汽车板要求优异的深冲性能，主要是 IF 钢，也称超低碳钢，在汽车工业中得到了广泛应用。对于 IF 钢，要获得成品钢材的高延展性、高塑性应变比以及优良的表面性能，要求钢中 C、N、O 含量尽可能低。由于铝具备强脱氧能力，IF钢生产过程采用Al 脱氧，在很短时间内钢中溶解氧即可以降低到 1×10-6 ~3×10 -6 ，同时生成 Al 2 O 3 夹杂。目前 IF 钢生产过程遇到的与夹杂物有关的问题主要包括：（1）钢水可浇性差，易发生浸入式水口堵塞；（2）由铸坯内大型夹杂物引起的冷轧薄板表面长条线状缺陷等。其中针对可浇性问题，主要是要尽可能地减少夹杂物的生成并促进夹杂物的去除，针对表面缺陷问题，主要是促进夹杂物在结晶器内的上浮去除，减少夹杂物被凝固坯壳捕捉。因此，开发了汽车板中非金属夹杂物控制关键技术，为提升国内钢铁企业汽车板的生产效率和产品质量做出了贡献。 （1）RH 精炼能力提升技术。RH 真空精炼是汽车板钢中非金属夹杂物去除的主要场所，RH 精炼能力的提升有利于增加夹杂物的去除效率。而 RH 循环流量的增加是提升其精炼能力的主要手段。以往的研究主要集中于增大提升气体流量或者增大真空度来增加 RH 循环流量，但能够实现的增幅有限。本项目创造性地设计了一种圆形上升管-椭圆下降管的 RH 新型真空槽装置，并应用于企业生产实践。将RH 反应器的下降管替换为椭圆形，在不必增加钢包内径的前提下增大了下降管的截面积，起到增大循环流量并延长钢包使用寿命的效果。该技术可解决 RH 精炼效率提升的瓶颈问题，能够大幅提升 RH 真空精炼的效率和能力。图 1 所示的工业试验结果显示了采用此技术时夹杂物最少。（2）超低碳钢铸坯表层凝固钩预测和控制技术。以往对汽车板钢浇铸过程凝固坯壳对夹杂物的捕获现象研究较少，而通过研究发现浇铸过程钢中夹杂物和气泡容易被铸坯表层凝固钩结构所捕获。凝固钩是在结晶器内弯月面凝固后形成的结构，该结构向结晶器内部延伸，很容易捕获结晶器内上浮的气泡和夹杂物，从而引起铸坯的表层缺陷。尤其是超低碳钢凝固过程中的糊状区较窄，更容易形成大尺寸的凝固钩结构，因此对超低碳钢铸坯表层的凝固钩结构的控制尤为重要。本项目通过对不同浇铸参数下的铸坯凝固钩进行对比，研究了不同浇铸参数对凝固钩深度的影响，并通过建立结晶器初始凝固模型，开发了超低碳钢铸坯表层凝固钩的预测和控制技术。通过该技术的实施可以实现不同浇铸工艺条件下凝固钩深度和长度的预测，并采取针对性的措施对其进行控制。一方面有利于预测汽车板铸坯的扒皮深度，另一方面通过控制措施（较高拉速、较高浇铸温度和较低的结晶器一冷水流量、采用电磁制动等）的实施有效减小凝固钩的尺寸，如图 2 实施，减少其对大尺寸夹杂物和气泡的捕获，从而提升汽车板表面质量。（3）超低碳钢连铸一冷优化模型。结晶器是连铸机的心脏，具有极高的冷却效率。结晶器内的钢液流动和冷却速率对结晶器内的凝固坯壳生产和夹杂物的运动、去除和捕获具有重要影响，尤其是对超低碳钢铸坯表层凝固钩尺寸及其对夹杂物和气泡的捕获影响显著。本项目对超低碳钢连铸一冷优化模型进行了开发。首先建立结晶器内的流动及坯壳凝固模型，综合考虑了结晶器内钢液的流动、钢液及坯壳的传热、坯壳与铜板间的缝隙传热、铜板及冷却水的传热。模型首先通过Fluent 软件进行结晶器内的流场和温度场模拟，然后将得到的固相线处的热流密度导出，作为凝固模型的参数输入到凝固模型中进行计算。运用模型对结晶器的传热进行了计算，模拟了一系列结晶器宽度、拉速及浇铸过热度的结果，并将计算的结晶器水流量进行综合统计，得到了适合现场调水的临界水流量水表。在模型计算过程中，模型不但考虑了钢液流动、钢液及坯壳的传热、缝隙传热、铜板及冷却水传热，还对冷却水核沸等额外瞬间增大的热阻的现象进行了警示。图3 所示为模型计算得到的不同拉速、结晶器宽度下的临界水流量，能够为超低碳钢浇铸过程结晶器一冷水量优化提供指导，一冷水并不是越大越好，在保证安全的情况下适当地降低一冷水量能够有效减小凝固钩尺寸和铸坯表层夹杂物的数量。

