量人工调参，适用于钢桁架桥航拍中多图像、多角度的情况。该算法通过建立两个三通道（ＲＧＢ）混合高斯模型，分别表示前景和背景的颜色分布，每个混合高斯模型默认由５个高斯混合函数组成，每个像素均属于前景或背景，并依此建立Ｇｉｂｂｓ能量公式［９］，如式（１）所示。

Ｅ（α，θ，ｚ）＝Ｕ（α，θ，ｚ）＋Ｖ（α，ｚ）（１）

式中：α为透明度；ｚ为原始图灰度；θ为混合高斯模型的参数；Ｅ为整体图像的Ｇｉｂｂｓ能量；Ｕ为区域项，即单个像素属于前景或背景的概率负对数；Ｖ为边界项，表示分割边缘的合理程度，当相邻两像素相差越大时，Ｖ越小。

    Ｇｉｂｂｓ能量公式的目的是将图像分割问题转化为优化计算问题，通过迭代计算调整模型参数，当能量值最小时默认此时图像达到最优分割效果。图１所示为钢桁架桥节点采用ＧｒａｂＣｕｔ算法进行前景处理前后的图像。

１.３　边缘检测与轮廓提取

    对节点板图像进行边缘检测的目的是利用螺栓点与节点板的灰度差来标志节点板中的螺栓点，常用的边缘检测算子为Ｒｏｂｅｒｔｓ、Ｓｏｂｅｌ和Ｃａｎｎｙ算子，其中Ｒｏｂｅｒｔｓ、Ｓｏｂｅｌ算子对噪声抑制能力较差［１０⁃１１］，因此采用定位更加精确的Ｃａｎｎｙ算子。

    首先，对前景数字图像进行二值化处理，鉴于航拍图像受光照的影响较大，本文采用自适应阈值二值化算法，其特点在于可以针对图像小块区域自动计算阈值，避免了区域曝光的影响和阈值的人工设定，同时凸显二值化图像中螺栓的背景差异。

    第二步，通过图像形态学对二值化图像进行降噪处理，图像形态学中锈蚀操作可消除细小孤立点，膨胀操作可使得图形边缘更加平滑，采用先锈蚀后膨胀的操作即可消除钢板上的细微斑点和

锈蚀。

    第三步，使用Ｃａｎｎｙ算子对图像进行边缘检测，该算子依靠高斯滤波来降低噪声，即将二维高斯函数与原始图像进行卷积计算，其计算方法参考文献［１１］，算法如式（２）和（３）所示。

式中：Ｇ（ｘ，ｙ，σ）为二维高斯函数；σ为高斯函数的标准差，随着σ的增加滤波覆盖面积增加；ｆ（ｘ，ｙ）为原始图像灰度值；Ｉ（ｘ，ｙ）为滤波后图像灰度值；ｘ为原始图像宽度像素数；ｙ为原始图像高度像素数。针对滤波后图像中每一个像素点，计算梯度值以寻找像素*部最大值，其中梯度幅值最大的点即为图像边缘点，其计算方法参考文献［１１］，算法如式（４）和（５）所示。

    最后，需设两个与梯度值相比较的阈值以限定边缘处强弱，通过对图像阈值的多次取值尝试，当Ｃａｎｎｙ算子的高阈值ＨＴ取１００，低阈值ＬＴ取５０时，图像表现较好，其效果如图２所示，清晰地体现了

螺栓及钢板的位置细节，并且去除了大部分干扰噪点。

    在此基础上，采用计算机视觉库（ＯｐｅｎＣＶ）对图像进行外部轮廓读取，利用边缘点连接的层次差别，提取特征不同的点集合，针对螺栓构造只检测其最外侧轮廓，并且删除内部的轮廓冗余点，对轮廓点集合采用最小包围圆算法。相较于Ｈｏｕｇｈ圆检测等其他圆检测算法，最小包围圆法算法简单且对图像圆度要求不高，通过迭代计算寻找包括轮廓点集的最小圆形，使用以上流程，选取不同区域连接板进行螺栓检测测试，视觉效果如图３所示，统计数据如表１所示，查全率是指定位螺栓数与图像中实际螺栓数之比。

