直线增量运动电动机

一、引言增量运动,顾名思义其所控制的运动的特点是从步到步,起、停相间的运动。例如,直线步进电动机就是一种典型的直线增量运动电动机,它是一种把电脉冲信号直接转换成微步直线步进运动的驱动装置,给它一个电脉冲,它会在空间按照指令给定的方向和步距向前走一步,并准确地锁定在所希望的位置上。频繁快速起动,停止的直流直线电动机,也可以认为是一种直线增量运动电动机,因为人们可以把输入的数字脉冲转换成相应的模拟量输出来控制直流直线电动机作频繁快速起动和停止相间的运动。直线增量运动电动机,早在19世纪末就有人提出,但是直到20世纪70年代,才开始真正地被     

编码器基础及应用

本文论述了编码器的基本原理和分类，并对编码器的未来发展趋势及在数控机床中的应用作了简要介绍。     

堤防在提高标准设计中经济效益调查与分析

通过对齐齐哈尔市城区堤防在进行消险加固、提高标准设计的效益、费用、评价指标进行计算,遵照规范要求,探索一套计算方法.     

高职增量式构件化课程开发研究

以工作过程为导向的职业教育课程开发是当前高职课程改革的方向,课程开发成功必须坚持工作过程规律和教育教学规律相统一的原则,为此在程序设计类课程中,通过对岗位群典型工作任务的分析,以成熟的构件为载体,按工作过程系统化任务要求和教学认知规律,将项目划分为循序渐进的增量,迭代展开课程内容。本文以"构件化网站开发"为例阐述这一开发过程。     

动力后坐试验台数据采集系统设计与实现

为满足动力后坐试验台位移、速度数据高速采集的要求,介绍了一种以增量式编码器为位移传感器、以STM32F107VCT6MCU为下位机数据采集模块,采用MicrosoftVc＋＋6．0开发上位机试验软件的动力后坐试验台位移速度采集系统,实现了对试验中位移、速度数据的高速采集,并利用TeeChart控件实现速度位移曲线的绘制。现场试验结果表明该系统达到了设计要求,实现了数据的高速采集和曲线显示。     

大规模C＋＋软件系统测试驱动开发的设计与实践

介绍了在LINUX环境下采用测试驱动开发（Test-Driven Development,TDD）,对大规模C＋＋软件系统进行增量开发的方法。通过采用Google单元测试框架优化单元测试用例结构,提高单元测试的效率,采用新一代版本构建工具Scons优化复杂的代码依赖关系,采用分布式编译工具Distcc、编译器缓存工具C Cache优化版本构建时间,极大减少了软件开发人员在开发过程中进行TDD所必需的频繁本地构建的成本,为在大规模C＋＋历史遗留系统上,采用TDD进行增量开发,以及进行由此带来的小规模重构提供了有效保证。     

用快速备份助手破解步步惊人的崩溃

在某些开发工具版本升级时,对源码进行完善修改时可能有随时崩溃的步步惊心,所采取的源码备份方法,就需要快速完成备份功能,并根据需要进行增量备份.文中介绍定制一个Winrar的压缩助手,来解决此问题,并将此备份功能进行扩展,完成日常的其他需要.     

结合LSTM的强化学习动态环境路径规划算法

在路径规划领域已经涌现出了诸多的优秀的经典算法,但这些传统方法往往基于静态环境,对于动态可变环境缺乏处理能力.本文提出一种结合LSTM强化学习动态环境路径规划算法.首先,本文以环境图像作为输入,最大限度了保证了原始的信息来源.而后构建了自动编码器用来对环境图像进行特征降维,降低了整体模型的复杂程度.最后采用深度强化学习算法DDPG进行路径规划,其中Actor部分采用LSTM的网络构建,使Actor在决策时可以参考前序信息,做到有预测的避开动态障碍.最后通过实验证明了本文算法的可行性和高效性.     

基于PXI总线的导弹角速度编码器组合测试系统设计

针对某型导弹角速度编码器组合测试快速化、模块化、自动化的要求,通过对角速度编码器组合进行分析,结合角速度编码器组合输入信号的模拟、输出信号的采集、测试系统功能和性能要求,设计了基于PXI总线的导弹角速度编码器组合测试系统;介绍了测试系统的测试原理、硬件结构和软件组成、主要设计思想;实验表明,该测试系统工作性能稳定,能有效地进行组合测试和分组件测试并运用层次故障树分析法定位故障,提高了武器系统检测维修保障能力.     

不平衡样本下基于变分自编码器预处理深度学习和DGA的变压器故障诊断方法

为提高变压器故障诊断效果,并改善训练样本数量不平衡对故障诊断的不利影响,提出了一种基于变分自编码预处理深度学习和油中溶解气体分析(dissolved gas-in-oil analysis,DGA)的变压器故障诊断方法。该方法以各样本DGA特征量为诊断模型输入,以各故障状态概率分布为诊断模型输出。首先通过变分自编码器对少数类训练样本进行预处理,在学习确定少数类训练样本分布特征的基础上实现训练样本自动生成,进而提高训练样本的均衡性。基于3隐层结构堆栈稀疏自编码器深度学习网络构建变压器故障诊断模型,并以经变分自编码器预处理后的均衡训练样本对诊断模型参数进行更新优化。基于实例验证了所提方法的有效性。实验结果表明,所提方法可改善训练样本不平衡的不利影响,各训练集下,采用所提方法的变压器故障诊断结果准确率均保持在91%以上,且漏报率较低。