谈住宅墙体裂缝的监理控制

住宅墙体混凝土裂缝是房屋最常见的缺陷，也是住宅工程质量控制的一个技术难题。住宅的质量控制是一项很重要的监理工作，而墙体裂缝的控制又是质量控制的重点。本文对住宅墙体裂缝的原因进行了分析，并对裂缝监理控制提出了相应方法、措施。     

电动概念跑车造型设计

<正>~~     

面向微粒操纵的介电泳芯片系统研究

针对目前在纳米器件及传感器的制造中尚无对大量粒子进行有效操纵的方法,我们利用介电泳方法对大量微粒进行定位和传输操纵,介绍了利用MEMS工艺进行介电泳芯片加工的过程以及整个观测与实验系统的建立,通过有限元软件对传统介电泳和行波介电泳中电极阵列的电场分布进行求解,并在该实验系统下实现了对微通道中的悬浮高度和微粒的运动速度的测量.该实验系统的研究为液体环境下微纳颗粒的装配和分离提供了一条有效的技术路径.     

一种可穿戴指间角度测量系统设计

针对人机交互的需求提出了一种可穿戴的指间角度测量系统。 首先,基于弹簧片和应变片设计了可穿戴的指间角度传 感器及其便携式测量电路,对指间角度的测量原理和传感器的测量电路进行了详细分析。 其次,基于 LabVIEW 开发了测量系 统的上位机软件,对指间角度传感器的数据进行滤波和角度解算,并采用图片分割旋转的方法实现了指间角度的可视化动态显 示。 最后,为验证系统的有效性进行了实验,结果表明,在 0 ~ 30° 测量范围内,设计的指间角度传感器的非线性误差为 2. 38%FS,迟滞误差为 1. 94%FS,重复性误差为 5. 29%FS,总精度为 6. 11%FS。     

面向手部康复应用的数据手套技术研究

疾病或意外发生后经常会引起患者的手部功能障碍,但目前手部康复评估仍然依赖医生经验等主观判断,市场上现有的部分康复产品结构复杂、价格昂贵,而且无法长期记录病人的康复数据,不便于医生进行诊断和复查。提出了一种面向手部康复的多传感器数据融合手套,采用最小二乘法对加速度和地磁进行校正,利用互补滤波进行传感器数据融合,依据真实手骨模型进行虚拟手部建模,用数据手套获得的手部姿态驱动Unity3D中的手部模型。该系统可以准确地记录手的姿态信息,并在虚拟环境中进行实时还原,能高效地帮助医生进行康复评估和协助患者进行康复训练。     

浅谈同期线损异常分析方法

在城市电力的发展过程中,线损一直是存在的主要问题,它在一定程度上造成了能源的浪费,不符合我国现阶段的发展观念,在节能减排等理念的出台下,有文件对城市中同期线损率的范围进行了明确的规定,这对于电力企业的发展前景以及经济利润来说都有着一定的关系,有关人员应该针对线损异常进行明确的研究,从而提高电力企业的精益化管理。本篇文章通过对同期线损的计算方法进行阐述,分析同期线损异常的主要原因,从而探讨同期线损异常问题的具体处理方法。     

基于最大长度序列的绝对位移精密检测方法

为了检测精密机构的微小位移,根据位移编码与机器视觉技术,提出一种基于最大长度序列(Maximum Length Sequence—MLS)的绝对位移检测方法;该方法设计了基于MLS的绝对位移检测的视觉靶标方案,采用基于灰度叠加及二值化方法进行图像处理和靶标绝对位置识别;研究了基于拟合相位的精密定位方法,实现一维绝对位移的精密检测,并进行实验验证;实验结果表明,该方法可有效实现一维绝对位移检测,定位精度在±2 μm范围内,具有良好的重复性和鲁棒性,且无须视觉标定。     

一种12位双通道高速数据采集处理系统

一种采样频率为33.3MHz的数据采集处理系统。该系统主要由超高速模/数转换器AD9224和先进浮点型DSP处理器TMS320C32构成。其缓存容量为256K字节,数据精度为12位。该系统是一种典型的超高速数据采集系统,具有较高的精度和速度,并且可靠性和实用性也较高。     

基于介电泳的电极阵列电场仿真研究

介电泳方法被广泛地应用于微纳颗粒的分离和操纵中,实现介电泳操作的关键是设计满足所需电场分布的电极阵列.针对目前在微电极阵列设计中尚缺乏简单有效的电场解析方法的现状,提出一种基于格林公式的电极阵列电场的解析方法.首先介绍了传统介电泳和行波介电泳的概念和计算模型,分析了介电泳过程与电极上所施加的交变电压的频率和幅度的关系,然后在确立电极电势的边界条件的基础上,采用基于格林公式的电场解析方法,建立了非均匀电场的解析模型,得出不同条件下的电极阵列电场分布的仿真结果,最后利用FEMLAB有限元仿真软件对解析模型进行了对比仿真, 验证了该解析模型的可行性.基于格林公式的电场解析求解方法能够有效地提高电极阵列设计中的针对性以及缩短电极设计的时间.     

基于ANOVA和BP神经网络的最优肌电信号测量位置选择

基于肌电信号的手部动作识别中,肌电信号测量位置的选择直接关系到动作识别的准确率.本文以使用最少的肌电传感器和获得较高的动作识别率为目标,提出一种基于ANOVA(方差分析)和BP神经网络的肌电信号测量位置优选方法.使用4个肌电传感器采集受试者做出指定动作时的肌电信号,提取肌电信号的时域特征,并按测量位置组合构成15个不同的样本进行BP神经网络的训练和测试.采用单因素ANOVA分析测量位置对动作识别结果影响的显著性,采用Tukey HSD将测量位置进行归类,并从动作识别率最高的子集中选择测量位置最少但识别准确率最高的测量位置组合作为最优的肌电信号测量位置.实验结果表明,测量位置对动作识别的结果具有显著的影响,随着测量位置数的增加,动作识别准确率呈上升趋势,最优的测量位置组合为P1+P3+P4,其动作识别准确率为94.6%.