葡京娱乐场-富盈娱乐场开户

本發(fā)明公開(kāi)了一種基于距離方差最小的工件點(diǎn)云匹配算法，包 括以下步驟：(1)分別構(gòu)建測(cè)量模型點(diǎn)云和帶法矢的設(shè)計(jì)模型點(diǎn)云：(2) 尋找最近點(diǎn)點(diǎn)集及最近點(diǎn)法矢集合；(3)根據(jù)余量要求，建構(gòu)基于距離 方差的目標(biāo)函數(shù)：(4)通過(guò)目標(biāo)函數(shù)求解測(cè)量模型與設(shè)計(jì)模型間的剛體 變換參數(shù)，并利用剛體變化參數(shù)更新測(cè)量點(diǎn)云，實(shí)現(xiàn)點(diǎn)云匹配。本發(fā) 明中的基于距離方差最小的點(diǎn)云匹配算法，對(duì)于工件存在余量的情況， 不論凹面和凸面的余量是相等，還是呈差值或者比值關(guān)系，均能較好 的得到點(diǎn)云匹配的結(jié)果，迭代效率高、匹配準(zhǔn)確性好。 

基于流體動(dòng)力，對(duì)微創(chuàng)深靜脈血栓取除器械進(jìn)行優(yōu)化設(shè)計(jì)，通過(guò)初步離體血栓實(shí)驗(yàn)驗(yàn)證了取栓器的血栓取除率、殘血栓粒度、取栓時(shí)間等；改進(jìn)雙側(cè)乳腺鉬靶圖像預(yù)處理算法及數(shù)據(jù)處理算法，可提高乳腺癌預(yù)測(cè)的精度、敏感性、特異度。

項(xiàng)目背景：目前以液壓作為驅(qū)動(dòng)的伺服控制系統(tǒng)的高精 度、高頻率動(dòng)態(tài)控制技術(shù)基本被 MTS、MOOG、Delta 等國(guó)外 設(shè)備商壟斷，這些伺服控制器適用性強(qiáng)、性能指標(biāo)高和資源 配置靈活，能實(shí)現(xiàn)多參數(shù)同時(shí)控制和補(bǔ)償，特別在系統(tǒng)的非 線性修正、控制特性的改善以及控制狀態(tài)的轉(zhuǎn)換方面具有較 大的優(yōu)勢(shì)，尤其是在控制算法上有很大的優(yōu)勢(shì)。國(guó)內(nèi)目前無(wú) 論是高性能動(dòng)態(tài)控制器還是與之適配的控制算法，與國(guó)外相 比起步較晚，在這方面的研究相對(duì)落后，與國(guó)外伺服控制系 統(tǒng)的水平還有較大差距。國(guó)內(nèi)雖然有研究，但沒(méi)有形成自己 的產(chǎn)品，為滿足國(guó)內(nèi)各科研、生產(chǎn)需要，提供一流水平的靜 動(dòng)載控制設(shè)備，實(shí)現(xiàn)電液伺服系統(tǒng)實(shí)時(shí)運(yùn)動(dòng)控制，需要尋求 到具有國(guó)際一流水平的高性能控制器及配套動(dòng)態(tài)控制的算 法。 所需技術(shù)需求簡(jiǎn)要描述：1.電液伺服控制器硬件設(shè)計(jì)。 選擇合適的硬件，以 DSP、FPGA 為核心的電液伺服控制器， 達(dá)到單多軸運(yùn)動(dòng)控制，特別是高速高精度的運(yùn)動(dòng)控制。2.伺 服控制軟件設(shè)計(jì)。在硬件完成的基礎(chǔ)上，編寫(xiě)系統(tǒng)的各個(gè)功 能模塊、編寫(xiě)底層驅(qū)動(dòng)軟件及相關(guān)調(diào)試、及通訊接口很方式， 完成控制器位置控制的應(yīng)用程序編制，并完成控制器位置控 制的應(yīng)用程序編制調(diào)試。研究出配套的動(dòng)態(tài)控制算法（加速 度、速度前饋控制、自適應(yīng) PID 等），配置合適的動(dòng)態(tài)控制 算法，最終形成具有完全自主知識(shí)產(chǎn)權(quán)的控制系統(tǒng)。3.控制器硬件應(yīng)能保證長(zhǎng)時(shí)間可靠運(yùn)行，閉環(huán)控制頻率不低于 10kHz，多路 24 位以上 AD，可采集 mv、V、mA、數(shù)字脈沖、 格雷碼、二進(jìn)制等多種模擬量、數(shù)字量信號(hào)，多路 16 位以 上 DA，可輸出 V、mA、數(shù)字脈沖等多種模擬量、數(shù)字量信號(hào)； 動(dòng)載可滿足 10~100Hz 動(dòng)態(tài)波形的控制需求，控制精度不低 于 0.5%F.S。  對(duì)技術(shù)提供方的要求:1.具有成功的液壓油缸動(dòng)載控制 實(shí)施案例，承擔(dān)過(guò)國(guó)家重點(diǎn)研發(fā)計(jì)劃項(xiàng)目。2.熟悉液壓油缸 的結(jié)構(gòu)設(shè)計(jì)，熟悉液壓油缸控制系統(tǒng)及算法的設(shè)計(jì)。3.具有 工學(xué)博士學(xué)位或高級(jí)工程師職稱，合作方需為國(guó)內(nèi)一流 211 大學(xué)，技術(shù)方案成熟可靠穩(wěn)定有創(chuàng)新思維，不涉及知識(shí)產(chǎn)權(quán) 侵犯。 

