基于共轴球面并联3RRR机构的手腕康复装置研制

针对中风患者腕部运动功能障碍及康复训练问题,提出了一种基于共轴球面并联3RRR机构的手腕康复装置.该装置由3个电机驱动,末端执行机构能够实现球面运动,以模拟手腕3自由度复合运动,实现手腕康复训练.为了达到紧凑性设计的目的,采用了三轴共轴球面并联机构和同步带传动的设计方案.在此基础上,建立手腕康复装置运动学数学模型,获得了电机输入角度与末端执行机构输出位姿之间的关系;并确定康复装置的工作空间:绕X轴旋转最大角度为32°,绕Y轴旋转最大角度为37°,绕Z轴全周旋转.最后,加工出实验样机进行实验验证.结果表明,该装置运转平稳,工作空间内不存在卡死现象.     

带式输送机电液并联式混合驱动系统的研究

针对当前带式输送机驱动装置装机功率大、损耗能量、能源利用率低等问题，基于差动行星齿轮机构动力合成的原理，设计了具有广阔应用前景的带式输送机电液并联式混合驱动系统。采用AMESim仿真软件，建立了主交流电机变频调速驱动系统和辅助液压驱动系统模型，并进行了带式输送机从启动到稳定运行的动态特性分析。结果表明：所设计的电液混合驱动系统在带式输送机启动过程中，能进行功率、转速和转矩的合成，主、辅系统能够实现协同工作，带式输送机实现了“S”形速度曲线的软启动；在辅助液压驱动系统的工作下，主驱动电机的装机功率降低到了合理范围。     

单晶ZnO纳米弹簧压电性能的仿真研究

ZnO作为一种重要的压电半导体材料,在传感器、执行器、能量捕获及储能等压电电子学和压电光电子学领域发挥着关键作用。单晶ZnO纳米弹簧是诸多ZnO的纳米结构之一。为了解ZnO不同纳米弹簧中的压电电势,通过仿真软件建立了一系列基于无形变单晶ZnO纳米弹簧的仿真模型,比较了ZnO纳米弹簧与纳米线在相同长度内的压电电势和位移,分析了匝数、ZnO纳米螺旋的主要半径对压电电势分布和位移的影响:相同长度的ZnO纳米弹簧和纳米线在相同力作用下,分别获得约6.4 nm和0.02 nm的位移;随着匝数的增加,ZnO纳米弹簧的压电电势从0.26 V增加到1.80 V,位移从2.9 nm增加到8.2 nm。结果表明:ZnO纳米弹簧较纳米线具有更为突出的压电特性,是制备如纳米发电机、执行器和纳米传感器等压电纳米器件的理想材料。     

三电极碳纳米管传感器的极间距优化

三电极碳纳米管传感器各电极之间的间距大小是影响检测精度的关键因素之一。在用传感器阵列检测多组分气体混合物时,各传感器的极间距很难确定。为三电极碳纳米管气体传感器提出一种基于粒子群算法(PSO)的极间距优化方法。该方法包括设计极间距、组建由不同极间距的多个传感器组成的传感器阵列、建立包括极间距及检测离子电流的数据库、建立混合气体定量分析模型及极间距优化等步骤。采用多组由不同极间距的三个碳纳米管传感器构成的传感器阵列对NO和SO2 混合气体进行测量,其中各传感器的极间距均采用上述方法优化。实验结果显示,上述极间距优化方法能够有效地选择电极之间的最佳间距,优化极间距后的传感器也获得了更高的检测灵敏度。     

基于双线性插值法的比例方向阀死区补偿方法

为解决比例方向阀死区引起的流量非线性等问题,常常采用智能控制算法和死区补偿相结合的方法,这些方法往往都依赖于阀芯位移传感器和精确的比例方向阀模型,而对于无位移传感器的比例方向阀则无法应用,因此针对无位移传感器的比例方向阀,设计了能够不依赖位移传感器而进行死区补偿的双线性插值补偿策略。自研发的控制器采集压力传感器获取的进、出口压力值和输入电压值,进行双线性插值计算后输出校正后的电压值,以校正后的电压值代替输入电压值调节比例方向阀阀口开度以补偿死区,从而解决由死区引起的流量非线性等问题。试验结果表明,该死区补偿方法,可有效地减小无位移传感器比例方向阀的死区和滞环。     

