一种下肢康复机器人步态的生成与调节方法

针对下肢康复外骨骼机器人康复训练参考步态的标准化设计,对平地行走、上楼梯和下楼梯等不同情境下的步态轨迹的设计问题进行研究,提出了由无线惯性传感器采集人体步态,利用基于关键点的步态生成与调节方法,得到了融合过渡过程的参考步态曲线.利用得到的参考步态曲线指导下肢康复外骨骼式机器人辅助人体在平地行走、上楼梯和下楼梯等情景下进...     

基于3D视频的错误隐藏技术分析

随着3D视频产品的逐步问世,3D视频技术逐渐成为当前研究的热点。由于3D视频编码是利用多个视点的空间、时间及视点间的相关性进行压缩编码,导致当3D视频遭遇不可靠信道差错时,其受损的影响比传统的2D视频更严重。因此,研究基于3D视频的差错控制技术十分必要,针对3D视频的3种视频格式,初步探讨了目前已经出现或正在研究中的错误隐藏技术。     

水性聚丙烯酸酯热-UV辐射交联涂层材料的研究

在聚丙烯酸酯乳液共聚中引入AAEM功能单体,同时在较温和的条件下通过迈克尔加成反应引入C=C双键,实现了水性聚丙烯酸酯热-UV辐射的交联,并对聚丙烯酸酯的合成及成膜条件进行了优化.实验结果表明:该涂层性能耐乙醇拭擦158次不破膜,硬度达到3H,耐碱性24h无泛白、起皱.     

控冷工艺对热轧双相钢组织与性能的影响

基于合金减量化原则,通过热轧+超快冷技术得到了强韧性较好的600 MPa级热轧双相钢,研究了控冷工艺对其组织与性能的影响。结果表明,随着弛豫时间的减少和卷取温度的降低,钢中铁素体体积分数逐渐减少,铁素体晶粒尺寸逐渐减小,抗拉强度由602 MPa 增加至637 MPa,伸长率由31.0%减小至24.0%,屈强比为0.53~0.59,n值为0.17~0.21。综合考虑板形风险和力学性能,试验钢合适的卷取温度为150 ℃,合适的弛豫时间为7 s。     

食品包装水性油墨连接料的研究

采用核壳乳液聚合的方法合成一种内交联型聚丙烯酸酯乳液,并探讨其乳液在室温和热固化下的成膜物对常用食品包装材料(塑料、玻璃及金属等基材)的附着性、耐水性、耐溶剂性、硬度等性能的影响.结果表明,不同合成工艺的核壳设计、软硬单体配比及功能单体的选择与用量等因素对水性油墨连接料的性能有很大的影响.     

高盐稀态酿造蚕豆酱油的工艺研究

本文研究了蚕豆酱油的制曲工艺,以及蚕豆破碎程度对制曲的影响,利用蚕豆皮作为大曲疏松介质,并采用高盐稀态工艺酿造蚕豆酱油。与普通黄豆酱油相比,此工艺产出的蚕豆酱油在风味上具有较大差异,其酯香更为圆润,醇香不足,但整体滋味调和,口感佳。     

以糙米为主要培养基延长米曲霉菌种的保藏期

本研究以糙米为主要培养基并结合真空干燥(-0.1 MPa)和冷冻保藏(-80℃)工艺开发出一种米曲霉长期保藏技术。生产实验表明,利用该方法保藏20年的米曲霉菌种直接制备的大曲中中性蛋白酶、酸性蛋白酶、淀粉酶和葡萄糖淀粉酶的酶活分别达到1871、319、256和2110 U/g干曲。利用该大曲所生产的酱油总氮、氨基酸态氮、总糖、还原糖、无盐固形物含量及原料蛋白质利用率分别达到1.53、0.92、5.39、3.52、19.88 g/100 mL和82.20%。上述指标显著优于利用常规冻干管法保藏20年的米曲霉所制备大曲和酱油的相应指标(p0.05),与利用常规冻干管法保藏5年的米曲霉所制备大曲和酱油的相应指标无显著差异(p0.05)。由聚类分析可知,本方法可比冻干管法延长米曲霉保藏时间15年,在实际生产中可减少菌株复壮次数,避免传代过程中米曲霉突变和污染的几率,进而提高酱油质量稳定性。     

Lummus/UOP装置苯乙烯单体收率下降原因分析及换热器填料函的改进

依据苯乙烯 (SM )单体收率偏低及能耗增大等现场生产工艺参数 ,对Lummus/UOP经典工艺进行分析 ,经多个取样点数据定量对比后 ,找出了SM单体在脱氢热回收工序被稀释 ,浓度下降的原因 ,并对USA 3.830 .4 90填料函进行了定量分析 ,指出了换热器填料函设计、制作尺寸错误及USA 3.830 .4 90专利技术的欠缺     

高瓦斯矿井通风系统自动控制技术应用

在高瓦斯矿井开采过程中,瓦斯浓度超限严重影响矿井的安全生产。传统的人工控制方法通过监测人员巡检的方法对井下超限气体环境进行排查,工作效率低,监测人员直接暴露在超限环境内,安全性差,这种人工监测法难以满足矿井智能化、安全化生产需求。结合监测技术和PLC技术,针对矿井瓦斯赋存和解析特点,设计了一套瓦斯自动监控系统,能实现对井下瓦斯超限风险点的实时监测、智能识别和自动控制,与传统的人工监测方法相比,该系统对风险点的排查更加全面可靠,对风险点的应对更加的及时,极大的提高了矿井生产的智能化和安全性。     

机理模型与集成学习混合驱动的机器人关节摩擦建模方法

机器人一体化关节广泛应用于医疗、协作机器人等领域,其摩擦特性是影响机器人性能的关键因素.为此,提出了一种机理模型与集成学习混合驱动的机器人关节摩擦建模方法,以提高模型精度.首先,综合考虑转速、负载等关节摩擦特性的影响因素及其周期波动特性,基于先验知识和物理分析分别建立了伺服电机与谐波减速器的参数化机理模型,描述摩擦特性的变化规律.然后,针对机理建模中因线性假设、忽略高阶项等产生的非线性残差,提出了基于eXtreme gradient boosting(XGBoost)的残差补偿模型建模方法,通过采用Boosting集成学习策略,提高残差补偿模型的泛化能力.同时,采用贝叶斯优化方法进行XGBoost模型的超参数寻优,以提高模型精度和训练效率.相比于传统的参数化机理模型,本文所提出的混合驱动模型具有更高精度.与反向传播神经网络、支持向量机、长短时记忆神经网络等多种典型方法的对比实验表明,本文所提出的基于XGBoost的残差补偿模型具有更强的特征提取能力,能够较好地预测强非线性的波动摩擦残差,有效地提高了整体模型的精度.