    表１统计了对图像处理的结果，在传统图像处理技术下，除了端部连接板外，其余测试连接板中螺栓定位均达到了１００％的查全率，其原因在于端部连接板下部受混凝土地面与杂草遮挡，右上螺栓布置过于密集且背景相似影响了图像二值化的效果，属于传统图像处理的*限性。针对螺栓过于密集的问题，可通过加大摄像机分辨率、图像*部放大以及调整参数敏感度等手段减少影响。

２　卷积神经网络图像识别

    实现螺栓图像识别的过程可分为３个阶段。首先为预处理阶段，需建立标注数据集，针对数据集中已标注样本数量较少的问题采用缩放、旋转等手段增加样本数量；其次为训练阶段，采用卷积神经网络针对样本数据集设定参数训练；最后为识别阶段，借助于已训练网络判别螺栓是否病害，并通过特征点关联法将结果反馈到原始图像上。其软件算法流程图如图４所示。

２. １　初始图集预处理

    本文中的螺栓图像数据集来自于航拍图片的轮廓提取，虽然同一块钢板区域中螺栓点相似度高，但由于无人机光照角度以及前后拍摄距离的差

不等，导致针对不同钢板区域的图像中螺栓点差异较大，因此为了提高分类器的准确率，需实现对现有数据量的扩充以提高分类器的泛化能力，预处理过程如图５所示。

    预处理阶段使用Ｐｙｔｈｏｎ语言中的图像处理库（ＰＩＬ）实现对螺栓图集的数据增强，其中图５（ａ）为螺栓原始图像，图５（ｂ）和５（ｃ）为纵向和横向尺寸的缩放图像，图５（ｄ）以４５°角为模数的多角度旋转图像，图５（ｅ）为针对原始图像的上、下、左、右翻转变形图像，图５（ｆ）为透视变换模拟无人机不同视角所产生的变形图像，图５（ｇ）为对原始图像的图像增强［１２］。

    在训练样本预处理中，近年来通过生成对抗网络（ＧＡＮ）拓展新的虚拟样本［１３］，也为图像预处理提供了一种新的手段，ＧＡＮ在图像生成中的原理是通过建立一个生成器生成虚假图像，建立一个判别器进行图像识别，两者对抗的训练相当于一个寻优过程，优化结果表现为生成器生成了接近真实的图像。本文使用ＧＡＮ算法针对航拍图像数据集训练１０００代后螺栓点图像如图６所示。由图６可知：新生成的螺栓点识别通过率达到９３％，已具有螺栓图像的特征，将生成的新图像加入到训练集中可以增加样本的多样性。

    最终，对钢桁架桥进行预处理筛选建立螺栓训练数据集，分别建立３类训练样本：正常螺栓、病害螺栓和非螺栓。考虑到脱落螺栓样本数较少，因此选择时除了直观脱落的螺栓，也包含锈蚀严重或者与正常螺栓差异明显的螺栓点，单一螺栓点像素为８０×８０，经过筛选、预处理后得到正常螺栓样本３００个、病害螺栓样本２００个、非螺栓样本１００个，保持３类数据集占比合理，防止出现单一训练图集过拟合情况。

２.２　迁移学习搭建网络

    卷积神经网络是一种常用于图像识别的深度学习算法［１４⁃１７］，相较于传统图像处理算法，可以从大规模数据集中自动学习到需要的分类特征且在提取特征上构建分类器系统，区域图像通过滤波器的卷积计算使得图像特征完成降维，其卷积计算公式参考文献［１４］，如式（６）所示。

    考虑到损害螺栓为小样本数据，本文采用迁移学习［１８］的方法，导入预训完成的深度学习模型ＩＮＣＥＰＴＩＯＮＶ３（谷歌开发的神经网络模型），其特点是将一个二维卷积分解为两个二维卷积以此来提高网络的深度，本次设置参数学习率为０. ００５、批尺寸为５０、训练次数１０００次、训练集与测试集的比例为４∶１。

