基于Petri网的OLED生产线建模与仿真

介绍了OLED(Organic Light Emitting Diodes)的制造过程及制造系统的PN模型。讨论了Petri网的分析技术。针对OLED制造生产线的复杂性,描述了具体的加工过程。采用结构化方法,综合应用自上而下与自下而上相结合的方法,建立了基于赋时变迁Petri网的OLED制造生产线模型,反映了整个生产线的加工动态特性。利用仿真工具Hpsim,对模型进行了仿真分析,并对其结果进行了定性分析,同时验证了模型的合理性和有效性。     

SCARA型机器人仿真避障算法的研究

根据机器人的运动学分析模型对机器人进行动态仿真是机器人设计过程的一个重要环节.文章对SCARA型机器人进行了运动学分析,建立了该类型机器人的运动学模型,提出了SCARA型机器人避障仿真算法,并对其进行了计算机仿真与分析,这对机器人运动学、动力学、微机控制和路径规划等方面的研究有重要的参考价值.     

录像机磁头VC卷线自动生产线的监控管理系统

文章介绍了录像机VC卷线自动生产线监控管理系统的更新改造工作.详细介绍了该系统的硬件改造方案和软件设计开发工作.该系统在实际生产中,运行可靠,达到了设计目标.     

基于PS7219的大屏幕驱动设计及应用

以PS7219芯片为基础，文章给出了数码大屏幕的一种驱动方案，并详细的介绍了该系统软硬件设计及应用。     

基于6参数模型的6R串联机器人运动学参数辨识

为了避免运动学参数误差辨识中存在参数不连续、计算收敛速度慢的现象,基于一种6参数模型,在DH(Denavit-Hartenberg)法建立的杆件坐标系上建立了6R串联机器人的误差模型,并给出了参数转化公式.设计了计算机仿真实验,在存在驱动器、测量仪器随机噪声误差的条件下对比了使用MDH(改进DH)参数误差模型和6参数模型的仿真辨识效果.6参数模型和MDH模型辨识后定位平均误差分别降低了96.1%和52.9%.结果显示6参数模型具有良好的完备性、连续性.6参数模型的误差参数范围可以从制造公差中得出,辨识速度高于MDH模型,通过公差控制参数范围,消除了没有达到极小性要求对误差辨识的影响.应用此方法对一台SR165型机器人进行参数辨识,定位平均误差由2.5 mm降低至0.35 mm.     

面向增材制造的机器人轨迹自动生成技术

针对同轴送粉激光熔覆成形复杂曲面的工艺过程中,机器人轨迹规划困难的问题,提出一种从CAD模型自动生成机器人加工轨迹的新方法,以提高机器人熔覆的效率。首先对复杂曲面零件模型进行分析,采用拉普拉斯算子的方法对网格模型进行了优化。根据立体光刻模型提取零件的几何信息,基于三角面片边的拓扑关系重建三角面片的拓扑关系,通过包围盒的方法生成沿逆时针方向的机器人轨迹,利用仿真实验动态地演示了熔覆过程。最后,通过熔覆实验验证了该方法生成机器人轨迹的可行性。     

Duffing系统的同步化控制研究

本文研究含有未知参数的Duffing系统的同步化控制问题．首先，研究了系统参数已知情况下的同步化控制问题．其次，考虑了系统参数未知情况下的同步化控制问题；由于直接处理该问题比较困难，我们在控制法则中引入了可变参数来代替未知参数，该参数可由完善的自适应法则获得．再次，通过理论证明给出了控制目标，该控制目标可由提出的控制法则来实现．最后，用一些仿真实例证实了该方法的有效性．     

坦克驾驶模拟器的运动仿真算法与实现

介绍了坦克驾驶模拟器的硬件结构和工作原理,提出其仿真系统模型.为了更好地模拟坦克驾驶运动过程,采用动力学和运动学分析方法对坦克所受的力进行研究,得出其动力学方程,对坦克驾驶进行仿真.根据力学分析所得出的坦克加速度以及前一状态的速度和发动机转速,利用动力学方程和运动学方程求出当前时刻发动机的转速、坦克的速度、位置变化、方向变化等,将数据发送给视景程序,从而驱动视景变化,由此仿真坦克驾驶模拟器的运动.该系统实时效果好,可以真实地模拟实际的驾驶情况.     

面向IC制造的净化机器人

针对集成电路制造中环境洁净度与硅片传输任务的需求,提出了一种由径向直线伸缩机构以及旋转、升降运动模块组成的新型三自由度R-θ型净化机器人.该净化机器人采用两组行星轮系组合来实现关键的径向直线伸缩运动,并合理配置密封来实现上述需求.通过运动分析给出了实现径向直线伸缩运动的必要条件,进行了净化机器人的运动学与动力学分析.同时采用交流伺服电机作为驱动元件,基于MPC02运动控制卡作为上位控制单元构建了开放式控制系统.实验研究表明该净化机器人具有较高的速度、重复定位精度与应用洁净度.     

基于粗网格神经网络的车牌字符识别方法

目的为了进一步提高交通车牌字符自动识别能力.方法通过对车牌识别技术国内外现状的分析和对各类车牌识别技术的对比说明,提出了一种基于粗网格神经网络的车牌文字识别方法.该方法先将车牌字符进行预处理,用改进的粗网格法提取字符特征,并用神经网络识别车牌字符.结果在实验过程中所用的字符是从实际拍摄的车辆牌照图像中提取的汉字、英文大写字母和数字.人工提取的汉字种类覆盖了我国现有车辆牌照中出现的大部分汉字,而字母和数字的覆盖率为100%.从实验结果看:数字、字母的识别率比较高,尤其是数字,其识别率达到了99.16%.结论实验表明:数字、字母易于准确地提取特征,粗网格神经网络车牌字符识别方法具有较高的识别精度和实用价值.