本发明提供一种可多台并行工作的多维运动学数据测量装置，属于运动数据采集技术领域。装置包括多个数据采集单元、路由器和上位机，数据采集单元、路由器和上位机构成一个无线局域网；所述数据处理模块用于将角度信息、磁场强度和方向、加速度、角速度通过数据通信模块传送给上位机。本发明多个数据采集单元并行采集工作，实时传送给上位机显示，相比传统的单线采集，效率倍增；通过卡尔曼滤波，融合加速度计和陀螺仪数据可以有效抑制因积分和漂移

本发明公开了一种基于运动学变换的数控砂轮磨削加工方法，包括：生成初始砂轮加工路径并执行离散化处理以产生多个离散点；在砂轮架驱动轴的移动范围内选择位置点，并根据这些位置点网格划分生成多个立方体网格单元；找到分别包含各个离散点的立方体网格单元，然后计算离散点在所处网格单元中的体积误差矢量；利用体积误差矢量对各个离散点执行转换，由此生成新的多个离散点；通过拟合方式生成新的砂轮加工路径并执行相应的磨削处理。本发明中还公开了对计算体积误差矢量和点压缩处理方式的改进。通过本发明，能够有效降低由于数控磨床运动学特性及几何误差所引起的实际磨削轨迹与理想磨削轨迹之间的偏差，相应提高加工的几何精度和尺寸精度。

本发明公开了一种基于脉冲反馈检测电机运动学参数的方法。 通过连续采集信号读取时刻前的 N 个时刻的脉冲数，将采集的 N 个脉 冲数及其对应的时刻线性拟合成 N-1 次函数，得到电机位置与时间的 关系函数，对电机位置与时间的关系函数求一阶导数，得到电机速度 与时间的关系函数，对电机速度与时间的关系函数求一阶导数，得到 电机加速度与时间的关系函数；根据信号读取时刻是否与脉冲计数时 刻同步，并代入相应的约束条件，得到电机位置、速度和加速度的检 测结果。本发明能同时计算出信号读取时刻的电机位置、速度和加速

成果简介（1） 运用动力学中凯恩(KANE) 动力学方程结合牛顿一欧拉算法， 对含有闭链结构的机器人动力学进行了分析和研究， 导出了一种新的、 计算量少的基于 KANE 方程的机器人动力学算法， 该算法是一种通用算法， 很易于计算机实现， 不仅能处理开链结构的机器人动力学， 还可不经拆链就可方便地解决含有闭链结构的机器人动力学；（2） 利用分布参数法结合拉格朗日方程， 提出了一种机器人弹性动力学分析方法， 导出了含有弹性构件的机器人广义运动微分方程， 该广义运动方程具有通

本发明公开了一种六自由度串联机器人运动学反解的求解方法， 该方法包括:读入连杆参数建立机器人连杆坐标系模型;已知连杆末 端关节位置，建立关节位置约束方程;根据各关节位置约束方程，确 定各关节位置;建立机器人各关节坐标系的姿态约束方程;将之前求 得的关节位置坐标解分别代入姿态约束方程中，根据姿态约束方程， 求解各组关节变量中间值;对关节变量中间值进行分析处理，选取最 佳关节变量解。本发明采用空间几何理论将机器人运动学反解中位置 和姿态进行分离求解，大大降低了几何法运动学反解运算的复杂性， 并能够应用于

本发明提供了一种运动物体的多维数据测量装置及方法，属于运动数据测量技术领域。本发明利用三轴陀螺仪采集被测物体的三轴角速度，利用三轴加速度计采集被测物体的三轴加速度，利用三轴磁·719·力计采集磁场的强度和方向；对被测物体的加速度和角速度进行卡尔曼滤波以消除误差，进而结合磁力计采集的磁场强度和方向进行姿态解算得到角度；将消除误差后的加速度、角速度和角度传送给上位机。本发明通过卡尔曼滤波，融合加速度计和陀螺