本申请公开了一种光伏板清理装置及光伏系统，涉及光伏维护技术领域，包括集水装置和清洗装置；集水装置限制出容纳雨水的容纳腔；清洗装置包括输水管，输水管位于相邻两个光伏板之间，且输水管上朝向至少一侧的光伏板设置有用于清洁光伏板的喷头，输水管与容纳腔连通。本申请提供的光伏板清理装置，可通过清洗装置的输水管伸入相邻两侧光伏板之间，从而可利用收集的雨水实现对多个光伏板的清洗效果，可减少人工操作，同时可通过一个输水管实现多个光伏板的清洗，提高了在干旱缺水地区清洗光伏板的便捷性和效率，且利用收集的雨水对光伏板进行清洁，可节约水资源成本，进而降低了光伏板的清洁成本。

本发明公开了一种用于船体分段外板的自动划线方法，包括：对待划线船体分段外板和固定设备执行数字化静态扫描测量；为船舶制造车间建立三轴空间定位坐标系，并获得划线机器人的实时三维坐标信息；利用虚拟装配技术获得船体分段外板的设计模型，并将该设计模型与实体数字化模型执行对齐处理；结合对齐处理后形成的映射关系，获得划线机器人与待划线目标在设计模型中的相互位置，相应生成运动信号并驱动划线机器人执行实际划线操作。通过本发明，能够顺利实现虚拟装配过程对实际建造过程之间的指导，同时实现建造装配信息向虚拟装配的反馈，并具备划线精度和自动化程度高、快速高效、便于操控和适用性强等特点。

产品详细介绍强劲的160kW大功率输出表现；300N.m的最大扭矩输出，媲美德系豪华品牌2.0T的动力水准；0-50km/h加速仅4.18秒；博格华纳效率高达98%以上的减速器；新能源第三代先进电控管理技术——EMD3.0智能电控系统，体积更小、重量更轻、布局更安全合理。全面监测整车260个部件数据，智能管理电池，使续航更长；智能优化电机，使动力更强；智能调校整车，使操控更精准，行驶更安全。技术特点：1、该示教板完整展示了纯电动汽车动力系统，可以动态模拟纯电动汽车的启动、低速行驶、一般行驶、全速行驶、减速行驶和停车六种工况下的能量流动方向以及电动机的运行状态。采用LED动态显示。2、示教板面板采用4mm厚耐腐蚀、耐创击、耐污染、防火、防潮的高级铝塑板，表面经特殊工艺喷涂底漆处理；面板打印有永不褪色的彩色电路图与工作原理示意图，表面喷涂光油；学员可直观对照汽车电动动力系统结构原理图和实物，认识和分析汽车电动动力系统的工作原理。 3、示教板面板上安装有点火开关、工况开关、油门踏板、挡位开关、制动开关、数字转速表、电流指示表等，并辅以发光二极管进行系统流向的动态指示，还设有一台模拟电机用来演示电动机的工作状态。4、示教板面板部分采用1.5mm厚模具成型框架结构，外形美观；底架部分采用钢结构焊接，表面采用喷涂工艺处理，带自锁脚轮装置，示教板底座上配有40cm左右的桌面，方便放置资料、轻型检测仪器等。5、示教板工作采用普通220V交流电源，经内部电路变压整流转换成12V直流电源，无需蓄电池，减少充电的麻烦，12V直流电源有防短路功能。6、外接电源：交流220V±10% 50Hz。7、工作电压：直流12V。8、工作温度：-40℃～+50℃。9、外形尺寸：1600×700×1700mm(长×宽×高)

