工业机器人校正技术及软件设计

机器人末端执行器准确到达预先指定位姿的能力是其重要的技术指标之一,而机器人位姿误差校正补偿技术正是提高机器人位姿精度的有效方法.本文采用机器人位姿误差局部校正方法,建立了机器人工作空间位姿转换矩阵及误差模型.以AdeptOne机器人为对象,利用光电检测手段,自行设计研     

湖北省农网配网低压台区综合配电箱现状调研

统计分析了湖北省各地区农网配网低压台区综合配电箱的运行现状,提出了其中存在的主要问题,为正在进行的低压综合配电箱的典型设计工作提供了参考和建议。     

Nonlinear compensation research and simulation of bandlimited QPSK digital satellite channels

0　ＩＮＴＲＯＤＵＣＴＩＯＮＰｅｒｆｏｒｍａｎｃｅｐｒｅｄｉｃｔｉｏｎａｎｄａｎａｌｙｓｉｓｏｆｎｏｎｌｉｎｅａｒｄｉｇ ｉｔａｌｓａｔｅｌｌｉｔｅｃｈａｎｎｅｌｓｈａｓｍｕｃｈｔｈｅｏｒｅｔｉｃａｌａｎｄｐｒａｃｔｉｃａｌｉｎｔｅｒｅｓｔｓ .Ａｎｉｍｐｏｒｔａｎｔｅｘａｍｐｌｅｏｆａｎｏｎｌｉｎｅａｒｃｈａｎｎｅｌｉｓａｄｉｇｉｔａｌｓａｔｅｌｌｉｔｅｃｏｍｍｕｎｉｃａｔｉｏｎｌｉｎｋ ,ｗｈｉｃｈｕｓｅｓａｔｒａｖｅｌ ｌｉｎｇｗａｖｅｔｕｂｅａｍｐｌｉｆｉｅｒ(ＴＷＴＡ)ｏｐｅｒａｔｉｎｇｉｎａ…     

基于三点工况下的无源滤波器组优化设计

无源滤波器组的参数设计通常均针对系统单一工况(通常为最大工况)进行。当系统运行在其他工况时,有可能无论退出哪一组滤波器的运行均无法同时满足系统的无功补偿和谐波治理要求。为此基于系统的3种典型工况(最大、平均和最小工况)对无源滤波器组进行优化设计,确定合理参数,以在最小的投资费用下达到谐波治理与无功补偿的最优匹配。算例结果验证了该方法的可行性。     

Structural scheme and theory behind feedback compensation of new parallel machine tools

0　ＩＮＴＲＯＤＵＣＴＩＯＮＡｎｅｗｔｙｐｅｏｆｐａｒａｌｌｅｌｍａｃｈｉｎｅｔｏｏｌｉｓｔｈｅｃｒｅａｔｉｖｅａｐｐｌｉｃａｔｉｏｎｏｆｔｈｅｓｐａｔｉａｌｍｕｌｔｉ ｌｏｏｐｍｅｃｈａｎｉｓｍｉｎｔｈｅｉｎ ｄｕｓｔｒｙｏｆｍａｃｈｉｎｅｔｏｏｌｓ .Ｉｔｓｐｒｏｔｏｔｙｐｅｉｓａ 6 6Ｓｔｅｗａｒｔｐｌａｔｆｏｒｍｍｅｃｈａｎｉｓｍ .Ｔｈｅｔｒａｄｉｔｉｏｎａｌｍａｃｈｉｎｅｔｏｏｌｓ ,ｄｕｅｔｏｔｈｅｉｒｓｅｒｉａｌｓｔｒｕｃｔｕｒｅ ,ｅｘｈｉｂｉｔｌｏｗｓｔｉｆｆｎｅｓｓａｎｄｐｏｏｒｍａ …     

PCI运动控制卡的访问方法

利用PCI总线协议和双向FIFO缓冲器,开发一种高速运动控制卡,实现处理机与控制卡之间高速双向并行通信,介绍了其硬件结构,讨论了利用Windriver时PCI卡的访问方法。     

基于Rough集方法的RS-MAXNET网络分类器模型

Rough集（RS）理论中如何补偿或拓展Rs约简的局部决策规则使之更加接近全局规则是一个重要的议题。本文提出RS与MAXNET网络结合拓展建立盼MAXNET全局网络分类器模型。基于上述模型进行的脱机手写模式识别算法说明了其有效性。     

电容器故障监测系统的应用研究

基于近年并联电容器装置频繁出现故障的现象和特点,研制出一套电容器故障监测系统,分别提取并联电容器装置的电流和电压实时信号,利用Labview虚拟仪器程序进行软件开发实现在线监测,对获取的电流电压信号进行谐波、合闸涌流、暂态过电压等方面进行分析和研究,并应用于现场测量,给出了一起电容器内部击穿故障的监测实例。     

基于Si8250的数控开关电源环路补偿器设计

以数字电源控制器的设计方法为研究对象,通过建立数控半桥变换器的环路数学模型,利用MathCAD和Matlab来完成环路开环稳定性的运算和分析,采用Venable III型补偿方法设计出数字PID补偿器。环路补偿实验证明,利用Si8250控制器的直接数字控制方案可以达到很好的环路动态响应和稳定特性。     

基于车载环境的交通目标跟踪

针对车载环境下小目标难以识别和相机动态移动造成的目标跟踪精度下降问题, 提出一种基于改进YOLOv5与ByteTrack的交通目标跟踪方法. 首先, 引入Transformer与加权特征金字塔(BiFPN)结构的思想重构YOLOv5检测网络, 有效捕获了特征的全局依赖关系, 缓解了深层卷积小目标信息丢失问题, 改善了车载环境下的目标检测性能. 此后, 以ByteTrack为基础提出了添加相机移动补偿的CMC-ByteTrack跟踪方法, 更精准地描述了视频前后帧的数据关联关系, 提高了相机大幅位移时的跟踪精度. 实验结果表明, 改进YOLOv5的平均检测精度(mAP)达到了82.2%, 相比原算法提高了3.9%, 与CMC-ByteTrack结合后的跟踪准确性(MOTA)相比改进前的跟踪方法提高了2.8%.