|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
一種帶速與水果重量的易損水果自適應(yīng)分級方法
本發(fā)明公開了一種自適應(yīng)帶速與水果重量的易損水果分級執(zhí)行裝置與方法。包括易損水果輸送模塊、水果稱重模塊、輸送帶速度監(jiān)測模塊、PLC控制模塊，輸送模塊用于傳送待分級水果，水果稱重模塊獲得待分級水果的重量，輸送帶速度實(shí)時監(jiān)測模塊在線監(jiān)測輸送帶的速度，PLC控制模塊根據(jù)監(jiān)測到的水果重量與輸送帶速度得到分級執(zhí)行機(jī)構(gòu)最優(yōu)的轉(zhuǎn)動角度，并控制伺服電機(jī)按一定的轉(zhuǎn)速帶動水果分級執(zhí)行機(jī)構(gòu)轉(zhuǎn)動對應(yīng)的角度，準(zhǔn)確的完成易損水果的分級。本發(fā)明利用實(shí)時監(jiān)測到的帶速和水果重量信息自動調(diào)整分級執(zhí)行機(jī)構(gòu)轉(zhuǎn)動的角度，適用于不同帶速和不同質(zhì)量條件下易損水果的準(zhǔn)確分級。
浙江大學(xué)
2021-04-11
自適應(yīng)帶速與水果重量的易損水果分級執(zhí)行裝置與方法
本發(fā)明公開了一種自適應(yīng)帶速與水果重量的易損水果分級執(zhí)行裝置與方法。包括易損水果輸送模塊、水果稱重模塊、輸送帶速度監(jiān)測模塊、PLC控制模塊，輸送模塊用于傳送待分級水果，水果稱重模塊獲得待分級水果的重量，輸送帶速度實(shí)時監(jiān)測模塊在線監(jiān)測輸送帶的速度，PLC控制模塊根據(jù)監(jiān)測到的水果重量與輸送帶速度得到分級執(zhí)行機(jī)構(gòu)最優(yōu)的轉(zhuǎn)動角度，并控制伺服電機(jī)按一定的轉(zhuǎn)速帶動水果分級執(zhí)行機(jī)構(gòu)轉(zhuǎn)動對應(yīng)的角度，準(zhǔn)確的完成易損水果的分級。本發(fā)明利用實(shí)時監(jiān)測到的帶速和水果重量信息自動調(diào)整分級執(zhí)行機(jī)構(gòu)轉(zhuǎn)動的角度，適用于不同帶速和不同質(zhì)量條件下易損水果的準(zhǔn)確分級。
浙江大學(xué)
2021-04-13
.jpg){kind=logo}
一種電動車傳動系統(tǒng)可變怠速起步試驗臺架
本發(fā)明公開了一種電動車傳動系統(tǒng)可變怠速起步試驗臺架，包 括控制電源、直流電動機(jī)、聯(lián)軸器、轉(zhuǎn)速轉(zhuǎn)矩傳感器、離合器、花鍵 軸、碟剎盤、機(jī)械制動裝置、直流發(fā)電機(jī)和電阻箱；控制電源連接至 直流電動機(jī)，轉(zhuǎn)速轉(zhuǎn)矩傳感器與直流電動機(jī)通過聯(lián)軸器相連，轉(zhuǎn)速轉(zhuǎn) 矩傳感器的輸出軸與離合器主動盤相連，離合器從動盤連接至花鍵軸 一側(cè)，花鍵軸另一側(cè)串接碟剎盤，機(jī)械制動裝置安裝在碟剎盤兩側(cè)， 直流發(fā)電機(jī)連接聯(lián)軸器接入試驗臺架傳動系統(tǒng)，電阻箱通過導(dǎo)線串入 直流發(fā)電機(jī)電樞回路。本發(fā)明在現(xiàn)有電動車試驗臺架緊固連接的傳動 軸系中引入離合
華中科技大學(xué)
2021-04-14
一種適用于水下聲發(fā)射燃速測試系統(tǒng)的液壓裝置
本發(fā)明屬于水下聲發(fā)射燃速測試相關(guān)技術(shù)領(lǐng)域，其公開了一種 適用于水下聲發(fā)射燃速測試系統(tǒng)的液壓裝置，所述液壓裝置包括增壓 系統(tǒng)，所述增壓系統(tǒng)包括增壓組件，所述增壓組件包括一次通過管道 相連接的油箱、柱塞泵、第二單向閥、壓油精濾器、第一比例減壓閥、 第二電磁換向閥、水增壓器、不銹鋼高壓水閥及燃燒室、連接于所述 柱塞泵的變頻電機(jī)及連接于所述水增壓器的水箱;所述水增壓器包括 兩個串聯(lián)的等徑、同心、共用一個活塞桿的液壓缸，兩個液壓缸分別 為液壓油入口液壓缸及出口液壓缸，所述液壓油入口液壓缸連接于所 述第二電磁換
華中科技大學(xué)
2021-04-14
大學(xué).jpg){kind=logo}
一種高拉速下抑制結(jié)晶器液面波動的裝置
（專利號：ZL 201510089923.3） 簡介：本發(fā)明公開了一種高拉速下抑制結(jié)晶器液面波動的裝置，屬于冶金工藝優(yōu)化技術(shù)領(lǐng)域。本發(fā)明包括聚流機(jī)構(gòu)、分流機(jī)構(gòu)及連接機(jī)構(gòu)，聚流器側(cè)面設(shè)有與其相連通的聚流口，聚流器內(nèi)部設(shè)有擋流板，聚流器上部設(shè)有圓形孔，該圓形孔與其上方的連接管相連通，連接管與出流口相連通；分流器為一長方體，分流器上部設(shè)有若干通孔，分流器下部設(shè)有矩形凹槽；出流口與吊柱相連，吊柱與分流器相連，大吊柱一端與分流器相連，大吊柱另一端與
