产品参数：1、三个32×0.2 ml模块可以独立运行2、10.1英寸彩色TFT电容式触摸屏设计3、系统采用安卓操作系统4、样品座采用拉式直动电磁铁开盖5、半导体制冷技术6、温度控制范围为0-100℃7、升温速率不降温速率，有效的节省程序时间8、温度均一性≤0.2℃（(低温区，恒定10s)）。9、热盖温度范围：室温～110 ℃10、循环数达到99911、具有梯度功能、断电保护、低温保存功能12、预留紧急开盖功能13、系统自带8GB的存储空间14、具有用户权限密码功能

本发明公开了一种基于六维力传感器和双目视觉的机器人打磨装置及打磨方法，打磨装置包括机械臂、传感器固定座、六维力传感器、工业相机、柔性连接件、电机固定座、打磨电机和双轴加速度传感器；六维力传感器通过传感器固定座与机械臂的末端关节固定连接；六维力传感器通过柔性连接件与电机固定座柔性连接，打磨电机安装在电机固定座上；工业相机对称设在柔性连接件的两侧；双轴加速度传感器分别设在机械臂的末端关节和打磨电机上。打磨方法包括步骤1，深度点云图生成；步骤2，打磨时机控制；步骤3，PI控制打磨和步骤4，机械臂位置补偿。本发明简单稳定，易于控制，打磨效果好，效率高；同时，还能补偿打磨过程中的位置偏移，提高加工质量。

本实用新型公开了一种基于伺服驱动加载的三维力传感器动态响应标定装置，包括标定装置工作台、传感器固定盘、传感器加载件、伺服加载系统和加载装置固定平台。所述装置工作台由顶板、立柱和底板组成，立柱底部设有调平器，顶板上部设有水平仪、下方安装传感器固定盘；三维力传感器的顶部和底部均具有螺孔，用于连接传感器固定盘和传感器加载件；标定装置工作台的X、Y、Z方向各具有一套伺服加载系统，分别安装在加载装置固定平台和工作台底板上；伺服加载系统包括伺服电机、减速器、联轴器、丝杆、轴力计和加载头。本实用新型装置适用于不同量程的力传感器，精度高，实现荷载的连续动态加载测量，使用效果好，便于推广使用。