核偏最小二乘特征提取在混合气体FTIR光谱定量分析中的应用

为进一步提高FTIR光谱法实现特征吸收光谱严重重叠的甲烷、乙烷、丙烷、异丁烷、正丁烷、异戊烷以及正戊烷七组分混合气体定量分析的精度和速度,提出一种核偏最小二乘(Kernel Partial Least square,KPLS)特征提取耦合支持向量回归机(Support Vector Regression Machine,SVR)的红外光谱定量分析新方法.首先采用KPLS方法对上述七组分混合气体的FTIR光谱进行特征提取,然后将特征提取得到的特征组分作为SVR的输入建立混合气体的定量分析模型.对标准混合气体进行定量分析的结果显示:KPLS-SVR模型的预测精度高于未进行特征提取SVR模型预测的精度,同时预测时间也减少了一半.研究表明,KPLS法可以很好地提取隐含在混合气体FTIR光谱数据与其组分浓度之间的非线性特征并有效地消除光谱数据噪声,大幅度降低数据维数,与SVR耦合可以提高红外光谱分析的精度和速度,是一种有效的红外光谱定量分析方法.     

论白酒生产企业质量体系要素中的几个问题

以人为本,通过教育培训,建立建全白酒生产企业质量管理体系。     

基于SDP图像与VGG网络的旋转机械转子故障诊断研究

针对传统故障诊断方法对旋转机械转子故障状态识别精度较低的问题,提出了一种基于对称点模式图像特征信息融合与深度学习相结合的旋转机械转子故障诊断方法。采用SDP信息融合技术,对转子故障状态下的多通道振动信号进行了信息融合,通过SDP图形特征可简单直观地区分不同转子故障振动状态;结合深度学习VGG网络自适应提取了SDP图像的特征信息,对不同故障转化的SDP图像实现了准确的诊断识别,进而判别了其故障类型;通过变速器机械故障模拟实验验证了所提出方法的有效性,并与传统机器学习方法极限学习机(ELM)进行了比较。研究结果表明:基于SDP图像与VGG网络的旋转机械转子故障诊断方法解决了转子故障振动信号中存在的高复杂、非线性和不稳定问题,与传统机器学习方法ELM相比具有更高的识别精度。     

摩擦提升机恒减速制动工况下的防滑特性

摩擦提升机是一种利用钢丝绳与卷筒之间的摩擦力来传动运动的矿井提升设备，其在紧急制动过程中容易出现钢丝绳打滑现象，严重威胁设备的安全运行。针对此问题，以恒减速紧急制动工况下的钢丝绳滑动为研究对象，提出利用加速度偏差对紧急制动过程中罐笼加速度进行归一化处理，以加速度偏差系数发生突变增大为钢丝绳发生临界打滑的判断依据，从而获得极限减速度。利用经过实验验证的摩擦提升机仿真模型和本研究所提出的方法获得了一系列恒减速制动工况下的极限减速度，经线性拟合后得到极限减速度预测模型，ax = -k1M + b1（下放工况）和ax=k2M+b2（提升工况），该预测模型将有助于恒减速制动工作点范围的确定，从而可为摩擦提升机防滑策略的制定提供依据。     

基于ShuffleNetv2-YOLOv3模型的静态手势实时识别方法

针对移动端平台下计算资源有限、存储空间小的特点,提出高效的ShuffleNetv2及YOLOv3集成网络静态手势实时识别方法,以减小模型对硬件的计算能力需求. 通过将轻量化网络ShuffleNetv2代替Darknet-53作为主干网络,减小模型的计算复杂度. 引入CBAM注意力机制模块,加强网络对空间和通道的关注度. 采用K-means聚类算法,重新生成Anchors的长宽比和数量,使重新生成的Anchors尺寸对目标进行精确定位来提高模型的检测精度. 实验结果表明,提出算法在手势识别上的平均识别准确率为99.2%,识别速度为44帧/s,单张416×416图片在GPU上的推理时间为15 ms,CPU上的推理时间为58 ms,模型所占内存为15.1 MB. 该方法具有识别精度高、识别速度快、内存占用率低等优点,有利于模型在移动终端上部署.