本发明属于柔性电子生产相关设备领域，并公开了一种用于柔 性膜转移的机械手控制系统，包括多自由度机械手、多传感器反馈单 元和控制单元，其中多自由度机械手用于对柔性膜执行转移操作；多 传感器反馈单元包括 CCD 传感器、激光位移传感器、重力传感器组、 真空传感器、压力传感器等，并用于对机械手包括位置、姿态、真空度和接触力在内的多项状态指标执行检测；控制单元则基于多传感器 反馈单元的信息，对机械手整个转移过程的操作执行精确控制，同时 还可对拾取头工作段的吸附面积大小进行灵活调节。通过本发明，可 根据柔性膜

本实用新型涉及一种多关节柔性水下机械手关节单元结构。本实用新型以中间单元的两轴端为支撑，联接端盖通过其轴端圆槽定位，同时联接端盖和中间单元侧面分别开有联接端盖侧壁孔、中间单元侧壁孔；挡片安装在中间单元的内腔；内筒两端和挡片的另一端面接触，挡片的该端面开有和内筒外径一样大小的挡片圆槽；内壳安装在中间单元的内腔，两端面和联接端盖的下表面接触，并通过联接端盖的下表面定位防止其轴向运动，内壳的内壁和挡片外圆周面接触，并对其产生周向定位作用。本实用新型在满足强度要求的前提下，为减少机械手质量，主要零件都采用挖空处理，因此关节单元的自重相较传统的水下作业机械臂很小。

本发明涉及一种高强度工程机械用钢及其制备方法。其技术方案是：经转炉冶炼、精炼后连铸成坯；对铸坯加热，加热温度为1150~1250℃；粗轧开轧温度为1100~1150℃，精轧开轧温度为915~960℃，终轧温度为820~880℃；轧后采用两段式冷却方式：第一段以3~6℃/s的冷却速度冷却到720~760℃，第二段以30~50℃/s的冷却速度冷却到560~600℃；卷取后空冷至室温。所述铸坯的化学成分及其含量是：C为0.06~0.10wt%，Mn为1.35~1.55wt%，Si为0.35~0.50wt%，P≤0.02wt%，S≤0.01wt%，Ti为0.14~0.16wt%，Mo为0.10~0.15wt%，Nb为0.04~0.06wt%，其余为Fe及不可避免杂质。本发明具有生产成本低和工艺简单的特点，所制备的高强度工程机械用钢性能优良。 （注：本项目发布于2015年）

本发明公开了一种在SOI硅片上制备微机械悬空结构的方法。对悬空结构及其固定结构采用不同的槽宽设计，其中，固定结构的槽宽明显大于悬空结构，宽槽底部经刻蚀首先到达或更加接近SiO2层，再通过各向同性干法刻蚀使窄槽底部相互连通并与窄槽下方的Si层分离，将窄槽间的梁释放，形成具有平整底面的悬空结构，同时去除固定结构与悬空结构连接区底部的Si以及固定结构与其它结构之间的区域底部的Si，使得固定结构与窄槽下方的Si层及其它结构隔离，从而使不同的固定结构间相互绝缘。本发明的方法简单有效，能广泛应用于MEMS悬空结构的加工。

    myCobot人工智能套装是集视觉、定位抓取、自动分拣模块为一体的入门级人工智能套装。基于Linux系统，在ROS搭建1：1仿真模型，可通过开发软件实现机械臂的控制，简单易学，能够快速入门学习人工智能基础知识，启发创新思维，领悟开源创意文化。本套装扩展性好，开放性高，可以被用于多种用途。可易用专科院校的实训平台、机器人学科搭建、机器人实验室或个人学习与使用。 产品特性 大视觉识别算法 四种颜色木块、不同形状卡片任意选择，4种ID二维码识别学习二维和三维世界之间的投影关系，图像特征点带你学习图像分割、保存图片特征，深度学习yolov5算法，让你了解神经网络。 6种适配机械臂 支持 myCobot、mechArm、myPalletizer 的M5Stack和树莓派版本。 aruco码的检测、跟踪：摄像头精确定位与标定，并进行自动抓取。 颜色及图像识别：应用深度学习算法，用户可以利用机械臂完成定位抓取和自动分拣。   联系我们：深圳市大象机器人科技有限公司 官网：https://www.elephantrobotics.com淘宝官方旗舰店：https://shop504055678.taobao.com/?spm=a1z10.1-c-s.0.0.2b0e58e7PY8UhV电话：+86 (0755) 8696 8565/+86 181 2384 1923地址：深圳市福田区华强北电子科技大厦D座智方舟国际智能硬件创新中心D403 D504 D505

成果介绍本发明公开了一种虚拟家装室内场景设计中的阴影渲染方法。包括阴影映射图生成步骤，半影估计步骤，基于泊松碟采样的百分比渐近滤波步骤，最后通过加入漫反射环境光，生成具有真实感的虚拟家装室内场景阴影效果图。本发明方法能够高效且能改善阴影映射图锯齿走样的问题。技术创新点及参数本发明提供一种真实感强烈，生成了场景中物体的软阴影而且速度快， 可以满足虚拟家装实时渲染要求的虚拟家装室内场景设计中的阴影渲染方法。市场前景本发明方法结合阴影映射图与百分比渐进滤波技术实现虚拟室内家装 的实时阴影效果渲染，不仅能够生成具有真实感的家装室内设计中的阴影渲染，而且 不会随着场景中三维物体复杂度增加而增加，无需预处理能够满足实时应用需求。该 技术对计算机虚拟现实在虚拟家装领域的应用具有重要意义。

