基于参数优化VMD的齿轮箱故障特征提取方法

为解决齿轮箱故障振动信号信噪比低、故障特征提取难的问题,提出了基于参数优化变分模态分解(VMD)的齿轮箱故障特征提取方法。首先,以分解结果的局部极小包络熵最小为目标,利用果蝇算法搜寻VMD分解参数K和α的最优组合;将原始信号分解成若干IMF分量,从中选择包络熵较小的分量进行信号重构,并对重构信号进行包络解调运算,从重构信号的包络谱中提取故障频率特征。结果表明,利用此方法对实测信号进行处理,成功降噪、提取齿轮箱故障特征,并且比利用经验模态分解方法降噪效果更好,提取的故障特征更加明显。     

基于粒子群优化算法的五自由度机械臂轨迹规划

为了让机械臂的工作时间达到最优,以自主研发的抛光机器人样机为研究对象,针对手表表壳表耳部分的抛光过程,提出PSO算法对五自由度机械臂轨迹规划进行优化,并通过MATLAB软件进行机械臂的仿真与分析。仿真结果表明,基于PSO算法的轨迹规划使机械臂在工作过程中加加速度不会产生突变,运动轨迹精度高,机械臂工作时间达到最优。     

PDMS基片表面的光刻胶图形化工艺研究

在聚二甲基硅氧烷(PDMS)微纳米器件的制造过程中,经常需要在PDMS基片表面进行光刻胶的图形化。建立了一种PDMS基片表面的光刻胶图形化工艺。通过对PDMS基片表面进行氧等离子体改性处理,提高了PDMS的表面润湿性,使得光刻胶可以均匀地旋涂在PDMS基片表面;提出利用室温下长时间静置代替常规的光刻胶前烘工艺,有效避免了光刻胶在前烘过程中裂纹的产生。最后,作为工艺验证,在PDMS基片表面成功制作出了复杂的光刻胶微阵列图案。     

“互联网+”时代背景下计算机基础应用类课程在线教学设计

随着我国"互联网+"时代的到来,传统学校教学模式和教学理念已不能满足时代发展的需要,全国各类院校倡导教学改革,提出开展线上教学,更是迫切要求将教学与互联网完美融合。本文重点探索计算机基础应用类课程在线教育教学设计、教学方法及考核方式。     

基于密度聚类的光条中心线提取方法

为了解决线结构光3维测量中噪声光斑对提取精度的影响，采用了密度聚类灰度重心提取算法提取激光光条中心线。该方法由中心线预提取以及中心线最终提取两阶段组成，预提取阶段实现对激光与光斑两者中心线的同时提取，最终提取阶段采用基于连通性的密度聚类算法完整保留激光中心线并剔除噪声光斑。在仿真实验阶段，对大小为600pixel×600pixel、含有激光中心线的图像进行了加噪处理，并使用提取结果与真实中心线之间各点的均方根误差以及运行时间作为考察标准进行了实验研究。结果表明，该方法与传统灰度重心法相比，在高亮度各向异性光斑、高亮度小面积光斑、高亮度点噪声图像的均方根误差分别降低了12.59pixel，15.12pixel和83.36pixel，时间复杂度分别提高了0.383s, 0.412s和0.416s。该方法与传统灰度重心法相比具有更高的提取精度、近似的时间复杂度，且对噪声光斑具有较好鲁棒性，可以在噪声光斑图像中完整提取出光条中心线。     

2019年“金帆奖”获奖案例之春晚AR系统

在历年的金帆奖评比中,不乏各大精品综艺节目的影子。其中,每年的央视春晚更是各个获奖单元的常客。时间虽然已经过去一年有余,但2019央视猪年春晚节目依然给我们留下深刻印象。本文将从全新技术、创意设计、设备系统三个方面,对2019央视春晚中的全新虚拟技术应用进行解析。