一、项目简介 随着科技进步和社会需求的发展，机器人手/臂除了工业生产，也越来越多用于服务人类的其它各个领域，这必然会使机器人承担比工业中更加多样的操作任务，面临更加多变的工作环境。因此，国内外对非结构自然环境下、具备自主操作能力的机器人的研究十分重视。当前，具备视觉感知能力的机器人已被公认为机器人发展的主流趋势，将视觉与机器人操作相融合，是对人类行为的模拟，由此产生的视觉伺服控制方法为机器人自主操作能力的实现带来了新的思路，代表了机器人的先进控制技术，也是促进机器人智能化发展的一个重要驱动。可以预见，未来的视觉系统将会成为机器人名副其实的眼睛，视觉伺服技术在机器人自主操作中将具有不可替代的作用。 视觉伺服利用视觉传感器提供的环境信息对机器人运动进行实时反馈控制，涉及机器人机械几何设计、运动学和动力学、自动控制理论、计算机视觉图像处理和摄像机标定等,是智能机器人领域中具有重要理论意义的研究课题之一。迄今为止，机器人手/臂的视觉伺服方法在太空遥操作、机器人手术、水果采摘、工业装配、焊接、抓取以及微操作等方面得到越来越多的应用。然而，现阶段可实际应用的方案主要面向特定的标定环境、模型参数已知，机器人操作是编码定式的，不具备模型未知条件下的自主操作能力，特别是当面向未来的刚-柔-软体共融机器人时，其柔型结构造成的运动模型及参数的变化与不确定性，必然使现有确定模型的研究方法失效。因此，无模型（目标几何模型，手眼标定模型，机器人运动模型）、非结构环境下的自适应操作对机器人提出了新挑战，是机器人手臂(尤其柔型手臂)视觉伺服控制研究的难点与前沿问题，不断深入对非结构环境下、无模型的机器人手/臂视觉伺服控制的研究具有重要的理论和现实意义。 在非结构自然环境下使机器人像人一样协调自适应操作是当今机器人研究领域的一项尚未实现但又令人感兴趣的研究工作。从理论上看，非结构自然环境下实现机器人柔性操作，就当前研究依靠单一的控制器设计是困难的。因此，本项目借鉴人的手眼协调操作是自适应学习过程，涉及智能进化和行为优化，将随机动态规划理论，结合约束规则与最优化控制，探索一种变参手眼关系，实现机器人在非结构自然环境下的自适应操作。 二、前期研究基础 研究团队一直致力于机器人视觉反馈控制的研究。在基础理论研究上，针对无标定视觉伺服控制方案与设计，均提出了一些新型方法，有扎实的理论基础和知识积累，并不断跟踪和深入在无模型视觉伺服控制的方面研究和前沿问题。目前，已经着手在无模型视觉伺服的可靠性、稳定性控制方面做了充分的探索工作：针对机器人无标定全局稳定操作问题，研究了一种鲁棒卡尔曼滤波(RKF)合作Elman神经网络(ENN)的全局稳定视觉伺服控制方法；提出了一种基于网络辅助尔曼滤波状态估计的无标定视觉伺服方法，提高伺服系统的鲁棒性。同时，立足机器人发展前沿，建立了多模特征深度学习抓取系统，在无结构环境下实现了机器人智能抓取与定位。 已发表的与项目相关的主要论文有： [1] 仲训杲,徐敏,仲训昱,彭侠夫.基于多模特征深度学习的机器人抓取判别方法.自动化学报,2016,7(42), pp:1022-1029. (EI) [2] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robots Visual Servo Control with Features Constraint Employing Kalman-Neural-Network Filtering Scheme. Neurocomputing, 2015, 151(3), pp:268-277 (SCI)  [3] Xungao Zhong, Xunyu Zhong and Xiafu Peng. Robust Kalman FilteringCooperated Elman Neural Network Learning forVision-Sensing-Based RoboticManipulation with Global Stability. Sensors, 2013, 10(13), pp:13464-13486. (SCI) [4] Xungao Zhong, Xiafu Peng, Xunyu Zhongand Lixiong Lin. Dynamic Jacobian Identification Based on State-Space for Robot Manipulation. Applied Mechanics andMaterials, vols. 475-476 (2014)pp: 675-679.(EI) [5] Xungao Zhong, Xiafu Peng, Xunyu Zhong and Xueren Dong. Multi-Channel with RBF Neural Network Aggregation Based on Disparity Space for Color Image Stereo Matching. IEEE 5th International Conference on Advanced Computational Intelligence (ICACI), 10(2012) PP:620-625. (EI) [6]XUNGAO ZHONG, XIAFU PENG, XUNYU ZHONG. NEURAL-BAYESIAN FILTERING BASED ON MONTE CARLO RESAMPLING FOR VISUAL ROBUST TRACKING. Journal of Theoretical and Applied Information Technology, 2013, 2(50), pp: 490-496. [7] Xungao Zhong, Xiafu Peng and Xunyu Zhong. Severe-Dynamic Tracking Problems Based on Lower Particles Resampling. TELKOMNIKA Indonesian Journal of Electrical Engineering. 2014, 12(6), pp:4731-4739. [8] Xunyu Zhong, Xungao Zhong and Xiafu Peng. Velocity-Change-Space-based Dynamic Motion Planning for Mobile Robots Navigation. Neurocomputing. 2014, 143(11), pp:153-163. (SCI) [9] Xunyu Zhong, Xungao Zhong, Xiafu Peng. VCS-based motion planning for distributed mobile robots: collision avoidance and formation. Soft Computing,2016,5(20), pp: 1897-1908. (SCI) [10] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于雅可比预测的机器人无模型视觉伺服定位控制, 控制与决策, 已在线发表, 2018. [11] 仲训杲,徐敏, 仲训昱, 彭侠夫. 基于图像的机器人非标定视觉反馈控制全局定位方法, 厦门大学学报(自然科学版), 已录用, 2018. 三、应用技术成果 （一）基于多模特征深度学习的机器人抓取判别 研究了多模特征深度学习及其在机器人智能抓取判别中的应用，该方法针对智能机器人抓取判别问题, 研究多模特征深度学习与融合方法. 该方法将测试特征分布偏离训练特征视为一类噪化, 引入带稀疏约束的降噪自动编码 (Denoising auto-encoding, DAE), 实现网络权值学习; 并以叠层融合策略, 获取初始多模特征的深层抽象表达, 两种手段相结合旨在提高深度网络的鲁棒性和抓取判别精确性. 实验采用深度摄像机与 6 自由度工业机器人组建测试平台, 对不同类别目标进行在线对比实验. 结果表明, 设计的多模特征深度学习依据人的抓取习惯, 实现最优抓取判别, 并且机器人成功实施抓取定位, 研究方法对新目标具备良好的抓取判别能力. （二）无标定视觉伺服解决方案及其机器人操作应用 研究了无标定视觉伺服方法及其在机械臂任务操作中的应用。首先提出视觉伺服目标：假设机器人或者摄像节的模型参数未知或者部分未知，视觉伺服的目标是使用摄像节作为传感器，引导机械臂运动，使当前图像特征收敛到期望图像特征，从而完成定位或者跟踪的任务。 手眼协调关系描述。关节图像雅克比矩阵定量描述了机械臂关节变化引起图像特征变化，它是关节-图像映射的局部线性化矩阵。 建立图像雅克比的在线估计器。将关节图像雅克比矩阵的每一个元素作为辅助系统的状态，建立辅助系统的状态方程；摄像机提取到的图像特征作为测量值，建立辅助系统的观测方程。根据Kalman滤波器理论，我们设计了对关节图像雅克比的在线实时估计算法。 构建基于图像矩的目标函数。为了避免传统的基于点特征的缺陷，例如点特征的标记、提取与匹配过程复杂且通用性较差问题。构建基于图像矩的图像特征向量完成视觉伺服任务，来提高视觉伺服系统的稳定性和可靠性。 四、合作企业 厦门万久科技股份有限公司是一家集销售、软件研发、技术服务、加工技术整合为一体的高新技术企业。目前公司的经营范围涉及CNC软件开发及数控系统销售、CNC控制零件销售及专业维修；工艺优化、机台升级与技术改造、工程配电与软件优化、专用机控制系统开发、多轴机的设计与开发、机台精度检测与校正优化服务等。公司是国际知名生产制造企业——富士康的产品供应商和技术服务商。    

