基于PMAC的蜗杆砂轮磨齿机数控系统设计

对传统机械式无差动磨齿机进行数控化改造,选用PMAC运动控制器和工业控制计算机作为控制系统核心,与安川伺服组成全闭环控制;使用电子齿轮代替原来传统的蜗杆蜗轮分度机构,提高了加工精度;利用直线插补的运动方式,进行四轴联动,在该机床上实现切向差动磨削,提高了斜齿轮的加工精度。     

芝麻高产栽培技术分析

芝麻是世界上最古老的栽培作物之一,以其良好的抗旱性和自身抗病能力,成为兴县农业增效、农民增收的重要油料作物.同时,芝麻整个生产过程基本上无须使用农药,被公认为绿色食品,并含有丰富的维生素E和特殊的抗氧化物质,在抗衰老和保健方面备受关注.     

社会资本缺失：犯罪成因与预防探析——以犯罪生态学为理论背景

犯罪生态学遵循生态规律对犯罪现象进行生态调控,从社会整体的宏观角度研究犯罪预防问题。社会资本作为社会生态环境的一部分,与犯罪生成有着密切关系,低水平的社会资本诱致犯罪。预防犯罪的制度设计不仅要注重宏观调控,提高社会有机体的免疫力;更要从微观入手,增加社会资本投入,达到抑制、减少犯罪的目的。     

一种低成本直驱工业平缝机控制系统

为降低直驱工业平缝机控制系统的生产成本,对系统的硬件和软件进行优化设计,同时选用成熟可靠且价格低廉的器件。工业平缝机控制系统是一个滞后、时变、非线性的控制系统,传统的双闭环PID控制是建立在对受控对象精确建模的基础上,参数不能随着受控对象的变化而调整,因此难以对系统进行有效控制。针对这一缺陷,设计了一种Fuzzy-PID复合控制器。实验证明,该控制系统能满足工业平缝机制动/启动快,鲁棒性好,定位精确的要求。这一方案现已应用在工业平缝机上,效果令人满意。     

基于NCP1337准谐振电源的分析和设计

NCP1337是一款增强型准谐振脉冲宽度调制电流模式控制器，芯片内置电流模式调制器和去磁检测器，确保在任何负载／线路上均得到完整的边界／临界导电模式。文中介绍了芯片和它的两个重要技术——无线圈去磁检测和软跳周期模式，并采用该芯片设计了一台准谐振高效率隔离型开关电源。     

基于神经网络算法的工缝机节能电动机控制系统的设计

为解决目前纺织业工缝设备大量运用的离合式异步电动机造成能源利用效率低下的问题,设计了一种基于DSP芯片的节能电动机控制系统.由于工业平缝机是一个滞后、非线性、变参数的控制系统,采用传统的PID控制,因其参数不能随着受控系统的变化进行在线调节,会使控制的有效性与可靠性下降.针对这一缺陷,在传统的PID基础上加入了BP神经...     

冷藏条件下鲫鱼鲜度与其阻抗特性的关系的研究

本文采用两针式电极测量4℃条件下贮藏的鲫鱼背部肌肉阻抗随贮藏时间的变化,探索了最优的激发频率。同时对鱼体的挥发性盐基氮(TVB-N)、细菌总数进行了测量,评价了鲫鱼在贮藏中的感官品质,分析了鲫鱼鲜度与其阻抗特性的相关性,建立了鱼体阻抗与TVB-N以及细菌总数间的数学模型。结果显示,4℃下,鲫鱼在贮藏到第12天时仍具有食用价值,第14天时,鲫鱼失去食用价值。6V、1000Hz下测量的鱼体阻抗适于用来判定鲫鱼鱼体的新鲜度。6V、1000Hz下测量的鲫鱼鱼体阻抗与鱼体TVB-N以及细菌总数建立的回归方程效果显著(P0.01),表明此条件下鱼体阻抗与TVB-N以及细菌总数的变化规律相似。     

基于ANSYS的某客车车身有限元模型的建立

以NJ6826TMF型客车车身为研究对象,在Pro/E中进行车身骨架的造型设计、装配设计及干涉分析,并通过图形数据转换接口导入到ANSYS中.在ANSYS中建立悬架系统,经网格划分后生成整车有限元模型.     

拉曼光谱技术检测苹果表面残留的敌百虫农药

建立苹果表面残留的敌百虫农药的拉曼光谱无损检测技术。方法 利用激光显微拉曼光谱技术, 以苹果为载体, 敌百虫农药为研究对象, 探讨苹果表面敌百虫农药的快速无损检测方法。结果 敌百虫农药的拉曼特征频率较为丰富, 选取441 cm?1 (P-O键振动)和620 cm?1(C-Cl键振动)处的拉曼信号可识别苹果表面敌百虫农药残留, 检测限为4800 mg/kg。结论 本研究对实现水果表面敌百虫农药残留的快速、无损伤检测具有重要意义。     

基于深度动态联合自适应网络的图像识别方法

相比传统的图像识别方法,利用深度网络可以提取到表征能力更好的特征,从而获得更好的识别效果.现实中任务提供的数据多为无标签数据或部分有标签数据,其为深度网络的学习带来了困难.而迁移学习的方法可以将从源域数据中学习到的知识迁移到目标任务的学习中,以解决有标签数据不足的问题.为了在迁移过程中减小源域和目标域间的图像数据差异,文中提出基于深度动态联合自适应网络的图像识别方法.对网络进行训练时,首先在多层网络结构中利用域间动态联合自适应方法完成针对性的数据分布自适应,然后利用熵最小化原则使学习的目标分类器穿过目标域的低密度区域,从而提高对目标域图像的识别精度.在2018年AI challenge比赛提供的24种植物病害数据集的3种迁移任务(g1->g2,s1->g2和s2->g2)中,所提方法的准确率分别达到了97.27％,94.25％和93.66％,均优于其他算法.实验结果证明,文中提出的基于深度网络并使用动态联合自适应和熵最小化原则的学习框架能够准确识别图像.