    神经网络模型通过准确率和Ｌｏｓｓ值两项指标来表征模型的好坏。模型准确率为预测成功数量和预测次数的比值；Ｌｏｓｓ值为真实数据与预测数据间的差值，当Ｌｏｓｓ值越小时模型精度越高，图像分类中采用的Ｌｏｓｓ函数为交叉熵损失函数［１９］，计算式如（７）所示。

式中：ｙｉ为该样本的实际类别，ｐｉ为模型对该样本的预测值，Ｎ为训练样本数，Ｌ为Ｌｏｓｓ函数。

    图７所示为迁移模型在训练集与测试集上的准确率与Ｌｏｓｓ值随迭代次数的变化曲线。由图７可以看出：训练集与测试集在迭代３００次后准确率均逼近９８％，且Ｌｏｓｓ值基本稳定，测试集与训练集的差值相对较小，即不存在明显的过拟合情况，满足实际工程的需求，具有较好的泛化性能。

２. ３　病害图像关联

    旋转不变性二进制描述（ＯＲＢ）算法是一种快速特征点提取和描述的算法［２０］，针对候选点周围的图像灰度值作为判断标准，如果候选点周围区域图像灰度值差别较大则认为此点为特征点。通过对训练完成的模型导入螺栓点图像即可判断螺栓点病害情况，针对可能病害点使用ＯＲＢ算法反映到原始的航拍图像上（图８），同时对特征点图像进行缩放操作以保持特征点的多尺度不变性，在ＯｐｅｎＣＶ中默认将原始图像以１. ２的比例进行８次缩放。

３　应用与结果分析

    将上述分析方法应用于无锡锡澄运河钢桁架梁桥，如图９所示。该桥全长４１６. ４４ｍ，桥梁总宽４２. ５ｍ，双向８车道，主桁、上下平纵联、桥门架、横联、纵梁及横梁等部件的钢板均采用Ｑ３７０ｑＤ级桥梁用低合金结构钢，连接高强螺栓由１个１０. ９Ｓ高强度大六角头螺栓、１个１０Ｈ高强度大六角头螺母、２个ＨＲＣ３５４５高强度垫圈组成。经现场检查，该桥螺栓存在锈蚀及脱落等螺栓病害现象，如图９（ｂ）所示。

    无人机型号为大疆精灵Ｐｈａｎｔｏｍ４，航拍录制的钢桁架桥视频约为１０ｍｉｎ，视频录制内容依次为钢桁架桥左侧底部节点板、左侧上部节点板、上平联节点板、右侧底部节点板、右侧上部节点板５处区

域，录制时距节点板距离不宜小于５ｍ。分析所使用软件开发平台为ＰｙＣｈａｒｍ，开发语言为Ｐｙｔｈｏｎ３?６，图像处理为ＯｐｅｎＣＶ４. １. １版本，深度学习框架为ｔｅｎｓｏｒｆｌｏｗ１. １２.０版本，迁移模型为ＩＮＣＥＰＴＩＯＮＶ３，硬件环境为酷睿ｉ７ＣＰＵ，内存４Ｇ。通过对无人机航拍螺栓点特征提取建立样本、迁移卷积神经网络分类器、训练识别的方法，实现对钢桁架梁桥航拍中的病害螺栓检测。

    在实际检测中螺栓点病害概率由训练模型计算得出，计算概率是网络输出层激活函数ｓｏｆｔｍａｘ对各个分类结果的映射，并进行了归一化处理使其３类概率值总和为１，因此当３类计算概率中病害概率超过０.５时，则模型认为其为病害螺栓。然而节点板、螺栓因锈蚀程度的不同，可在一个小范围内形成明显的色差，可能会造成模型的判断发生波动。当螺栓病害概率设置为默认０. ５时，会出现３个螺栓点的假阳误判，即将非病害螺栓或者轻微锈蚀螺栓判断为病害螺栓，针对此问题将默认病害概率调整到０. ８以上时，可以较好的筛选出实际病害螺栓（图１０）。

