抗生素发酵罐内蛇管结垢原因分析及对策

就抗生素发酵罐内蛇管结垢原因进行分析,并提出解决方案。     

直线区间钢轨交替不均匀侧磨的成因及其影响

对铁路直线地段出现的钢轨交替不均匀侧磨的形态、特征以及成因进行了分析。     

基于AT90S8515单片机的蛇形机器人控制系统设计

介绍了一种基于AT90S8515单片机控制的蛇形机器人的结构原理和软硬件实现方法,该机器人采用遥控方式操作,能够良好地模拟蛇的直线运动,并能以设定的速度完成预先编排的抬头、摆尾等动作.由于采用了RISC结构的控制器,该机器人运动控制算法简单实用,成本较低,具有广阔的应用前景.     

不同变形区组成下铝合金厚板蛇形轧制板曲率建模分析

蛇形轧制作为一种新型的轧制工艺为高性能厚铝板生产提供了一种新方法,但是传统的异步轧制弯曲曲率模型不能用于蛇形轧制,蛇形轧制缺少精准的轧后曲率计算模型。根据变形区的特征及中性点的位置,确定了变形区组成及其存在边界条件;塑性变形区最多可分成4个区,对不同组成情况的变形区进行了分析,建立了各种情况下单位压力和上、下部分累积剪应变偏差模型,在此基础上建立了剪切应变引起的弯曲曲率模型,根据流动准则建立了轴向应变引起的弯曲曲率模型,最终建立了不同辊径比下的蛇形轧制的弯曲曲率模型。考虑到厚度方向变形的不均匀性,在建模过程中引入均匀系数E,使模型更加精确。采用Ansys模拟和实验数据进行了模型精度的间接验证。结果表明,与模拟和间接实验结果相比,最大和最小相对误差分别为10.71%和0.34%,证实了模型精度,可应用于弯曲曲率预测及控制;同时研究了不同工艺参数（偏移量、辊径比、压下量、工件初始厚度等）对弯曲曲率的影响规律。研究结果为厚规格铝板蛇形轧制生产提供重要理论和技术支持。     

蛇形机器人跟踪误差预测的自适应轨迹跟踪控制器

为了满足蛇形机器人轨迹跟踪运动的精度需要,消除外界干扰对机器人跟踪误差的影响,提出了一种蛇形机器人跟踪 误差预测的自适应轨迹跟踪控制器。 所提出的控制器实现了机器人干扰变量、摩擦系数和控制参数的预测,并用预测值和虚拟 控制函数来补偿系统的控制输入,抵消了蛇形机器人在轨迹跟踪过程中的侧滑角,避免了干扰变量对机器人带来的负面影响, 提高了轨迹跟踪的误差稳定性与控制精度。 在建立蛇形机器人模型后,利用积分形式的侧滑角补偿项改进了视线法,并设计了 蛇形机器人的自适应轨迹跟踪控制器。 使机器人的位置误差在 10 s 内实现收敛,角度误差小于 0. 03 rad,预测值误差在 5 s 内 收敛。 通过仿真实验,验证了所提出的控制器的有效性和优越性。     

G3i仪器在复杂地形井震混合施工的应用

G3i仪器是新一代有线遥测地震数据采集系统,它凭借其稳定的地面设备及超高的采集效率逐渐在国内勘探市场占据一席之地。本文介绍了G3i仪器在新疆某复杂地形三维项目中,采用井炮可控震源混合施工所遇到的问题及现场解决方法,以便更多的采集工作者了解和更好地使用该仪器。     

基于snake模型的IVUS图像序列三维分割方法

针对血管内超声（Intravascular Ultrasound,IVUS）图像序列中血管壁内外膜轮廓的提取问题,提出一种基于snake模型的三维并行分割方法。首先,对原始图像进行滤除噪声和抑制环晕伪像等预处理。然后,获取IVUS图像序列的四个纵向视图,并从中提取出内腔边界和中-外膜边界。通过将这些边界曲线映射到各帧IVUS图像中,得到横向视图中的初始轮廓。最后,将该初始轮廓作为snake模型的初始形状,通过使snake能量函数最小,模型不断变形,最终得到各帧IVUS图像中的内腔和中-外膜边界。该方法可实现对IVUS图像序列的并行分割,与二维串行分割方法相比,可大大提高处理效率。采用大量临床图像数据的实验结果证明该方法可自动、快速、可靠的完成IVUS图像序列的分割。     

主应力法计算蛇形轧制的轧制力

使用主应力法建立蛇形轧制过程中轧制力与轧制力矩的解析预测模型。将解析模型的计算结果与实验结果进行比较,验证了解析模型的准确性。运用该模型对蛇形轧制过程中不同的异速比、轧辊偏移距离、压下量和摩擦系数对轧制力和轧制力矩的影响规律进行研究。同时研究"搓轧区"对轧制力和轧制力矩的影响。结果表明,异速比的增大将导致"搓轧区"的增大,从而使轧制力和上轧辊轧制力矩减小,下轧辊轧制力矩增加。当异速比增大到速度较大的轧辊带动速度较小的轧辊时,慢速轧辊的轧制力矩将变为负值。轧辊错位距离的增大导致"搓轧区"减小,从而导致轧制力增加,上、下轧辊轧制力矩减小。压下量的增加导致"搓轧区"的减小,从而导致轧制力和上、下轧辊轧制力矩的增加。轧辊与轧板之间摩擦系数的增加使"搓轧区"减小,同时导致轧制力和上、下轧辊轧制力矩同时减小。研究为蛇形轧制在超大厚度板材制造中的应用,提供了理论基础。     

复杂背景下的行人检测与分割

传统的目标检测算法在复杂环境下受到背景因素的干扰,分割出来的目标往往不能满足后期处理的需要;由于分割的好坏直接影响后期的目标跟踪的实时性和精确性的高低。鉴于此,在进行图像跟踪和识别之前,先对目标进行检测和精准的分割,提出了在AdaBoost算法中在原始Harr_like特征的基础上添加梯形特征,检测出目标的大致位置,将其作为蛇形分割的初始位置,改进蛇形分割的能量函数,分割的行人边界逐步进行收缩直至能量最小,提取出行人的真正区域。对比性实验表明改进后的算法满足实时性要求和精度要求,在一定程度上达到智能化的需求。     

基于GVF Snake模型的设备内壁图像轮廓提取

主动轮廓模型主要用于计算机视觉与图像处理,尤其是用于检测对象的边界,是目前流行的图像分割算法,其主要优点是无论图像的质量如何,总可以抽取得到光滑、封闭的边界.通过使用梯度矢量流(Gradient Vector Flow,GVF)主动轮廓模型对设备内壁图像进行分割,克服了传统主动轮廓模型不能检测目标凹陷处,初始轮廓必须靠近物体边缘,以及收敛速度较慢的缺点.实验结果表明该算法不仅可以获得较好的设备内壁图像分割效果,而且能提高轮廓提取的速度,为标定设备内壁有损部位的几何参数提供良好的环境.