学科分类
/ 1
12 个结果
  • 简介:工业机器人是实现数字化无人工厂为特征的工业4.0基础设备,我国已连续四年销量全球第一.以工业机器人为核心的智能制造行业蓬勃发展,但国内机器人检测方法,以及相关的检测设备的发展却参差不齐.现就机器人整机性能检测与校准存在的问题、检测技术与仪器的现状、最新发展成果等进行综述.

  • 标签: 工业机器人 位姿特性 坐标系转换 激光跟踪仪 D-H模型
  • 简介:为解决工业机器人标定中存在的成本昂贵、专业性强等问题,提出了一种基于几何约束的工业机器人运动学参数闭环标定法.首先采用D—H模型与MDH模型相结合的方法建立运动学模型.解决D-H模型的奇异性问题.其次,用Matlab对该方法进行仿真,机器人末端执行器上模拟安装一个激光器,将激光瞄准观测平面上一正方形的四个顶点,得到较精确的关节角.最后,根据正方形的几何性质建立标定方程,利用最小二乘法求解参数误差.此方法操作简单,成本低,易于测量,可避免机器人基座标系的校准工作.根据仿真结果。工业机器人绝对定位精度提高了77.87%,从而验证了该方法的有效性.

  • 标签: 几何约束 运动学参数 虚拟闭环 绝对定位精度
  • 简介:采用测定盐酸不溶物后的溶液代替单独称样、溶样、过滤、洗涤、定容后的滤液测定铁和锰.本方法可以快速准确测定铁、锰,工作效率大大提高.

  • 标签: 沉淀碳酸钙 快速测定 工业 酸不溶物
  • 简介:通过实验证实在一定的含量范围内,用与海砂成份相类似的一个石英砂标样进行基体校正和归一化处理,可用现有的硅酸盐测定程序测定玻璃工业上用的海砂中的硅、铝和铁。其结果的精密度和准确度可与化学法媲美。

  • 标签: XRFA法 玻璃工业 海砂
  • 简介:针对固体结构内部温度测量的工程需求,比较了目前工业中应用较多的热电偶测温法、光纤光栅测温法、中子共振谱法和超声测温技术,发现超声测温技术具有非接触式测量、测温范围广、响应速度快等特点而更适用于固体结构内部温度的测量.调研了超声测温技术的发展历史与国内外现状,重点对超声温度场重建方法进行了介绍与分析,发现现有的重建方法主要是针对一维温度场的而且都存在参数获取困难的局限性,导致重建方法的适用性较差并且重建精度较低.综述了超声测温技术在火灾损伤、医疗卫生、核力发电、冶炼制造等领域中的应用,讨论了超声测温技术在测温机理、声时测量算法和时间测量分辨率等方面存在的技术问题,总结了超声测温技术在今后发展中的重点研究方向并提出了展望.

  • 标签: 固体结构内部测温 超声测温技术 温度场重建
  • 简介:海绵是我国南海蕴藏着的一种非常丰富的生物,其中含较多具有生物活性的核苷类化合物;通过有机溶剂提取、柱层析分离纯化从海绵(Clathriafasciculate)中获得一个核苷化合物,利用现代波谱等技术鉴定其为腺嘌呤核糖核苷。

  • 标签: 海绵 腺嘌呤核糖核苷 结构鉴定
  • 简介:本文采用巯基棉富集水中痕量的锰,用火焰原子吸收分光光度法测定,使检测下限达到ppb级。该方法具有灵敏度高、干扰少、准确度高等优点。

  • 标签: 巯基棉 富集 火焰原子吸收分光光度法
  • 简介:人群分析在模式识别和机器学习领域内是一个非常有趣的课题.人群小群体成员之间的主从关系检测为视频监控和计算机视觉领域打开了新的视野.同时,小群体主导者的检测也是人群分析的重要组成部分.文章提出一种结构化SVM的学习框架,并结合行人的时间滞后分析特征和行人位置关系特征对小群体主导者进行预测.实验结果表明,本方法在人群分析数据集下取得了很好识别效果.

  • 标签: 人群分析 主导者检测 时间滞后分析 结构化SVM
  • 简介:为了探索大功率器件热控系统采用毛细芯微槽蒸发器的结构优化方案,特建立了基于多孔介质模型的微小槽道蒸发器数值计算单元,采用CFD研究了储液腔布置位置、供液口位置对两相流动与传热过程的影响.仿真结果得到储液腔位置对于毛细芯微槽蒸发器的换热性能、均温性和进出口压降影响显著,其中底部布置储液腔的蒸发器更具优势;在底部布置储液腔情况下,不同供液口位置影响作用不明显.以上结论为提高毛细芯微槽蒸发器的流动传热特性提供了参考数据.

  • 标签: 毛细芯 两相冷却 数值模拟
  • 简介:串联谐振(LLC)变换器优于常规硬开关脉冲宽度调制(PWM)变换器,具有效率高、应用广泛等特点.文章提出一种LLC谐振变换器的磁集成拓扑结构的设计方法,即采用基波分析法分析所设计的磁集成电路电压增益关系,进行磁集成谐振网络参数设计和优化,并用Mathcad软件仿真.结果表明,采用磁集成技术对谐振电路效率的提高有一定的可行性和有效性,从而进一步减少谐振电路的体积和成本.

  • 标签: LLC谐振变换器 磁集成 谐振网络参数
  • 简介:近年来,目标显著性检测引起了众多学者的极大关注,并涌出了一些基于低秩矩阵恢复理论的检测方法.在这些方法中,人们一般使用核范数约束低秩部分.但是,由于秩函数是非凸且不连续的,由此导致核范数不能很好地逼近秩函数,使得检测效果往往不佳.为解决上述问题,现提出基于加权Schatten-p范数与低秩树结构的稀疏分解模型.一方面,利用加权Schatten-p范数对图像背景进行低秩约束.另一方面,采用具有树结构稀疏特性的l2,1范数和图像拉普拉斯正则化对显著性目标进行稀疏约束,以此提高显著性检测精准度.经过与4种已有的常用显著性检测方法在3个不同数据库中的实验结果对比,证实现提出的方法具有更好的检测性能.

  • 标签: 目标显著性检测 矩阵分解 加权Schatten-p范数 树结构 拉普拉斯正则化