|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
一種多軸加工系統(tǒng)的刀具偏離量的建模方法
本發(fā)明公開(kāi)了一種多軸加工系統(tǒng)的刀具偏離量的建模方法，包 括：建立一種新的未變形切屑厚度模型，采用向量法建立圓弧刀變姿 態(tài)銑削加工切削力預(yù)測(cè)模型；運(yùn)用等效圓柱法建立機(jī)床傳動(dòng)軸的柔度 模型，并應(yīng)用力橢球方法和坐標(biāo)系變換建立了加工系統(tǒng)的綜合柔度度 模型；最后通過(guò)變姿態(tài)加工過(guò)程的切削力模型和多軸加工系統(tǒng)末端柔 度模型，得到刀具偏離量模型。本發(fā)明公開(kāi)的刀具偏離量的建模方法， 通過(guò)建立新的刀具切削刃的未變形切削厚度模型和多軸加工系統(tǒng)的綜 合柔度模型，得到更準(zhǔn)確的加工過(guò)程中的刀具偏離量變化規(guī)律，從而 在多軸加工中
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
大摻量粉煤灰水泥研究及其在工程中的應(yīng)用
工藝流程 ：將 50%以上的粉煤灰與硅酸鹽水泥熟料或硅酸鹽水泥、 少 量的化學(xué)外加劑和礦物混合材料共同磨細(xì)并混合均勻，即可制成滿(mǎn)足 GB1344-1999 水泥標(biāo)準(zhǔn)中強(qiáng)度等級(jí)為 32.5 或 32.5R 要求的大摻量粉煤灰水 泥。 技術(shù)特點(diǎn) ：該水泥具有熱量低、耐腐蝕性好的特點(diǎn)。它可以廣泛用于 工業(yè)與民用建筑中的地基、地下室、梁、板、柱等的混凝土工程，特別適 用于大壩、地基基礎(chǔ)、隧道、地下
南昌大學(xué)
2021-04-14
.jpg){kind=logo}
一種微閉孔輕量剛玉耐火骨料及其制備方法
小試階段/n重質(zhì)耐火材料輕量化是耐火材料重要的發(fā)展方向之一，開(kāi)發(fā)能夠直接在工作層使用的輕量耐火材料對(duì)整個(gè)高溫工業(yè)節(jié)能減排具有舉足輕重的意義。然而，現(xiàn)有的制備方法所制備的多孔耐火骨料盡管熱導(dǎo)率低，但由于顯氣孔率高或孔徑大無(wú)法滿(mǎn)足工作層耐火材料抗渣性能的要求，因此，實(shí)現(xiàn)工作層耐火材料輕量化的關(guān)鍵在于制備顯氣孔率低、閉口氣孔率高、孔徑小的輕量耐火骨料。。本項(xiàng)目旨在克服現(xiàn)有技術(shù)缺陷，任務(wù)是提供一種顯氣孔率低、閉口氣孔率高、體積密度較小、平均孔徑小、熱導(dǎo)率較低和抗熔渣侵蝕能力強(qiáng)的微閉孔輕量剛玉耐火骨料及其制備
武漢科技大學(xué)
2021-01-12
.jpg){kind=logo}
利用激光點(diǎn)云輔助的可量測(cè)全景影像生成方法
本發(fā)明公開(kāi)了一種利用激光點(diǎn)云輔助的可量測(cè)全景影像生成方法，包括：步驟 1，將全景影像進(jìn)行 虛擬成像獲得多幅框幅式影像；步驟 2，選取初始點(diǎn)對(duì)，并初始化各框幅式影像的外方位元素；步驟 3， 以初始點(diǎn)對(duì)中所有激光點(diǎn)到對(duì)應(yīng)框幅式影像上的投影誤差的和最小為條件方程，調(diào)整外方位元素初始值， 獲得精確的外方位元素值；步驟 4，構(gòu)建激光點(diǎn)云的空間索引，在空間索引中選取以曝光中心為球心的 球形鄰域，球形鄰域內(nèi)激光點(diǎn)云即全景影像的鄰域點(diǎn)云；步驟 5，計(jì)算鄰域點(diǎn)云中各激光點(diǎn)的法向量， 獲得鄰域點(diǎn)云的特征；步驟 6，將鄰域點(diǎn)云的深度和特征投影到全景影像。采用本發(fā)明生產(chǎn)的可量測(cè)全 景影像具有較高精度，可廣泛運(yùn)用于測(cè)量領(lǐng)域及資產(chǎn)調(diào)查。
武漢大學(xué)
2021-04-13
.jpg){kind=logo}
轉(zhuǎn)差型異步電動(dòng)機(jī)矢量控制變頻調(diào)速裝置
本項(xiàng)目為異步電動(dòng)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(dòng)態(tài)速降小于0.5%，動(dòng)態(tài)恢復(fù)時(shí)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(xiàng)目獲冶金部科技進(jìn)步四等獎(jiǎng)。
北京科技大學(xué)
2021-04-11
.jpg){kind=logo}
永磁同步電機(jī)無(wú)差拍直接轉(zhuǎn)矩控制系統(tǒng)及控制方法