产品详细介绍强劲的160kW大功率输出表现；300N.m的最大扭矩输出，媲美德系豪华品牌2.0T的动力水准；0-50km/h加速仅4.18秒；博格华纳效率高达98%以上的减速器；新能源第三代先进电控管理技术——EMD3.0智能电控系统，体积更小、重量更轻、布局更安全合理。全面监测整车260个部件数据，智能管理电池，使续航更长；智能优化电机，使动力更强；智能调校整车，使操控更精准，行驶更安全。技术特点：1、该示教板完整展示了纯电动汽车动力系统，可以动态模拟纯电动汽车的启动、低速行驶、一般行驶、全速行驶、减速行驶和停车六种工况下的能量流动方向以及电动机的运行状态。采用LED动态显示。2、示教板面板采用4mm厚耐腐蚀、耐创击、耐污染、防火、防潮的高级铝塑板，表面经特殊工艺喷涂底漆处理；面板打印有永不褪色的彩色电路图与工作原理示意图，表面喷涂光油；学员可直观对照汽车电动动力系统结构原理图和实物，认识和分析汽车电动动力系统的工作原理。 3、示教板面板上安装有点火开关、工况开关、油门踏板、挡位开关、制动开关、数字转速表、电流指示表等，并辅以发光二极管进行系统流向的动态指示，还设有一台模拟电机用来演示电动机的工作状态。4、示教板面板部分采用1.5mm厚模具成型框架结构，外形美观；底架部分采用钢结构焊接，表面采用喷涂工艺处理，带自锁脚轮装置，示教板底座上配有40cm左右的桌面，方便放置资料、轻型检测仪器等。5、示教板工作采用普通220V交流电源，经内部电路变压整流转换成12V直流电源，无需蓄电池，减少充电的麻烦，12V直流电源有防短路功能。6、外接电源：交流220V±10% 50Hz。7、工作电压：直流12V。8、工作温度：-40℃～+50℃。9、外形尺寸：1600×700×1700mm(长×宽×高)

产品详细介绍强劲的160kW大功率输出表现；300N.m的最大扭矩输出，媲美德系豪华品牌2.0T的动力水准；0-50km/h加速仅4.18秒；博格华纳效率高达98%以上的减速器；新能源第三代先进电控管理技术——EMD3.0智能电控系统，体积更小、重量更轻、布局更安全合理。全面监测整车260个部件数据，智能管理电池，使续航更长；智能优化电机，使动力更强；智能调校整车，使操控更精准，行驶更安全。技术特点：1、该示教板完整展示了纯电动汽车动力系统，可以动态模拟纯电动汽车的启动、低速行驶、一般行驶、全速行驶、减速行驶和停车六种工况下的能量流动方向以及电动机的运行状态。采用LED动态显示。2、示教板面板采用4mm厚耐腐蚀、耐创击、耐污染、防火、防潮的高级铝塑板，表面经特殊工艺喷涂底漆处理；面板打印有永不褪色的彩色电路图与工作原理示意图，表面喷涂光油；学员可直观对照汽车电动动力系统结构原理图和实物，认识和分析汽车电动动力系统的工作原理。 3、示教板面板上安装有点火开关、工况开关、油门踏板、挡位开关、制动开关、数字转速表、电流指示表等，并辅以发光二极管进行系统流向的动态指示，还设有一台模拟电机用来演示电动机的工作状态。4、示教板面板部分采用1.5mm厚模具成型框架结构，外形美观；底架部分采用钢结构焊接，表面采用喷涂工艺处理，带自锁脚轮装置，示教板底座上配有40cm左右的桌面，方便放置资料、轻型检测仪器等。5、示教板工作采用普通220V交流电源，经内部电路变压整流转换成12V直流电源，无需蓄电池，减少充电的麻烦，12V直流电源有防短路功能。6、外接电源：交流220V±10% 50Hz。7、工作电压：直流12V。8、工作温度：-40℃～+50℃。9、外形尺寸：1600×700×1700mm(长×宽×高)

产品详细介绍 电压：6V-24V 额定电流：10A(持续工作无需散热器) 额定电流：30A(持续工作需铝散热器) 额定电流：60A(持续工作需铝风扇散热器) 注：固态开关小，安静，没有移动部件，防止击穿和温度过高而熔融。出口商品，出口品质。

性能特点： 1、微机控制，触摸面板，LCD显示。 2、采用交流变频电机，全封闭风冷谷轮压缩机组，无氟制冷剂。 3、可直接设定转速，自动计算RCF值。可直接设定RCF值，自动转换成转速。 4、具有10档升降速。 5、运行中可修改参数，运行参数自动记忆。 6、具有10种自定义程序存储功能。 7、具有软刹车功能。 8、具有转子号识别功能。 9、具有超温、超速、不平衡和门盖安全保护功能，并在显示窗口显示故障信息和声音报警。

本发明公开了一种环形索承网格结构的无支架施工方法，即上部网格分单元吊装至先施工的索网上拼装。环形索承网格结构主要包括柱子、外环梁、上部网格、径向索、环向索和支撑杆。先采用斜向牵引的方法提升结构的径向索和环向索至高空，然后在结构索网下方安装工装配重索和反力架装置并张拉工装配重索，形成支撑索网；再分单元吊装上部网格至支撑索网上，同时通过反力架装置调节工装配重索使控制节点处于设计标高；最后卸除工装配重索和反力架装置，结构成型。该施工方法省去了支架的施工费用，可双向、实时、精确调整施工过程中控制节点的标高，无需主动张拉拉索，有利于看台保护，实现索承网格结构的绿色装配化施工。

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。