    综上所述，在实际工程中当螺栓病害概率处于０～０. ５中时确认为正常螺栓，当螺栓病害概率处于＞０. ５～０. ８时可认为其为轻微病害螺栓予以人工观察，当螺栓病害概率＞０?８时则确认其为病害螺栓需重点关注。在本次应用中由于所在项目的钢桁架梁桥中螺栓脱落现象较少，未能收集到足够数据集，因此将螺栓脱落与重度锈蚀同时放入“病害数据集”中进行训练。然而螺栓脱落也是钢桁架桥病害中的一种常发病害，因此在面对螺栓脱落严重的钢桁架桥时，需以同样手段新增一个“脱落数据集”加以训练。从分析结果可以看出：本文提出的基于迁移学习的航拍钢桁架梁桥螺栓病害智能识别方法，具有自动化、智能化的优点，简化巡检时间的同时也满足工程精度需求，可快速了解钢桁架梁桥螺栓病害的整体情况。

４　结论

１）本文针对钢桁架梁桥航拍图像提出一套实现航拍螺栓病害智能识别的方法，基于传统图像处理手段对航拍图像螺栓点自动提取，同时采用深度

学习模型ＩＮＣＥＰＴＩＯＮＶ３实现对螺栓的训练识别，在未参与训练的数据集上的分类准确率可达９８％，满足工程需求。

２）针对节点板背景处出现锈蚀色差的情况，通过图像对比发现明显病害与轻微病害螺栓从结果上具有差异性。通过对比分析，可设置计算病害概

率０. ８为分割点，病害概率＞０. ５～０. ８的螺栓为轻微病害螺栓点，病害概率＞０. ８的螺栓为病害螺栓。

３）本文为钢桁架梁桥螺栓病害检测和分析提供了一种分析思路，但螺栓病害识别的准确度与航拍图像的质量相关，实际拍摄时图像质量受节点板

处锈蚀、遮挡物、无人机型号等多方面影响，如何消除外部环境的影响使该方法更易运用还需进行进一步的深入研究。

杜：18601022409

任：13466666822

    共同探讨螺栓预紧力测量的相关技术和市场信息，共同推进此产业的发展，实现共赢。北京艾法斯特公司（www.ifast-sensor.com）专业从事超声、视觉螺栓预紧力测量技术，产品主要有螺栓预紧力测量仪系列产品、螺栓预紧力长期监测产品、智能紧固件、以螺栓轴力控制的智能紧固工具。

参考文献：

［１］　王子斌，郭勤涛，展铭．基于模型的螺栓松动状态监测方法［Ｊ］．振动．测试与诊断，２０１９，３９（２）：２８１．

［２］　付宜东，陈烨，毛泽亮，等．高强度螺栓不同拧入深度对螺栓球节点受拉承载力的影响［Ｊ］．南京工业大学学报（自然科学版），２０１７，３９（１）：１０６．

［３］　黄炳生，付宜东，陈烨，等．螺栓球节点高强度螺栓拧入深度

试验研究［Ｊ］．建筑钢结构进展，２０１６，１８（４）：２８．

［４］　陈国达，郗枫飞，计时鸣，等．螺栓无损检测方法综述［Ｊ］．制造技术与机床，２０１７（１１）：２２．

［５］　钟继卫，王波，王翔，等．桥梁智能检测技术研究与应用［Ｊ］．桥梁建设，２０１９，４９（增刊１）：１．

［６］　张军．基于数字图像处理的瓷砖表面缺陷检测研究［Ｄ］．淄

博：山东理工大学，２０１８．

［７］　冯敏，罗旺，余磊，等．适用于无人机巡检图像的输电线路螺

栓检测方法［Ｊ］．电力科学与技术学报，２０１８，３３（４）：１３５．

［８］　詹琦梁，陈胜勇，胡海根，等．一种结合多种图像分割算法的

实例分割方案［Ｊ］．小型微型计算机系统，２０２０，４１（４）：８３７．

［９］　杜玉龙，李建增，张岩，等．基于深度交叉ＣＮＮ和免交互

ＧｒａｂＣｕｔ的显著性检测［Ｊ］．计算机工程与应用，２０１７，５３（３）：３２．

［１０］　张晗，钱育蓉，王跃飞，等．基于图像边缘增强与弱化的边缘

检测［Ｊ］．计算机工程与设计，２０１９，４０（１１）：３１０６．

［１１］　张英明，李永亮，张翼鹏，等．激光光斑边缘检测算子的研究

进展［Ｊ］．量子光学学报，２０１９，２５（１）：１０９．

［１２］　张淑芳，刘孟娅，韩泽欣，等．基于Ｒｅｔｉｎｅｘ增强的单幅ＬＤＲ图像生成ＨＤＲ图像方法［Ｊ］．计算机辅助设计与图形学学报，２０１８，３０（６）：１０１５．

