获胜第一：企业如何正确使用“价格战”

孙子曰：“兵者，国之大事，死生之地，存亡之道，不可不察也”。如果我们用孙子的观点论及企业发动价格战，我们不得不承认：企业决不会市场一难做、头脑一发热就想起降价或价格战，其实价格战是不得已而为之的事情。那么什么时候企业需要并可以挑起价格战呢？除非市场产品同质化、功能同质化、市场推广手段同质化、渠道雷同、终端同质化，造成市场竞技格局呈现对峙局面，不同品牌的厂商咬在一起，任何一方都动弹不得。关于新产品、新技术、新功能、新样式、新方法、新市场、新终端、人力资源这些促动产品销售的诸因素在短期内不可能产生变化的时候，特别是他自己或他的竞争对手有推出新品的计划。这才是降价或挑起价格战的最好时机。     

码垛机器人的研究与应用

通过对码垛机器人相关文献进行归纳整理,从结构优化、末端执行机构、运动规划、运动控制、机器人编程、国内应用等六个方面对码垛机器人进行了概述,分别阐述了机器人本体结构优化、运动规划的常见方法、机器人编程的常用手段、机器人控制的常用方法、避障规划的难点、多机器人协同的特殊性、各类型末端执行机构的优缺点,随后针对我国的码垛机器...     

改进TCPN变工况轴承故障诊断方法

针对变工况条件下传统方法仅提取局部特征导致准确率低以及样本维度过高导致训练耗时巨大等问题,提出一种改进的时域卷积池化网络模型（Temporal Convolutional Pooling Neural Network,简称TCPN）。首先,将原始轴承振动信号经过短时傅里叶变换得到二维时频矩阵,再将二维时频矩阵平铺为一维时频序列,并取绝对值;其次,虽然膨胀卷积可以大幅度扩大感受野,但是对于轴承振动信号等高维特征仍需要较深的网络结构,因此对膨胀卷积进行结构优化,用于挖掘全局特征,同时降低模型复杂程度。再次,为模糊不同工况下相同故障的分布差异,对残差块进行结构优化,使用小卷积核提取局部特征,以拼接的方式与膨胀卷积进行特征融合,兼顾轴承振动信号中的全局特征与局部特征;最后,为了解决训练样本维度太高导致的训练成本过高的问题,对原始数据进行降采样研究,在保持较高准确率的情况下大量节省了训练时间。将所提方法与传统卷积神经网络及时域卷积神经网络（Temporal convolutional neural network,简称TCN）相比,实验结果表明,提出的模型准确率提高约5 %,模型训练耗时降低约30 %,并且收敛速度更快,训练模型的迭代次数更少,具有很强的鲁棒性。     

基于立体视觉的目标检测与轨迹预测研究综述

目前基于立体视觉信息的运动目标识别定位、跟踪及轨迹预测是机器视觉领域的研究热点.通过归纳整理相关文献,从双目立体视觉技术、运动目标检测技术、运动目标轨迹预测技术三个方面对基于立体视觉的运动目标检测及轨迹预测进行了概述,分别阐述了相机标定的常见方法、图像特征提取及立体匹配不同算法的适用场景、各运动目标检测方法的优缺点、常...