|
搜索
搜 索
高等教育领域数字化综合服务平台
一种带材收卷跑偏的补救纠偏系统及其控制方法
本发明公开了一种带材收卷跑偏的补救纠偏系统及其控制方法， 所述系统包括收卷装置、监测装置、纠偏装置、预收卷装置和控制模 块，所述监测装置的图像采集器实时采集收卷辊两侧边缘刚刚收卷区 域的图像并将其传输给控制模块，控制模块根据接收到的图像判断收 卷带材是否跑偏，若跑偏，则控制模块控制收卷电动机停转，同时控 制预收卷装置和纠偏装置运作完成纠偏过程，最后由控制模块控制预 收卷装置和纠偏装置回到正常收卷时的位置。本发明能够对
华中科技大学
2021-04-14
一种ＵＰＦＣ参与交直流系统直流闭锁故障后有功控制的方法
本发明公开了一种ＵＰＦＣ参与交直流系统直流闭锁故障后有功控制的方法，属于电力系统运行控制和调度的技术领域。本发明根据故障后预估的下一断面系统潮流调节ＵＰＦＣ所在支路的潮流以实现传输线路传输的有功恒定、传输线路送电端电压稳定的控制目标，防止故障扩大并使系统迅速恢复正常。
东南大学
2021-04-11
基于降阶观测器的模糊无人机系统容错编队控制方法
本发明针对模糊多领航无人机系统的容错编队控制问题。提出基于降阶观测器的模糊无人机系统容错编队控制方法，包括：使用T‑S模糊模型多领航无人机系统进行建模；将原系统先转化为降阶形式，再导出增广形式；基于中间变量为降阶增广系统设计降阶故障观测器，估计跟随无人机的状态、过程故障和系统不确定性；利用相对状态信息设计跟踪容错编队控制器，以过程故障和系统不确定性的估计作为补偿项；为降阶故障观测器和跟踪容错编队控制器设计自适应参数；验证降阶故障观测器和跟踪容错编队控制器性能；本发明能更突出地处理非线性、不确定的控制问题，同时减少计算量、提高分布式决策效率。
南京工业大学
2021-01-12
一种处理完全未知状态的电路系统迭代学习控制方法
本发明公开了一种处理完全未知状态的电路系统迭代学习控制方法。该方法构造一种自适应增益状态观测器来估计电路系统的电流。将电路系统的矩阵参数不确定性转换为标量形式进行分析。构造一种基于迭代衰减因子的迭代学习控制器来控制电流完全未知的电路系统。与传统的需要精确数学模型的控制方法相比，本发明所提的控制算法更为新颖且应用条件简单。该方法用于重复任务操作时，有效地提高了控制精度，具有良好的工程应用价值。
南京工业大学
2021-01-12
制冷空调电子膨胀阀控制策略与控制器
该成果是可取代制冷空调系统中热力膨胀阀的较先进技术。
东南大学
2021-04-10
INS 控制 GNSS 基带的开环跟踪误差分析及控制方法
本发明公开了一种 INS 控制 GNSS 基带的开环跟踪误差分析及控制方法，本发明基于 GNSS/INS 深 组合接收机的闭环跟踪环结构构建 INS 误差与开环跟踪误差间的拉氏域数学模型；采用拉氏域数学模型 分析基于不同精度等级惯导的开环跟踪误差发散规律；基于开环跟踪误差发散规律提出合理的 INS 控制 GNSS 基带的跟踪机制。本发明方法可用于短时间卫星信号不可用的情况，能有效提高 GNSS 接收机信 号跟踪环路的连续性，从而获取较高精度的连
武汉大学
2021-04-14
黄铜矿类正单轴晶体制备红外非线性光学元件的定向切割方法