［１３］　张光华，王福豹，段渭军．基于ＧＡＮ的天文图像生成研究［Ｊ］．西北工业大学学报，２０１９，３７（２）：３１５．

［１４］　王小鹏，渠燕红，马鹏，等．基于头部图像特征的人流计数方

法［Ｊ］．铁道学报，２０１９，４１（２）：７８．

［１５］　周飞燕，金林鹏，董军．卷积神经网络研究综述［Ｊ］．计算机学报，２０１７，４０（６）：１２２９．

［１６］　杨真真，匡楠，范露，等．基于卷积神经网络的图像分类算法

综述［Ｊ］．信号处理，２０１８，３４（１２）：１４７４．

［１７］　马杰．基于卷积神经网络的无人机侦察图像识别［Ｄ］．北京：北京邮电大学，２０１９．

［１８］　李楠，蔡坚勇，李科，等．基于多Ｉｎｃｅｐｔｉｏｎ结构的卷积神经网络人脸识别算法［Ｊ］．计算机系统应用，２０２０，２９（２）：１５７．

［１９］　吴迪，侯凌燕，刘秀磊，等．一种改进的深度神经网络的花卉

图像分类［Ｊ］．河南大学学报（自然科学版），２０１９，４９（２）：１９２．

［２０］　樊彦国，柴江龙，许明明，等．基于ＯＲＢ与ＲＡＮＳＡＣ融合改进的图像配准［Ｊ］．光学精密工程，２０１９，２７（３）：７０２．

桁架螺栓

8厘螺丝14扳手

桁架螺丝型号大全

TD是桁架楼承板的缩写，分TDV和TDM两种规格。3-70是指上弦10盘螺，下弦8盘螺，腹杆4.5线材，桁架的高度是70MM，灌浇水泥厚度100MM。--天津盛维钢构彩板有限公司

桁架螺丝型号规格

为了架设机械手稳定可靠，一般需要使用膨胀螺栓。膨胀螺栓的直径和长度要根据具体的使用情况来确定，常用的膨胀螺栓有两种材料：碳钢和不锈钢。不同的材料有不同的适用范围和不同的防腐能力，需要根据实际情况来选择。同时，膨胀螺栓的质量也非常关键，一定要选择质量过硬的膨胀螺栓，并按照使用说明进行正确的安装和拆卸。

桁架螺丝型号规格表

桁架的正确读音为heng第二声

jia第四声。因为桁是一个多音字，有两种读音，在表示古代的一种刑具或衣架时，读作hang第二声，而在表示屋梁或门窗上的横木时读作heng第二声。所以有些人把桁架的桁读作hang，这是错误的。