本成果以专利形式体现（专利号 201310723968.2 ），生命科学大多以微生物为研究对象，有很多物种都是近缘的，无法用普通方法区分，本方法通过 PCR 方法可以快速区分，建立了一种设计特殊引物的方法。

本成果采用最新的深度学习和分子模拟算法，结合新一代分子特征化方法，开发了多种计算机模型，可用于药物开发中的多个阶段，为药物的快速设计开发提供一个完整的基于人工智能的解决方案。成果：1.药物毒性预测方法：传统的化合物毒性检测技术一般需要使用生化试验、细胞实验、甚至动物模型，这些方法不仅耗费大量时间，而且成本很高。使用计算模型进行有机化合物的毒性预测，所需投入较少，但产出巨大。特别是基于化合物的物理化学和结构特性的计算模型，甚至能够在化合物合成之前就对其进行预测，大大提高了效率，使其越来越受到欢迎。在进行体外和体内试验之前先使用计算机模型对化合物进行大规模的毒性筛选，能够更好地解决候选药物具有毒性的问题。我们建立了一套新的基于多种分子指纹和机器学习算法的化合物毒性预测集成学习算法，运用此集成学习算法建立了新的有机化合物致癌性、致突变性和肝毒性预测模型。我们分别建立了名为CarcinoPred-EL (http://112.126.70.33/toxicity/CarcinoPred-EL/, 致癌性预测)、MutagenPred-EL (http://112.126.70.33/toxicity/MutagenPred-EL/, 致突变性预测)、LiverToxPred-EL (http://112.126.70.33/toxicity/LiverToxPred-EL/, 肝毒性预测)的预测服务器，这些服务器能够为使用者提供更高效更便捷的预测技术服务。自2017年服务器发表起，我们已为国内外药物分子设计研究者提供了5000多次共计超过20多万个化合物的毒性预测服务。在有机化合物毒性预测研究方向，我们主要完成了化合物的细胞毒性、心脏毒性、生殖毒性、血脑屏障透过性、水生生物毒性预测模型，以及糖尿病早期筛查模型的开发，正在进行P450酶阻滞剂性预测模型、基于图神经网络的毒性预测算法研究、基于分子对接的化合物毒性预测研究等。相关研究成果已发表多篇学术论文（Zhang L., et al. Scientific Reports, 2017, 7: 2118. WOS被引次数80，ESI 1%高被引论文；Ai H., et al. Toxicological Sciences, 2018, 165: 100-107；Yin Z., et al. Journal of Applied Toxicology. 2019, 39(10): 1366-1377；Ai H., et al. Ecotoxicology and Environmental Safety. 2019, 179: 71-78；Liu M., et al. Toxicology Letters. 2020, 332: 88-96；Feng H., et al. Toxicology Letters. 2021, 340: 4-14；Li S. et al. Interdisciplinary Sciences: Computational Life Sciences. 2021, 13: 25-33.）致癌性预测服务器首页致癌性预测结果页相关综述对本服务器的介绍RF-hERG-Score预测药物引起的hERG相关心脏毒性2.药物设计方法：在计算机上对药物靶点和药物分子的结构和活性建模，计算药物与靶点之间的相互作用关系，从而设计出具有治疗作用的药物。计算机辅助药物设计可以为药物设计各阶段的实验方案提供有意义的指导，减少需要通过实验评估的候选药物的数量，从而加快新药研发速度。我们应用分子对接、分子动力学模拟、自由能计算、机器学习等方法研究流感病毒等重要疾病的计算机辅助药物设计、并开发更有效的计算机辅助药物设计方法。在计算机辅助药物设计研究我们主要完成了流感病毒M2质子通道蛋白抑制剂虚拟筛选方法研究，正在进行先导化合物生成模型研究、基于机器学习的虚拟筛选打分函数算法开发、SARS-CoV-2病毒S蛋白与受体相互作用及药物设计研究。特异性重打分函数显著虚拟筛选性能显著较高筛选出两个候选抑制剂3.药物靶点识别方法：长非编码RNA（lncRNA）是一种长度在200nt至100,000nt之间的非编码RNA，是转录物的主要成分。研究表明lncRNA在许多生物学和病理学过程中起着重要作用。lncRNA起作用的重要途径是与其靶蛋白结合。lncRNA-蛋白质相互作用的实验研究需要大量资源。累积的实验数据使得通过计算方法预测lncRNA-蛋白质相互作用成为可能。我们使用各种数学建模和机器学习方法开发了几种用于预测lncRNA-蛋白质相互作用的新模型。这些模型命名为：RWLPAP（随机游走），LPI-NRLMF（邻域正则化逻辑矩阵分解），IRWNRLPI（集成随机游走和邻域规则化Logistic矩阵分解），LPI-BNPRA（双向网络投影推荐算法），LPI-ETSLP（基于特征值变换的半监督链路预测），HLPI-Ensemble（集成学习）。在交叉验证中，我们的模型获得了较好的预测性能。lncRNA-蛋白质相互作用预测模型的性能比较lncRNA-蛋白质相互作用预测服务器相关软件著作权：

针对子载波非连续可用的情况下，基于迭代平均处理的思想，设计了适用于载波扩展OFDM系统中的导频符号，使用这种导频符号，能有效地克服OFDM系统峰均功率比过高的问题，且能保证较优异的误比特性能。