已有样品/n抗过载能力强： 过载能力能达到满量程的300%， 同时具有机械过载保护和满量程溢出标志； 高采样率和高传输速率： 数据采样率可达10 KHz， 数据传速率可以达到2Mbps（CAN总线） ； 多种输出接口： 可选择多种输出接口， 如CAN总线， RS232/422，USB， 模拟等。 该项目目前已申请13项国家发明专利， 软件著作权5项

多维曲面激光精密测量系统包括基于激光位移精密传感器的测量机构和数据采集与分析软件系统。能够对直齿轮、斜齿轮、圆锥齿轮和弧齿圆柱齿轮以及叶片、蜗轮、蜗杆等复杂曲面零件进行非接触式快速测量；软件系统能够实现对复杂曲面零件模型任意截面数据的提取与测量路径自动编程，并且对测量数据进行各项误差分析。

具有高灵敏和多维集成的柔性感知电子器件在可穿戴健康监测和智能机器人等领域具有广阔的应用前景，是当今重要前沿研究方向之一。现有国内外柔性感知在高灵敏测量、多感知集成、低信号耦合、低成本加工上存在技术瓶颈，实际应用面临巨大挑战。针对这一问题，团队原创地提出一种基于热感应的多维传感新机理，利用热敏膜和外界的传导/对流换热对自身电阻的调控，实现

01. 成果简介 非结构化数据是没有显式数据结构约束的非关系型数据，包括时间序列、图像、音视频等，其管理与分析技术成为国际信息领域战略竞争焦点。许多实际应用中，非结构化数据不仅总的体量大，而且数量也极为巨大。例如，我国气象预报业务每天接收到的气象数据文件达数亿非结构化气象小文件。此外，这些文件存在大量业务语义属性，这些属性形成了描述一个数据的多种维度。 针对海量非结构化数据的管理需求，清华大学软件学院提出了多维文件空间模型，并基于此模型突破了一系列非结构化数据核心技术，包括：l  非结构化数据到多维空间模型的映射方法；l  多维文件空间模型的分布式物理实现方法；l  分布式存储的副本控制方法。 该技术通过对非结构化数据的属性维度进行分类，将非结构化数据建模成多维文件空间模型，并对文件集合上的各种操作进行定义。此外，通过细粒度计算磁盘IO代价、网络代价、副本代价、CPU代价、数据分区代价，得到指定工作负载下的最优物理存储实现，进而通过排队论等方法对副本的一致性进行控制，实现满足用户SLA（服务等级保证）的柔性事务。  图1. 基于多维文件空间的最优非结构化数据存储方法示意图  相比现有对象存储等技术，该项技术可以实现更加灵活的数据访问。同时，该项技术能够建立多维文件空间到分布式物理存储的最优映射机制，保证非结构化数据总访问代价最小。相比于现有的分布式文件系统，该项技术可以确保使用少量内存管理数以亿计的海量非结构化小文件，而现有多数分布式文件系统在遇到海量文件管理时往往会出现内存爆炸问题。02. 应用前景 本成果技术可广泛用于各种类型尤其是多维度属性的非结构化数据管理。目前已经被成功应用于中国气象局和全国31个省或直辖市气象局，以及石油、风电等多家工业企业。该项成果还入选了2016国家十二五科技创新成就展和2018首届数字中国建设峰会，并作为贡献之一获得2018年教育部技术发明一等奖和中国气象学会科技进步奖一等奖。03. 知识产权 本项成果已获得发明专利授权13项。04. 团队介绍 本成果团队长期研究大数据管理与分析技术，包括分布式数据存储与查询、数据质量、深度学习与迁移学习、业务过程挖掘等方向。团队课题负责人为王建民教授、博士生导师。团队在本领域发表国际学术论文100余篇，申请专利100余项，授权专利60余项。相关成果获2018年教育部技术发明一等奖、2018年气象学会科技进步一等奖、2014年国家科技进步二等奖、2013年中国电子学会科技进步一等奖。05. 合作方式 技术许可 / 软件服务。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn 团队电话：010-62786972；13051000520 团队邮箱：huangxdong@tsinghua.edu.cn