桁架螺丝规格

螺栓规格型号无论是生产、使用都有着严格的规定，因此做为消费者的我们，了解螺栓规格型号对于购买螺栓是有很大帮助的。下面就随我来看看螺栓规格型号大全，以供大家参考哦。螺栓规格型号——公制Ex:M3x6–PPB:M3机械螺丝,6mm长,十字,圆扁头,镀黑.FinishCode:外观处理规格。HeadCode:头部外型。ThreadCode螺丝型号DriveCode:头部剖沟,特征型号LengthCode:螺丝长度(mm)A-1:ThreadCode:螺丝型号公制螺丝直接以螺丝外径标示螺丝型号,如M3即螺丝外径为3.00mm.;M4即螺丝外径为4.00mm.MetricThreadSizexPitch:Note:公制螺丝于螺丝型号后方,有时会注明螺丝牙距.如M3x0.5,M4x0.70,M5x0.8,M6x1.但因为标准规范,通常不提.A-2:LengthCode:螺丝长度:公制螺丝,直接标示螺丝长度,单位为mm.螺丝之总长度标示,只计算头部以下之长度,不含头部高度.但平头螺丝例外,其螺丝之总长度标示含头部高度.A-3:DriveCode/头部剖沟,特征.一般常用规格如下:a.Slotted:一字(Minus)b.Phillips:十字(Plus)c.Phil-Slot:一字/十字d.HexScoket:内六角e.OneWay:单向(只可锁入,不可退出)A-4:HeadCode/头部外型.一般常用规格如下:a.Flat:平头(锁入后,顶部与工作件齐平)b.Oval:沙拉头c.Round:圆头d.Pan:圆扁头e.Truss:大圆扁头f.Hex:六角头.A-5:FinishCode/外观处理.一般常用规格如下:a.Z:Zine-Plated:镀锌b.Ni:Ni-Plated:镀镍c.Tin-Plated:镀锡d.ZinePlated/GreenIridite:镀锌绿膜处理.e.RadiantPlated:镀五彩f.Passivate:抗氧化处理.g.AlodialFinish:无外观处理。公制自攻螺丝:于品名后方直接标示TappingType.Ex:M3x6–PPB,TappingType:M3自攻螺丝,6mm长,十字,圆扁头,镀黑.一般以产品别或标示,再判断为SheetMetal或塑胶部品使用.螺栓规格型号——美规a.一般以番号标示,如#2-56,#4-40,#6-32,#8-32,#10-24…etc.b.或以英制外径表示,如0.086-56,0.112-40,0.138-32,0.164-32,0.190-24…etc.Ex:632–8–PPB:FinishCode:外观处理规格HeadCode:头部外型DriveCode:头部剖沟,特征型号LengthCode:螺丝长度ThreadCode:螺丝型号B-1:ThreadCode:螺丝型号一般常用规格如下:a.#2-56(0.086-56):2番56牙b#4-40(0.112-40):4番40牙c.#6-32(0.138-32):6番32牙d.#8-32(0.164-32):8番32牙e.#10-24(0.190-24):10番24牙B-2:LengthCode:螺丝长度美规螺丝长度须经换算,才是公制mm尺寸.换算公式:(LengthCode/32)x25.40=公制长度mmB-3,B-4,B-5:标示方式与公制相同.C:英制螺丝:C-1:ThreadCode:标示皆将分母为8,再直接称分子之番号.Ex:1/8x0.50–PPB:1分牙螺丝x0.50”长,PPBEx:5/16x0.50–PPB=2.5/8x0.50-PPB:2分半牙螺丝x0.50”长,PPBEx:5/32x0.50–PPB=1.25/8x0.50-PPB:1分2厘半螺丝x0.50”长,PPBEx:1/4x0.50-PPB=2/8x0.50-PPB:2分牙螺丝x0.50”长,PPB注:有时会标示粗牙或细牙.UNF:细牙:电子业较常用.UNC:粗牙:重机械结构较常用.Ex:3/8x0.50,UNF–PPB:3分细牙螺丝x0.50”长,PPB.C-2:LengthCode:为英吋标示,须乘以25.40换算为mm.用扣规量，与公制牙型吻合是公制螺纹，与英制螺纹吻合是英制螺纹。也可以用卡尺量螺纹的外径，和螺距。螺栓规格型号——英制英制螺距是用每英寸含多少个牙表示。把卡尺定在25.4毫米，把一个尺尖对齐螺纹牙尖，另一个尺尖如对齐螺纹牙尖就是英制螺纹，如对不齐螺纹牙尖应该是公制螺纹。测量螺距时最好把螺纹的牙尖倒印在白粉笔上，粉笔上的印比较清晰，便于测量。测公制螺距应该测量一段长度，如10，15，20，毫米等等，数一下含多少牙，算出螺距用英吋为单位规定螺纹规格的为英制螺纹，如：G1"。用公制单位毫米规定螺纹规格的为公制螺纹。：M30。英制是一英吋(24.5厘米)内有多少牙来定的,一般是55度角.公制是两牙尖的间距是多少MM来定的螺距,一般是60度角。关于螺栓规格型号的相关资讯就为大家介绍到这里了，希望这篇文章对大家有所帮助。如果大家还有什么不明白的地方可以在下方给我留言哦，我们会尽快为您解答。

