本发明公开了一种可穿戴式上肢康复训练机器人装置，包括肩关节、上臂、肘关节、前臂、腕关节和手掌。本发明机器人装置有 8个自由度，用来模拟人的上肢关节自由度，康复训练中能够提供较多的活动度，使人体上肢的主要关节都能得到辅助训练；采用可穿戴式结构，结构简单，重量轻，能穿着于患者身上，舒适性好，并且直接作用于患肢，因此训练的针对性强，效果好。多自由度的结构设计，可以满足多种控制方式，可以辅助患肢进行单关节运动和多关节复合运动的康复训练，达到辅助完成患者的日常生活需要的目的。

本成果提出了一种新型的移动式磨抛加工机器人方案，实现了具有高转动输出特性的并联机构构型创新设计与尺寸参数优化，建立了机器人整机高刚度高能效设计方法，开发了高能量密度关键驱动单元，搭建了开放式机器人控制系统并研制了移动式混联磨抛机器人系统样机，攻克了机器人精度保证难题并实现了末端执行器的准确定位。 项目研究了曲面自适应的主被动耦合柔性磨抛法兰，建立材料去除模型以研究进给速度与接触力同步耦合规划方法、开发了面向大型风电叶片磨抛加工余量检测的原位视觉测量系统，进行了面向大型风电叶片磨抛的原位视觉测量-余量补偿-力控加工的自适应打磨与验证，为大型风电叶片力控磨抛工艺系统设计提供了理论基础和实现手段。 并且项目研制基于玻璃钢叶片高光反射表面三维激光扫描测头，构建了面向超大叶片的多移动机器人协作型激光三维测量系统，并完成了大型风电叶片测量软件的开发，实现风电叶片高精度定位以及健壮、高效高精的多机器人协作测量与叶型分析。 【技术指标】 【市场前景】 目前机器人打磨技术在汽车零部件、五金卫浴、3C电子、工业零件、医疗器械、航空航天和轨道交通等行业已经有较为成熟的应用。但相对焊接、喷涂、搬运码垛等机器人应用来说，打磨应用规模还比较小，随着人口红利的消失、产品成本降低和产品质量提高的要求，这一细分领域也蕴涵着巨大的发展潜力。近几年，我国打磨机器人行业市场规模快速增长，从2012年的15.58亿元增长到了2022年的96.1亿元，年均复合增长率达到18%，未来随着劳动力结构的改变及智能制造的发展仍有开拓增长空间。

智能机器人创新实验平台是由海天雄研发的以Cortex-A15高性能ARM芯片为上位机来控制机器人行为动作的平台，由上位机系统(ARM芯片)与下位机(51芯片)两大部分组成。该平台可根据不同的实验需求进行独立工作。 上位机（三星公司Cortex-A15的5260 ARM芯片）主要是运行控制机器人的Android应用程序，并且此系统也拥有丰富的外设，可以用来学习Android应用程序的开发以及ARM芯片的学习，可以作为整个嵌入式系统的教学平台使用。 下位机（AT89C51系列的芯片）主要是根据上位机发送的命令控制机器人的动作行为，此系统可以拥有一般51单片机的外设（LED、数码管、蜂鸣器等），可以独立使用，并且拥有大量的传感器，例如：舵机、超声波、直流电机、摄像头等。 智能机器人创新实验平台采用的是上位机控制，通过WiFi路由通道，根据下位机探测的环境因素判断情况回传给上位机以此智能控制。另外，可以在非控制情况下循迹运行。主要由四大块组成：上位机5260平台运行Android程序、WiFi路由模块、单片机与驱动模块以及机器人的感知与控制系统。

1、产品介绍 AI人工智能语音与机器视觉应用系统是一款集成AI语音、机器视觉、深度学习基础、嵌入式Linux于一体的高端教学科研实验平台。 整个教学平台由实验箱高性能嵌入式主板够成，高性能嵌入式核心板采用高性能64位ARM处理器，标配4GB DDR3内存和16GB闪存，可运行ubuntu、android、linuxqt等多种操作系统，可满嵌入式linux和AI应用开发。 平台采用多核高性能 AI 处理器，预装 Ubuntu Linux 操作系统与 OpenCV 计算机视觉库，支持 TensorFlow Lite、NCNN、MNN、Paddle-Lite、MACE 等深度学习端侧推理框架。 提供多种应用外设与丰富的机器视觉、AI语音、深度学习实战应用案例，如语音前处理（声源定位、语音增强、语音降噪、回声消除、声音提取）、语音活体检查、语音唤醒、语音识别、语音合成、自然语言处理、声纹识别门锁、语音智能家居、手写字识别、人脸识别、目标检测、端侧推理框架、图像识别、人体分析 、文字识别、人脸门禁控制、车牌道闸控制、手势家居控制等，通过案例教学让学生掌握计算机视觉与深度学习的基本原理和典型应用开发。 2、产品特点 （1）先进性 性能卓越：搭载AI嵌入式边缘计算处理器RK3399，配备4GB RAM与16GB存储空间，以及6英寸高清电容触摸屏，确保流畅的用户体验。 高效运算：配NPU协处理器模块，专为神经网络模型设计，提供高达8 TOPs@300mW的运算能力。 接口丰富：提供双路0、四路USB2.0、RS232、RS485以及多种嵌入式拓展接口，满足多样化的外设连接需求。 （2）扩展性 定制化设计：所有硬件单元均采用模块化设计，支持根据具体需求进行定制化选型和搭配。 项目套件丰富：提供多种可选的项目套件模块，支持完成多样化的AI应用场景设计和创新。 智能网关平台：智能边缘计算网关平台配备了包括GPIO、ADC、IIC、UART、PWM、SPI在内的常用接口拓展，增强了平台的适应性和灵活性。 （3）包容性 多功能应用：实验平台适用于人工智能、嵌入式系统、物联网、移动互联网、智能硬件等多个学科的实验教学，提供全面的教育资源。 课程与实验：支持包括Python程序设计、嵌入式Linux操作系统、机器视觉技术、自然语言处理、神经网络原理、无线通信、Android应用技术、物联网中间件、AIOT应用实训等在内的丰富课程和实验。 专业融合：平台在硬件设计上实现了物联网、人工智能和嵌入式技术的兼容性，提升了实训设备的复用率，有效解决了学校实训室空间和资金的限制问题。 AI语音与机器视觉应用系统致力于解决学校在开设人工智能课程时面临的师资、教学资源、实训资源、设备以及与行业应用对接的挑战，实现了产学研创一体化的教育模式 3、应用 系统支持多个工业化的应用场景，以智慧家居、智慧停车场、智慧门禁、智慧交通、趣味AI、智慧工地六大应用场景，及基于六大应用场景的20多种小AI应用场景。所有的应用场景及业务子项功能，均来自真实的人工智能行业应用。 4、配套 该产品除完整的软硬件系统外,还配备针对设备完整的人工智能实训指导书完整丰富的教学实训素材资源、以及基于设备系统的人工智能教学视频光盘。本产品提供免费的安装部署服务和设备实训培训服务。

