PDP荧光粉浆料用有机载体的研制

使用混合溶剂,得到了具有层次挥发性的PDP(等离子体显示板)荧光粉浆料用有机载体,研究了有机载体对烧结后荧光粉亮度的影响。结果表明:使用了载体的荧光粉浆料烧结后亮度比达98%(147nm),包膜荧光粉亮度比可达106%(147nm)。此载体可以用于配制PDP荧光粉浆料。     

关于将220 V电源引进张牵场的思考

1 现状 输电线路架设任务的施工中,牵引场和张力场转场次数频繁,绝大多数场地没有外接电源.另据调查,国内外的生产厂家制造的张牵设备上也没有配备220 V电源的发电装置.如果确实需要外接电源,一般通过独立的柴油发电机获得.     

关于行星齿轮机构在搓背器上的应用与研究

本文通过对传统搓背器进行优化,得出行星齿轮机构的优化方案,利用Solidworks对新型搓背器进行三维建模,再对其进行运动学分析,分析其合理性,验证行星轮机构在运转中的稳定性,最后对其应用价值进行讨论.     

三维复杂曲面的手绘生成方法

为便于用户在概念设计时快速进行三维形状设计,将变分隐式曲面表示与手绘草图相结合,提出一种三维复杂曲面的交互生成方法.该方法分别采用膨胀变换、曲线交叉变换和弯曲变换,将轮廓、截面和骨架等3种交互笔画扩展生成三维约束点,支持用户以手绘草图方式来控制生成三维曲面的形状;通过对变分隐式曲面函数的局部化来实现曲面混合,保证三维复杂曲面交互生成的实时性.实验结果表明:文中方法能生成多种不同形状的三维复杂曲面,可有效地支持三维复杂形状的"分而治之"构造过程.     

自适应骨骼中心的人体行为识别算法

目的 基于3维骨架的行为识别研究在计算机视觉领域一直是非常活跃的主题,在监控、视频游戏、机器人、人机交互、医疗保健等领域已取得了非常多的成果。现今的行为识别算法大多选择固定关节点作为坐标中心,导致动作识别率较低,为解决动作行为识别中识别精度低的问题,提出一种自适应骨骼中心的人体行为识别的算法。方法 该算法首先从骨骼数据集中获取三维骨架序列,并对其进行预处理,得到动作的原始坐标矩阵;再根据原始坐标矩阵提取特征,依据特征值的变化自适应地选择坐标中心,重新对原始坐标矩阵进行归一化;最后通过动态时间规划方法对动作坐标矩阵进行降噪处理,借助傅里叶时间金字塔表示的方法减少动作坐标矩阵时间错位和噪声问题,再使用支持向量机对动作坐标矩阵进行分类。论文使用国际上通用的数据集UTKinect-Action和MSRAction3D对算法进行验证。结果 结果表明,在UTKinect-Action数据集上,该算法的行为识别率比HO3D J2算法高4.28%,比CRF算法高3.48%。在MSRAction3D数据集上,该算法比HOJ3D算法高9.57%,比Profile HMM算法高2.07%,比Eigenjoints算法高6.17%。结论 本文针对现今行为识别算法的识别率低问题,探究出问题的原因是采用了固定关节坐标中心,提出了自适应骨骼中心的行为识别算法。经仿真验证,该算法能有效提高人体行为识别的精度。     

冲压自动生产线上下料机器人示教编程方法

针对由多台机器人及多种辅助设备组成的冲压自动生产线编程量大、运动协调关系复杂、联锁信号多的特点,介绍一种离线规划与线示教相结合的冲压机器人示教编程方法,对冲压机器人进行运动轨迹、作业内容等方面的示教,降低了示教内容的复杂性,节省了在线示教所占用的现场调试和生产时间。     

北斗短报文电网状态监测及应急通信系统

我国现有输电线路状态监测系统的信息传输方式在灾后应急状况下的应用效果并不理想,该文依据国家电网公司的相关标准,利用北斗卫星导航系统的短报文通信功能设计了一种输电线路状态监测系统及一套相应的应急通信方法,该系统不仅能够满足正常情况下监测数据的可靠接入和上传,而且通过一套异常触发和信息分级传输,能够保障灾难、事故等恶劣情况下的电网监控关键信息的有效可靠传输,最后用OMNeT++软件仿真实现了上述系统及方法,验证了其正确性和可行性.     

基于翻转课堂模式优化中职课堂教学实践探究

在当前,翻转课堂模式可谓是对传统教学模式的改革.在信息技术手段的支持下,知识的传授可以在课堂以外的维度完成,而学生对知识的自我构建则在课堂教学活动内实现.在计算机基础课程《flash动画制作》中,运用翻转课堂教学模式优化项目驱动教学结构,将课前、课中、课后连为一体,为学生创设自主学习的场域,增强学生学习的积极主动性,加强师生及学生间的互动.依据中职教学的特点和建构主义教学理念,本文在实践的基础上尝试提出适用于中职教学的翻转课堂实施建议,希望对于中职教学改革有一定的借鉴意义.     

基于深度学习的线上农产品销量预测模型研究

本文基于线上农产品销售存在的信息不对称问题,提出一种应用深度学习算法优势结合涉农电商销售数据特点的销量预测模型-皇冠模型（Imperial Crown Model,简称ICM）。首先建立因素评价指标,将销量分为四个类别。其次,采用两层自编码网络从无标签数据集中学习得到能够表征数据特征的参数,并生成新的特征向量。然后利用训练后的有标签样本集和无标签样本集训练分类器并分类。最后,利用反向传播算法微调整个网络参数得到使损失函数值达到最小的最优参数,从而实现线上农产品的销量分类预测。经仿真分析,验证了ICM模型的分类准确率高达88%,明显高于其它未将数据进行特征学习的浅层分类器,证明了ICM具有较好的增量自学习能力和层次认知能力。     

基于SOPC的GPS信息加密传输系统

设计了一个GPS信息加密传输系统,用于车辆、人员等重要移动目标的远程监控。该系统主要由一台中心计算机和一组终端模块组成,前者负责定位信息的接收、处理、显示以及密钥分发等系统管理任务,后者安装在被监控的移动目标上,负责定位及其它监控信息的加密传输,中心计算机与终端模块之间采用CDMA进行无线通信。终端模块利用商用GPS接收模块实现定位信息采集,采用基于Alera FPGA的SOPC技术,实现了整个终端模块的控制和数据加解密。