桁架螺栓与弦杆螺栓的图片

桁架一般分为：钢铁桁架和铝合金桁架和雷亚架一、钢铁桁架：Steeltruss用料：钢铁国际Q235，表面镀锌用途：钢铁桁架一般是陪在舞台背后挂背景布的，适用于室内外背景架，小型展示架，车展篷等。钢铁桁架规格参数：20*20直径20mm壁厚0.9mm25*20直径25mm壁厚1.1mm二、铝合金桁架-目字方通桁架（SquareBolttruss）============================材质：国际铝合金6061-T6、航空铝用途：搭建舞台桁架、灯光架、背景架、展示架、大型顶棚（平顶、人字顶）等，样式美观，轻便，永不生锈卖点：1.质量轻便：比传统的铁桁架重量轻了一半，对于搭建及运输省了较多成本及精力。2.优异的抗腐浊性及耐用性：相对于铁桁架，铝合金桁架是采用6061-T6铝合金，本身具有优异的防腐性能，实用寿命达10年以上；============================目字方通桁架（SquareBolttruss）链接方式：采用8.8级螺丝链接，受力好============================200*200mm主管25*2mm、斜管15*1.5mm接口：50*25*3mm目字方通300*300mm主管50*3mm、副管30*2mm、斜管25*2mm接口：50*25*3mm目字方通安全使用范围：一般平均承重：300kg，安全跨度：12m400*400mm主管50*3mm、副管30*2mm、斜管25*2mm接口：50*25*3mm目字方通安全使用范围：一般平均承重：500kg，安全跨度：16m400*600mm主管50*3mm、副管50*2mm、斜管30*2mm接口：50*25*3mm目字方通安全使用范围：一般平均承重：600kg，安全跨度：20m520*760mm主管50*4mm、副管50*2mm、斜管30*2mm接口：12mm铝板安全使用范围：一般平均承重：700kg，安全跨度：25m三、雷亚架（Layertruss）产品明细与特点产品简介：雷亚架，又名网架、背景架、万能架，由立杆、横杆、斜杆、底部等部件组成。规格：从0.6m、0.8m、1.0m、1.2m、1.4m、1.6m、1.8m、2.0m等不同尺寸拼接而成特点：拆装方便、承重量大、可任意调节角度。可无限延伸，用途广泛。材质：采用优质钢材生产制作，表面喷塑防锈处理，架体颜色可根据客户需求定制。用途：主要可用于吊挂音响背景。耳光、面光、追光灯，同事还可以用于流动性工作台。

桁架规格型号

用3D看世界，让自动化更简单，请关注CAD2D3D，每日更新！

设备安装调平时，通常通过增加调整螺钉来实现高度调节，比如下图所示的这个机器人轨道调平。

上一篇文章《桁架机械手安装调试太难了，精度要求那么高，我们根本干不了》中也提到桁架机械手立柱高度的调整方法，可以通过螺栓和多个螺母实现高度微调。

上面的调平方法虽然可行，但通常需要配备多根螺栓，而且调整较麻烦，为了解决设备调平问题，现在有一种专门的调整螺栓，这种螺钉外面有螺纹，中心开孔，调整螺栓高度可调整，设备紧固用的地脚螺栓穿过中心孔，上面螺母紧固即可。

调整螺栓和调整螺丝可对板进行水平调整和高度调整。调整螺栓上头是外六角头，而调整螺丝上头是内六角头。

调整螺栓规格M8~M30，长度20~50mm。

调整螺栓规格尺寸：

本教材全文共2.1万字，总计93页，主要包含机器人、自动化生产线概述、浇铸生产线方案设计、锻造生产线方案设计、机加工生产线方案设计、物流仓储以及各种自动化专机等，详细介绍机器人系统集成项目的方案设计思路和方法。

评论处可以补充文章解释不对或欠缺的部分，这样下一个看到的人会学到更多，你知道的正是大家需要的……