安徽工業(yè)大學(xué)
2021-01-12
.jpg){kind=logo}
轉(zhuǎn)差型異步電動機(jī)矢量控制變頻調(diào)速裝置
本項目為異步電動機(jī)高性能運(yùn)行的變頻控制裝置，調(diào)速范圍1:100，實(shí)加負(fù)荷的最大動態(tài)速降小于0.5%，動態(tài)恢復(fù)時間0.1秒。功能完善，可應(yīng)用于惡劣環(huán)境下，可靠性高。該項目獲冶金部科技進(jìn)步四等獎。
北京科技大學(xué)
2021-04-11
.jpg){kind=logo}
永磁同步電機(jī)無差拍直接轉(zhuǎn)矩控制系統(tǒng)及控制方法
本發(fā)明公開了一種永磁同步電機(jī)無差拍直接轉(zhuǎn)矩控制系統(tǒng)及控制方法，解決了永磁同步電機(jī)采用傳統(tǒng)矢量控制或直接轉(zhuǎn)矩控制分別帶來的轉(zhuǎn)矩響應(yīng)較慢和轉(zhuǎn)矩紋波較大的問題。本發(fā)明方法根據(jù)永磁同步電機(jī)電壓、電流、磁鏈、電磁轉(zhuǎn)矩的關(guān)系，在離散狀態(tài)下利用數(shù)值積分原理構(gòu)造了一種狀態(tài)觀測器，同時引入ＰＩ調(diào)節(jié)器消除觀測誤差，實(shí)現(xiàn)了對下一控制周期系統(tǒng)狀態(tài)的準(zhǔn)確預(yù)測，基于該觀測器建立永磁同步電機(jī)無差拍直接轉(zhuǎn)矩控制系統(tǒng)，在保持轉(zhuǎn)矩響應(yīng)快的同時減小了轉(zhuǎn)矩紋波，提高了永磁同步電機(jī)運(yùn)行性能。
東南大學(xué)
2021-04-11
基于光譜擬合與差分算法的光纖傳感動態(tài)信號解調(diào)方法
本發(fā)明公開了一種基于光譜擬合與差分算法的光纖傳感動態(tài)信 號解調(diào)方法，包括：掃描得到光譜紋波；對光譜紋波進(jìn)行擬合獲得靜 態(tài)光譜；將光譜紋波與靜態(tài)光譜進(jìn)行差分處理獲得差值信號；對光譜 紋波的極值點(diǎn)進(jìn)行擬合獲得上下邊緣包絡(luò)曲線；對上下邊緣包絡(luò)曲線 進(jìn)行差分處理獲得光譜變化函數(shù)，將差值信號與光譜變化函數(shù)進(jìn)行歸 一化處理，獲得去包絡(luò)后差值信號，根據(jù)掃描速度和初始波長將波長 換算為時間，獲得去包絡(luò)后時域動態(tài)信號。本方法對紋波光譜及其擬 合曲線進(jìn)行差分獲得動態(tài)信號，可以消除諸如溫度、濕度等環(huán)境干擾， 且恢復(fù)的動態(tài)
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法
本發(fā)明公開了一種基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測方法，包括步驟：步驟 1，獲取樣本圖 像序列中各樣本圖像的圖像差分熵及不同壓縮倍數(shù)下的圖像結(jié)構(gòu)相似性；步驟 2，基于步驟 1 獲取的數(shù)據(jù)， 采用線性擬合方式構(gòu)建不同壓縮倍數(shù)下圖像差分熵與圖像結(jié)構(gòu)相似性間的線性關(guān)系，即圖像編碼質(zhì)量預(yù)測模 型；步驟 3，根據(jù)待預(yù)測圖像的圖像差分熵，采用圖像編碼質(zhì)量預(yù)測模型即可獲得待預(yù)測圖像在不同壓縮倍 數(shù)下的圖像結(jié)構(gòu)相似性。本發(fā)明簡單，高效，無需消耗較大的硬件
武漢大學(xué)
2021-04-14
.jpg){kind=logo}
基于空譜差分輔助核聯(lián)合稀疏表示的高光譜圖像分類
該成果提出了一種基于空譜差分輔助核聯(lián)合稀疏表示分類的高光譜圖像分類方法。本章方法的主要創(chuàng)新性在于：1）能夠?qū)⒐庾V的差分輔助信息和原光譜特征信息有效結(jié)合。2）能夠考慮不同光譜屬性間的高階空間相關(guān)信息。3）原空譜和差分空譜核特征字典的信息通過具有混合正則的核聯(lián)合稀疏表示分類方法得到充分利用。通過在真實(shí)高光譜圖像數(shù)據(jù)上的實(shí)驗表明，該成果提出的方法能夠有效地提高高光譜遙感圖像的分類效果。
主要技術(shù)指標(biāo)
不同數(shù)據(jù)集下的訓(xùn)練樣本與測試樣本數(shù)參閱表 1. 在該訓(xùn)練樣本集數(shù)量下的分類結(jié)果表現(xiàn)參見表 2. 相比于傳統(tǒng)分類器 SVM，OA 提高了約 20%；相比于 SOMP，OA 提高了約20%。
該成果無需使用 GPU 資源在保證精度的同時有效提升了分類的精度和效果，同時在較少訓(xùn)練樣本條件下仍能得到較好的分類精度和分類效果。
表 1. 不同數(shù)據(jù)集下的訓(xùn)練樣本選取數(shù)量
表 2. PaviaU 大學(xué)數(shù)據(jù)下不同方法的正確率比較
西安電子科技大學(xué)
2023-03-22