排序方式: 共有17条查询结果,搜索用时 13 毫秒
1.
椭圆—不完全非圆齿轮行星系蔬菜钵苗取苗机构的研究 总被引:19,自引:0,他引:19
在分析现有蔬菜钵苗取苗机构的最新进展的基础上,提出一种应用于自动蔬菜移栽机的新型取苗机构——基于椭圆—不完全非圆齿轮传动的行星系蔬菜钵苗取苗机构。分析蔬菜钵苗取苗机构所要求的工作轨迹与设计要求,介绍该取苗机构的工作原理和运动学特性,建立该取苗机构的运动学模型。基于Visual Basic 6.0开发出该取苗机构计算机辅助分析与优化软件,通过人机交互方式优化出一组满足蔬菜钵苗取苗机构工作要求的结构参数。根据优化出的结构参数对该取苗机构进行三维建模、虚拟仿真、样机试验,试验发现:仿真结果、样机试验结果与理论分析结果一致;同时,进行该蔬菜取苗机构的取苗试验,该取苗机构能很好地完成取苗、持苗、放苗动作,进一步验证该取苗机构理论建模的正确性和可行性。 相似文献
2.
3.
负载调整率是直流电源的一个重要参数,负载调整率的高低决定了整个系统的性能。研究了LM2577升压芯片的内部结构及性能参数,在此基础上,提出了两种提高其负载调整率的新方法:(1)在LM2577反馈脚接入可程控数字电位器,代替原固定电阻,用AD采样输出电压的变化,通过反馈算法调节数字电位器的阻值,保持输出电压稳定,进而提高其负载调整率;(2)在LM2577反馈脚接入加法器,加法器的输入端分别由输出电压分压端和受单片机控制的DA提供,单片机通过采样输出电压来调整DA的输出,进而实现输出电压的稳定,提高负载调整率。为了缩短调整时间,提高控制效率,软件部分采用了PID控制算法。经测试,在5 V输入、600 m A负载条件下,设定输出为7 V,方法 1和方法 2升压电路的负载调整率从1.043%分别提升到0.700%及0.042%;而设定输出为12 V时,负载调整率从0.658%均提升到0.008%。同时,方法 2的输出电压纹波在10 m V以内。 相似文献
5.
6.
7.
图像分割是计算机辅助阅片的基础, 伤口图像分割的准确率直接影响伤口分析的结果. 传统方法进行伤口分割步骤繁琐, 准确率低. 目前已有少部分人利用深度学习进行伤口图像分割, 但是他们都是基于小型数据集, 难以发挥深度神经网络的优势, 准确率难以进一步提高. 充分发挥深度学习在图像分割领域的优势需要大型数据集, 目前还没有关于伤口图像的大型公共数据集, 而制作大型伤口图像数据集需要人工标记, 耗费大量时间和精力. 本文提出基于迁移学习的伤口图像分割方法, 首先利用大型公共数据集训练ResNet50网络作为特征提取器, 再利用该特征提取器连接上两个并行的注意力机制后在利用小型伤口图像数据集进行再训练. 实验表明本方法的分割结果在平均交并比上有较大提高, 在某种程度上解决了缺乏大型伤口图像数据集而导致伤口图像分割准确率低的问题. 相似文献
8.
9.
10.