由于航空發(fā)動(dòng)機(jī)和燃?xì)廨啓C(jī)葉片型面是空間異型曲面，因而其設(shè)計(jì)、制造及維修都面臨巨大挑戰(zhàn)。為了在設(shè)計(jì)加工層面提高葉片加工質(zhì)量，同時(shí)在修復(fù)層面提高葉片使用壽命，開(kāi)展葉片高效高精測(cè)量研究至關(guān)重要。 本項(xiàng)目面向葉片制造研發(fā)了一套基于四軸運(yùn)動(dòng)平臺(tái)與線激光掃描相結(jié)合的葉片型面檢測(cè)裝置，并開(kāi)發(fā)了集運(yùn)動(dòng)控制、數(shù)據(jù)采集與處理、精度評(píng)估等多功能于一體的軟件系統(tǒng)，可實(shí)現(xiàn)多類型葉片的二維截面高精度測(cè)量與三維型面自動(dòng)化高效重構(gòu),有效克服因葉片復(fù)雜結(jié)構(gòu)特征帶來(lái)的掃描數(shù)據(jù)密度差異性大、重疊區(qū)不足等因素對(duì)重構(gòu)精度的影響。本項(xiàng)目面向葉片3D打印修復(fù)，研發(fā)了一套高效高精度的葉片檢測(cè)方法與集成系統(tǒng)，可實(shí)現(xiàn)批量化葉片截面輪廓位姿及其輪廓的自動(dòng)化測(cè)量、數(shù)據(jù)重構(gòu)和葉片配準(zhǔn)，為葉片修復(fù)工藝流程中的3D打印和后續(xù)機(jī)加工等工藝環(huán)節(jié)提供關(guān)鍵的數(shù)字化測(cè)量、加工工藝數(shù)據(jù)，有效提升修復(fù)精度與效率，并降低成本。 本項(xiàng)目的開(kāi)發(fā)成果可應(yīng)用于航空發(fā)動(dòng)機(jī)、燃?xì)廨啓C(jī)等葉片制造、修復(fù)全生命周期的測(cè)評(píng)、重構(gòu)、反求等場(chǎng)景，市場(chǎng)規(guī)模大。 圖 面向葉片3D打印修復(fù)的檢測(cè)方法與集成系統(tǒng)硬件平臺(tái)