产品详细介绍★2.0声道全频音箱放大器、麦克风音量与音乐音量独立调节、一路音频输入、一路录音输出、安装调试简单、扩音清晰、性能稳定。

成果描述：本发明公开了一种无侧向约束力混凝土接缝抗水渗透性能的试验装置及方法，用于对新旧混凝土接缝部位试块进行抗水渗透性能测试，具有用于放置新旧混凝土接缝抗渗试块5的双层方筒4，方筒的底部密封，方筒的上口具有外凸缘14，方筒下部设置有具有中间开口10的内凸缘9，内凸缘将方筒分隔为试块舱6和进水舱13两部分；内凸缘上设置有弹性密封垫圈8；左盖板1和右盖板2由紧固螺栓3压紧固定在方筒的外凸缘上；方筒下部的进水舱连接水压装置11及进水，并连接水压表12；左盖板和右盖板之间根据混凝土接缝的形状和区域设置有便于观察渗水情况的观察口。本发明能实现在无侧向约束力作用下新旧混凝土接缝部位的抗水渗透性能试验。市场前景分析：轨道交通基础设施建设领域。与同类成果相比的优势分析：技术先进，性价比较高。

本发明公开了一种无侧向约束力混凝土接缝抗水渗透性能的试验装置及方法，用于对新旧混凝土接缝部位试块进行抗水渗透性能测试，具有用于放置新旧混凝土接缝抗渗试块5的双层方筒4，方筒的底部密封，方筒的上口具有外凸缘14，方筒下部设置有具有中间开口10的内凸缘9，内凸缘将方筒分隔为试块舱6和进水舱13两部分；内凸缘上设置有弹性密封垫圈8；左盖板1和右盖板2由紧固螺栓3压紧固定在方筒的外凸缘上；方筒下部的进水舱连接水压装置11及进水，并连接水压表12；左盖板和右盖板之间根据混凝土接缝的形状和区域设置有便于观察渗水情况的观察口。本发明能实现在无侧向约束力作用下新旧混凝土接缝部位的抗水渗透性能试验。

本发明公开了一种四容水箱液位分布式状态反馈控制方法，包括初始化分布式状态反馈控制器参数；迭代求解线性矩阵不等式组组成的凸优化问题，求解被控对象每个子系统各自的最优状态反馈矩阵；将计算得到的最优状态反馈矩阵，分别实施到相对应的子系统。本发明方法相比集中式状态反馈控制，在很小性能损失的情况下减少了控制器计算时间，且安全性、灵活性和可靠性更高，相比分散状态反馈控制，控制品质更高；具有跟踪速度快、跟踪过程平滑、抗耦合性能强和稳态误差小的优点。

本发明公开了一种反馈型人工神经网络训练方法及计算系统, 属于神经网络计算领域。一种人工神经网络训练方法，突触权重根据 神经突出两端的前馈信号和反馈信号调整，当神经突出两端分别为兴 奋前馈信号和兴奋反馈信号时，该突出权重调整到最大值，当神经突 出两端分别为静息前馈信号和兴奋反馈信号时，该突出权重调整到最 小值；一种反馈型人工神经网络计算系统，节点电路包括计算模块、 前馈模块和反馈模块，节点电路通过忆阻器模拟的神经突出相