本發(fā)明公開(kāi)了一種永磁同步電機(jī)無(wú)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(lái)的轉(zhuǎn)矩響應(yīng)較慢和轉(zhuǎn)矩紋波較大的問(wèn)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(cè)器，同時(shí)引入ＰＩ調(diào)節(jié)器消除觀測(cè)誤差，實(shí)現(xiàn)了對(duì)下一控制周期系統(tǒng)狀態(tài)的準(zhǔn)確預(yù)測(cè)，基于該觀測(cè)器建立永磁同步電機(jī)無(wú)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(shí)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(dòng)態(tài)信號(hào)解調(diào)方法
本發(fā)明公開(kāi)了一種基于光譜擬合與差分算法的光纖傳感動(dòng)態(tài)信 號(hào)解調(diào)方法，包括：掃描得到光譜紋波；對(duì)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(hào)；對(duì)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(duì)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(hào)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(hào)，根據(jù)掃描速度和初始波長(zhǎng)將波長(zhǎng) 換算為時(shí)間，獲得去包絡(luò)后時(shí)域動(dòng)態(tài)信號(hào)。本方法對(duì)紋波光譜及其擬 合曲線進(jìn)行差分獲得動(dòng)態(tài)信號(hào)，可以消除諸如溫度、濕度等環(huán)境干擾， 且恢復(fù)的動(dòng)態(tài)
華中科技大學(xué)
2021-04-14
基于差分熵和結(jié)構(gòu)相似性的圖像編碼質(zhì)量預(yù)測(cè)方法
本發(fā)明公開(kāi)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(cè)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(cè)模 型；步驟 3，根據(jù)待預(yù)測(cè)圖像的圖像差分熵，采用圖像編碼質(zhì)量預(yù)測(cè)模型即可獲得待預(yù)測(cè)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(jiǎn)單，高效，無(wú)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(lèi)
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(lèi)的高光譜圖像分類(lèi)方法。本章方法的主要?jiǎng)?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(guò)具有混合正則的核聯(lián)合稀疏表示分類(lèi)方法得到充分利用。通過(guò)在真實(shí)高光譜圖像數(shù)據(jù)上的實(shí)驗(yàn)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(lèi)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(cè)試樣本數(shù)參閱表 1. 在該訓(xùn)練樣本集數(shù)量下的分類(lèi)結(jié)果表現(xiàn)參見(jiàn)表 2. 相比于傳統(tǒng)分類(lèi)器 SVM，OA 提高了約 20%；相比于 SOMP，OA 提高了約20%。
該成果無(wú)需使用 GPU 資源在保證精度的同時(shí)有效提升了分類(lèi)的精度和效果，同時(shí)在較少訓(xùn)練樣本條件下仍能得到較好的分類(lèi)精度和分類(lèi)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
一種低噪聲差分前置放大電路及放大器
本發(fā)明公開(kāi)了一種低噪聲差分前置放大電路及放大器，低噪聲差分前置放大電路采用差分輸入輸出電路，對(duì)整體電路的噪聲性能起主導(dǎo)作用。由 Q1、Q2、Q3、Q4 四個(gè)并聯(lián)的 NPN 型晶體管對(duì)管和 Q5組成共射—共基放大電路。在 Q1、Q2、Q3、Q4 的基極引入無(wú)噪聲偏置電路。由電阻 R11、R16 和電容 C5 組成的電路為 Q5 提供基極偏置電壓。儀用放大器 U1、U2 對(duì)差分信號(hào)進(jìn)行放大。通過(guò)電阻 R2L(R2R)和
華中科技大學(xué)
2021-04-14