单片微机热处理控制系统

一、前言微机控制技术在热处理工艺过程控制中逐步得到应用.目前使用较多的微机控制系统主机有单板机、工业控制系统机等.单板机用于工业控制存在可靠性差、开发不方便,体积仍相对较大等缺点.工业控制系统机则存在投资大.使用环境要求高,维护要求高等问题.另外,两者都是较通用的,针对性不强.所以往往不能充分发挥其功能,造成微机资源浪费.以上所述的是微机控制在热处理领域得不到迅速推广应用的重要原因.单片微型计算机(简称单片机)是国际上七十年代中期继微处理器之后发展起来的新型的大规模集成电路器件.它是在一块芯片上集成中央处理部件(CPU)、存贮器(RAM、     

基于RS-485网络的产品老化间微机集散温控系统

针对电子产品老化间的温控要求,提出将现场控制的工作站由Rs-485连接的异步数据块串行通信方式现场组网,确保了集散温控系统上下位机通信网络的实时性和可靠性;现场控制以89C52单片机为核心,采用分段控制和PID算法相结合的控制方法,确保了温度控制精度.     

统筹人与自然和谐发展的着力点——对丹江口市“扶贫开发与退耕还林相结合”三年实施情况的调查与思考

国家为了整体推进人与自然和谐发展,于2002年分别在湖北、陕西、甘肃等5个省各选择了一个贫困县(市)作为"扶贫开发与退耕还林相结合"试点.丹江口市被国家纳入全国5个试点县(市)之一.现在,丹江口市的三年"扶贫开发与退耕还林相结合"取导效果、经验如何?还存在什么问题?近曰,我们对丹江口市的"扶贫开发与退耕还林相结合"三年实施情况进行了调查.     

骨架提取在IC晶片缺陷机器视觉识别中的研究

光刻工艺导致的IC晶片制造中缺陷种类多样,丢失物和冗余物缺陷是影响成品率下降的重要原因,其主要造成电路开路和短路.提出一种基于骨架特征的IC晶片丢失物和冗余物缺陷短路故障机器视觉识别方法,应用细化算法抽取图像骨架,提供了使用多余点及多余端枝删除原则和数学形态学处理算法两种方法得到单像素的优化骨架,采用邻域跟踪法实现电路开路和短路形式识别.     

基于像素分布特性的IC晶片视觉检测方法

IC晶片制造过程存在多种致命缺陷,致使芯片失效,导致成品率下降.冗余物缺陷是影响IC晶片成品率下降的重要原因,主要造成电路短路错误.针对冗余物缺陷对版图的影响,提出了一种简单可行的缺陷视觉检测方法,以实现冗余物缺陷的识别及电路失效形式的确定.根据摄取的显微图像的图像特征,利用光线补偿技术及形态滤波方法消除干扰噪声,以提高图像质量,采用投影定理及基于像素分布特性的检测方法,实现电路短路形式或缺陷未导致电路失效的识别.     

FMS生产作业调度控制系统

在研究ＦＭＳ调度控制策略的基础上,以广东工业大学ＣＡＭ中心的ＦＭＳ为对象,建立一个实用的ＦＭＳ生产作业调度控制系统,该系统可以较地实现ＦＭＳ的调度控制优化目标,提高ＦＭＳ的运行水平。     

超高效液相色谱-串联质谱法测定蜂王幼虫中烟酰胺单核苷酸的含量

建立了超高效液相色谱-串联质谱快速测定蜂王幼虫中烟酰胺单核苷酸(nicotinamide mononucleotide,NMN)的方法.样品经乙醇和水提取后,采用Waters X Select HSS T3(2.1 mm×100 mm,2.5μm)色谱柱进行分离,串联质谱多反应监测模式定量分析.该方法中NMN在50～1...     

燃煤电厂湿式电除尘器减排及能效特性研究

在工况及负荷稳定的情况下,对122台燃煤电厂配套湿式电除尘器(金属板式35台、导电玻璃钢87台)开展多污染物的减排特性和能耗测试分析,结果表明,湿式电除尘器对各类污染物均具有较高的脱除效率,绝大部分湿式电除尘器出口颗粒物、PM2.5、雾滴和SO3可分别控制在5、2.5、25和10 mg/m3以下,出口PM2.5/PM占...     

基于无人机航测技术的矿山地质测绘研究

我国矿山资源是经济发展的重要基础,但复杂的地形地貌等经常会影响到地质勘察工作的开展效率与质量,因此需要不断创新测绘技术,提高矿山地质测绘的精度与效率。在科技的不断发展下,无人机测绘技术已经得到了广泛应用与发展,本文重点围绕无人机航测技术进行了一定的分析与探究,旨在进一步提升测绘工作质量。     

基于随机森林的气味感知分类研究

机器嗅觉是一种基于传感器阵列与计算机算法模拟生物嗅觉的新兴仿生技术,气味物质气味表征是机器嗅觉值得研究的领域,目前嗅觉感知处于初级研究阶段,气味的通用分类理论基础还不成熟。本文从物质气味电子信息角度出发,利用采集样本中相对均衡香型数据,通过机器学习算法及参数调整、网格搜索等模型优化手段,提出基于电子鼻数据的物质气味分类模型,建立物质气味电子鼻信息与感知联系,实验结果表明,基于随机森林的气味分类在各评价指标上表现突出,平均准确率达到93.6%,随机森林模型相比其他机器学习算法表现优异。