杭州冠力智能科技有限公司是建筑增材智能制造全方案提供商和建材智能智慧型試驗(yàn)檢測(cè)設(shè)備研發(fā)生產(chǎn)的科技型企業(yè)，總部位于杭州，在山西設(shè)有機(jī)加工基地，山東設(shè)有建筑3D打印基地。擁有發(fā)明專利3項(xiàng)、實(shí)用新型專利17項(xiàng)、外觀專利9項(xiàng)、軟著8項(xiàng)，專著3部，主參編行業(yè)內(nèi)標(biāo)準(zhǔn)31部。   組建了一支由具有多年土工工程行業(yè)背景、全球知名高校碩博畢業(yè)高級(jí)知識(shí)分子構(gòu)成的研發(fā)團(tuán)隊(duì)，涵蓋建筑結(jié)構(gòu)、建筑材料、算法開(kāi)發(fā)、軟件開(kāi)發(fā)、機(jī)械設(shè)計(jì)、電控設(shè)計(jì)等多專業(yè)、多學(xué)科融合，主要研發(fā)人員包括清華大學(xué)、浙江大學(xué)、澳大利亞斯威本科技大學(xué)等知名高校的6名博士、6名碩士，其中6人具有高級(jí)職稱，6人具有中國(guó)建筑科學(xué)研究院、中國(guó)建筑技術(shù)中心等國(guó)內(nèi)建筑領(lǐng)域知名央企高管從業(yè)背景。

發(fā)明專利 “ 一種基于小波差分算法的電纜故障測(cè)距方法應(yīng)用于電力電纜在線故障定位 ” ，證書(shū)證號(hào) 955827 ，專利號(hào) ZL 2010 1 0235507.7 。該方法用于電力電纜的在線故障測(cè)距。

本發(fā)明公開(kāi)了一種基于類相似性測(cè)量的實(shí)時(shí)目標(biāo)跟蹤算法，目標(biāo)跟蹤對(duì)實(shí)時(shí)性要求非常高，在目前 主流的基于檢測(cè)跟蹤的框架下，根據(jù)測(cè)試樣本與目標(biāo)類和背景類的相似度比較來(lái)確定目標(biāo)在新幀中的目 標(biāo)位置。本方法首先在當(dāng)前幀采集目標(biāo)類和背景類集合，計(jì)算出它們的統(tǒng)計(jì)特征，并在下一幀采集測(cè)試 樣本集合。本方法定義了一種計(jì)算測(cè)試樣本與類之間相似度的量化標(biāo)準(zhǔn)，通過(guò)找出與目標(biāo)類相似以及和 背景類不相似的測(cè)試樣本來(lái)確定目標(biāo)位置。本方法明顯提高了跟蹤的實(shí)時(shí)性以及跟蹤精度。

物流調(diào)度、航班規(guī)劃等復(fù)雜應(yīng)用場(chǎng)景中，設(shè)計(jì)方案的評(píng)價(jià)隨著時(shí)間動(dòng)態(tài)改變。這類優(yōu)化問(wèn)題在現(xiàn)實(shí)中廣泛存在并且求解困難。為了推動(dòng)該領(lǐng)域的發(fā)展，亟待提出能反映動(dòng)態(tài)優(yōu)化問(wèn)題復(fù)雜特性并且可控的測(cè)試集，從而推動(dòng)動(dòng)態(tài)優(yōu)化算法在現(xiàn)實(shí)問(wèn)題中的應(yīng)用。課題組在

本發(fā)明公開(kāi)了面向大規(guī)模圖像視覺(jué)特征的多維倒排索引與快速檢索算法，包括：利用圖像的視覺(jué)特征訓(xùn)練增強(qiáng)型殘差量化所需的多層碼書(shū)，并利用所訓(xùn)練的碼書(shū)構(gòu)建多維倒排索引；根據(jù)已訓(xùn)練完成的碼書(shū)，對(duì)圖像視覺(jué)特征進(jìn)行量化和編碼，同時(shí)根據(jù)計(jì)算得到的編碼將其插入到倒排索引中對(duì)應(yīng)的倒排列表；利用查詢圖像視覺(jué)特征對(duì)所構(gòu)建的多維倒排索引進(jìn)行查詢，獲得查詢候選集；利用自適應(yīng)超球體過(guò)濾對(duì)查詢候選集進(jìn)行優(yōu)化，對(duì)過(guò)濾后的查詢結(jié)果排序，從而完成圖像視覺(jué)特征的檢索。本發(fā)明的方法通過(guò)對(duì)圖像特征進(jìn)行量化和編碼，提高圖像特征的量化效率；利用所生