一种黄铜矿类正单轴晶体制备红外非线性光学元件的定向切割方法，步骤包括：(1) 根据黄铜矿类正单轴晶体解理面{101}和{112}，利用带有吴氏网标尺的晶体标准极图和 X射线衍射仪θ-2θ连续扫描确定晶体的C轴方向；(2)将已确定C轴方向的晶体置于切 割机上，根据光学元件所需的相位匹配角θm朝近C轴方向转动样品台Δθ后进行切割， 获得光学元件初样，Δθ＝θ(101)-θm；(3)将光学元件初样置于X射线衍射仪样品台 上，测定光学元件初样切割面的回摆谱，获得衍射峰位值θ′及Δθ′，Δθ′＝|θ′- θ′(101)|；(4)光学元件的精加工，对光学元件初样切割面进行修正，直至Δθ′＝Δθ。
四川大学
2021-04-11
黄铜矿类负单轴晶体制备红外非线性光学元件的定向切割方法
一种黄铜矿类负单轴晶体制备红外非线性光学元件的定向切割方法，步骤包括：(1) 根据黄铜矿类负单轴晶体解理面{112}和{101}，利用带有吴氏网标尺的晶体标准极图和 X射线衍射仪θ-2θ连续扫描确定晶体的C轴方向；(2)将已确定C轴方向的晶体置于切 割机上，根据光学元件所需的相位匹配角θm朝远C轴方向转动样品台Δθ后进行切割， 获得光学元件初样，Δθ＝θm-θ(112)；(3)将光学元件初样置于X射线衍射仪样品台上， 测定光学元件初样切割面的回摆谱，获得衍射峰位值θ′及Δθ′，Δθ′＝|θ′- θ′(112)|；(4)光学元件的精加工，对光学元件初样切割面进行修正，直至Δθ′＝Δθ。
四川大学
2021-04-11
LF6025GAR全包围交换台板管一体激光切割机
安全无污染
全封闭式设计；观察窗口采用欧洲CE标准防护玻璃；切割产生烟尘内部过滤处理，达标排放，无污染；
交换平台
15s交换工作台；采用上下高低交换台，变频器控制交换电机， 机床最快15S完成交换。
夹持设计
前后采用气动卡盘夹持设计，自动调整中心，操作简单，对角线调节范围20~300mm。 可加工超大直径管材，卡盘旋转速度高，能提升加工效率。
济南金威刻科技发展有限公司
2021-06-16
AI多模态情绪分析系统
AI多模态情绪分析系统，是人工智能与心理学、计算机视觉、听觉感知等学科深度融合的前沿方向。它不再局限于传统的问卷答题，而是像一位敏锐的观察者，通过分析你的面部微表情、语音语调、肢体语言，甚至生理信号，来实时、客观地"读懂"你的情绪状态。这种技术正在心理健康、教育、人机交互等领域开启全新的可能性。
这套系统的核心在于"多模态"和"融合"。它模拟了人类如何综合视觉、听觉信息来理解对方情绪的过程。
多源数据采集：系统通过摄像头、麦克风等设备，同步采集个体的面部视频、语音音频，甚至可接入可穿戴设备获取心率等生理信号。
单模态特征提取：针对每种数据，用不同的AI模型提取情感特征。
视觉：分析面部肌肉运动（如嘴角上扬、眉毛紧蹙）、头部姿势、眼神等。先进的技术甚至能捕捉难以伪装的微表情（持续仅1/25至1/5秒），或通过分析面部血流图谱（rPPG）来感知生理唤醒水平。
听觉：提取语调、语速、音高、能量（MFCC梅尔频率倒谱系数）等声学特征，判断声音中的情绪色彩。
文本/语义：如果涉及对话，系统还会分析说话内容的语义，理解话语背后的真实意图和情感倾向。
多模态融合与情感解码：这是最关键的一步。系统通过复杂的深度学习算法（如Transformer、自监督多任务学习框架等），将来自不同模态的特征信息进行时空对齐和深度融合。例如，一句愤怒的"我没事"，配上闪躲的眼神和紧绷的嘴角，才会被准确识别为"掩饰性的愤怒"，而非字面意思的"没事"。
湖南可心教育科技有限公司
2026-03-20