1、机器学习领域技术性人才 2、存储系统领域技术性人才 3、系统软件领域技术性人才 4、分布式存储系统架构领域技术性人才 5、分布式存储系统重删领域技术性人才 6、分布式存储系统资源调度领域技术性人才 7、分布式存储系统非易失介质领域技术性人才 8、分布式存储系统网络领域技术性人才 9、固态盘领域技术人才

观察齿轮与齿轮间的咬合传动，从而获得其交互作用的概念，并培养小朋友对科学的兴趣。可作制作套件用。

本发明公开了一种柔性自适应的支撑式管道内检测机器人，包括柔性自适应支撑机构、驱动机构、检测 机构和摄像机构;摄像机构安装在柔性自适应支撑机构前端;柔性自适应支撑机构与驱动机构连接，用于保 证机器人在管道内移动时，具有自动适应变径管、障碍或弯管的能力;检测机构安装在驱动机构上，当机器 人在管道内检测作业时，检测机构中的探头部分与管道内壁完全接触。本发明实现了机器人对管道的柔性自 适应以及支撑式管道内机器人的模块化，增强了机器人在管道内的行走能力，也方便了此类机器人的检修; 本发明同时还实现了管内检测机器人搭载无损检测设备，从而提高了问题管道的检测能力。

1.成果原理：通过图像增强算法优化恶劣天气下导盲犬视野，结合Transformer模型实现环境多模态语音描述，并通过手机平台实现远程监控与交互。 2.创新点：恶劣天气适应性（突破传统导盲设备在雾霾、雨雪等极端场景的视觉限制）；多模态交互(支持语音合成、家人音色定制及实时场景描述，兼顾安全性与情感需求)；轻量化设计(项圈重量适配犬只行动，避免传统穿戴设备的负担)。 3.应用场景：视障人士日常出行、导盲犬训练基地、公共复杂环境。 4.应用案例：与吉林外国语大学、科大讯飞联合开展技术验证，完成实验室原型测试。 5.成果获奖： 2023年“互联网+”大学生创新创业大赛吉林省铜奖 2024年“挑战杯”吉林省大学生创业计划竞赛银奖 6.成果评价：丰富了国内导盲生物辅助设备研究内容，获吉林省大学生创新创业大赛重点支持，技术专利布局中，市场潜力预估超800万视障人群需求，助力东北地区智能装备产业升级与民生福祉提升。

本发明提供了一种材料强度分布获取方法，通过材料的强度试验获得若干个材料强度样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１１．ＴＩＦ＇　ｗｉ＝＇６０＇　ｈｅ＝＇５９＇／）确定基于试验数据的强度随机变量样本：（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１２．ＴＩＦ＇　ｗｉ＝＇１７９＇　ｈｅ＝＇１２８＇／）将强度随机变量η采用混沌多项式展开，根据高斯采样计算得到各阶混沌多项式基函数样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１３．ＴＩＦ＇　ｗｉ＝＇１５６＇　ｈｅ＝＇６６＇／）采用马尔科夫链?蒙特卡洛算法获得各阶混沌多项式系数γ的后验分布样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１４．ＴＩＦ＇　ｗｉ＝＇７７＇　ｈｅ＝＇６０＇／）根据重构的混沌多项式系数样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１５．ＴＩＦ＇　ｗｉ＝＇４７＇　ｈｅ＝＇５５＇／）和混沌多项式基函数样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１６．ＴＩＦ＇　ｗｉ＝＇１２６＇　ｈｅ＝＇６３＇／）确定强度随机变量的后验分布样本：（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１７．ＴＩＦ＇　ｗｉ＝＇３６４＇　ｈｅ＝＇１２０＇／）根据强度随机变量的后验分布样本（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１８．ＴＩＦ＇　ｗｉ＝＇３３＇　ｈｅ＝＇５３＇／）计算强度的后验分布样本：（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１５９５２６８０００００００１９．ＴＩＦ＇　ｗｉ＝＇２４７＇　ｈｅ＝＇６２＇／）最终采用区间统计的方法获得材料的强度分布。本发明方法仅需完成少量强度试验即可获得材料的强度分布，且不需要假设材料的强度分布类型，节约了大量的试验时间和经费，同时，也避免了因材料强度分布模型的错误选取而引入的误差。