本发明公开了一种高速铣削-激光切焊复合加工工艺及可重组多 轴数控加工系统。可用于金属及非金属材料加工，是将高速铣削、激 光切割、激光焊接以刀具更换的形式集成于数控机床上，期间无需更 换设备及工装夹具，从而完成对材料的切割-铣削-焊接一体化的加工。 该系统包括控制平台、数控系统、激光器、数控机床、工装夹具、五 轴加工头(铣头、激光切割动力头和激光焊接动力头头)。五轴加工头可 以实现加工头之间的快速切换，实现对工件的不同

本专利公布了一种防止光纤缠绕的多轴数控加工系统可更换两 坐标激光加工头，包括旋转轴 C 轴、摆动轴 A 轴和激光加工光学组件， 其中：C 轴可以带动 A 轴进行转动；A 轴可以带动激光加工光学组件 进行摆动；激光加工光学组件主要用来引导激光对工件进行加工。将 本专利公布的两坐标激光加工头与机床相结合，可以实现大幅面、高 速度的激光加工。当工件需要进行铣削加工时，只需将 A 轴拆下，然 后将铣头通过快速连接端面与 C

本发明提出一种五轴机床旋转轴几何误差一次装卡测量方法。 本发明通过分别测量两条运动链理想位姿与实际位姿间的偏差，然后 基于机构的空间误差模型，反算出双运动链上待标定运动副的几何误 差值，能够实现单摆头—单转台五轴联动机床两个旋转轴共十二项几 何误差参数的一次装卡连续测量，在保证测量精度的前提下，避免了测量仪器及试件的多次装卡，提高了测量效率，填补了本领域的空白。 该方法可应用于单摆头—单转台结构五轴联动机床两个旋转轴几何误 差的测量。

本垂直轴水轮发电机是应用于食水管道的内联闭式的水力发电系统，它通过消耗一定的水头或水动能从管网系统内部获取一定的电能来为检测系统提供安全可靠的电力并满足实际应用的要求。 1. 不改变水管中水流动方向。由于实际安装系统的空间狭小，没有足够的空间来改变水管中水流的方向。2. 安装方便简单并与管网系统有机结合。减少了安装时间和成本。减少了该系统对供水提供的影响。

    myCobot 320 M5是myCobot产品进阶版，主要适合创客及科研人员，能够根据用户的需求进行二次开发，实现用户个性化定制。整体精巧构思，all-in-one设计，具有易用性、安全性和经济性三大优势，是高性价比之选。 myCobot 320 M5本体重量3kg，负载1kg，工作半径320mm，体积相对小巧但功能强大， 操作简单、能与人协同、安全工作。          产品特性 性能强大，搭载两块显示屏 采用无刷直流舵机，可以达到±0.5mm的重复定位精度 机身搭载两块显示屏，支持M5生态应用，有效拓展协作应用空间 操作便捷，开源易用 借助拖动示教以及myblockly简单的可视化编程，用户可迅速上手操作 支持ROS/moveIt等开发系统及大象机器人自主研发的roboflow操作软件 经济适用，超高性价比 标准8小时工作制，能够替代重复性、标准性的工作 万元级机械臂，有效为需要高性能＆低成本的科研降本增效 一体化设计，安全协同作业 精巧结构设计使其能够充分利用空间，完美融入实际环境 兼备基于精确动力学模型的防碰撞检测功能使其能与人安全协同作业 应用场景     myCobot 320 M5是生产力工具也是想象力边界的拓展工具，既可搭配多种末端执行器适配多种应用场景，如科学研究、教育场景、展示场景等，目前客户反馈极佳。   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.0.0.2b0e58e7URShvv 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室

我校理学院大数据研究团队在人工智能与大数据处理技术研究方面取得系列进展，研究成果分别发表在IEEE Transactions on Neural Networks and Learning Systems、IEEE Transactions on Cybernetics和Information Sciences三大人工智能顶级期刊。神经网络是人工智能领域中目前最为火热的研究方向——深度学习的架构基础。虽然深度学习在近几年发展迅速，但是关于如何设计最优神经网络架构的问题仍处于探索阶段。该团队分别针对人工智能中神经网络结构复杂、高维大规模数据存在无效和冗余特征、难以获取长时序信息等问题与缺陷，设计出了一系列网络结构优化、大数据特征选择和时序循环神经网络模型，有效改善了上述不足，提高了人工智能模型的学习性能。 题目为《带Group Lasso惩罚与控制冗余的神经网络特征选择》（Feature Selection using a Neural Network With Group Lasso Regularization and Controlled Redundancy）的研究论文发表在人工智能领域权威国际期刊IEEE Transactions on Neural Networks and Learning Systems。王健副教授和博士生张华清为该论文共同第一作者， 我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项工作得到国家自然科学基金、国家科技重大专项、山东自然科学基金、中央高校基本科研业务费、中国石油天然气集团公司重大科技项目以及山东省高校青年创新科技支撑计划的资助。 特征选择技术也称属性选择，是指从原始特征或属性中选择出最有效的特征或属性以降低数据维度的过程，它是人工智能数据预处理环节的重要步骤，也是大数据处理技术的重要环节。该项工作在神经网络中嵌入Group Lasso惩罚项并实现特征冗余控制，在选出对解决问题最有帮助、蕴含信息量最大的特征或属性的同时，控制所选特征子集的冗余程度，以达到降维的最优效果，从而使模型的泛化能力更强，降低神经网络模型产生过拟合的风险。 题目为《基于L1正则化的神经网络结构优化模型设计与分析》（Learning Optimized Structure of Neural Networks by Hidden Node Pruning With L1Regularization）的研究论文发表在国际人工智能领域权威期刊IEEE Transactions on Cybernetics。硕士生谢雪涛和博士生张华清为论文共同第一作者，王健副教授为通讯作者，我校荣誉教授Nikhil R. Pal院士（印度统计研究所）参与指导，中国石油大学（华东）为第一署名单位。该项研究成果得到了国家自然科学基金、山东省自然科学基金和中央高校基本科研业务费的资助。 该项工作借助L1正则子具有的稀疏表达能力，提出两种神经网络结构优化学习模型；本项工作另外一个突出贡献就是提出了一种简单且具有通用性的收敛性证明方法，同时保证了模型设计的合理性。实验结果表明所提出模型具有强大的鲁棒性、广泛的适用性、理想的剪枝能力和良好的泛化能力，适用处理高维大数据。该研究成果在人工智能与深度学习构造最简网络结构方面具有很强的指导作用和应用推广价值。

基于自主研发构建了机电液一体化大型设备，电气是基于PLC为基础自做开发的控制程序，完全符合市场需求。机械采用预紧式机架，大大降低了制造、安装难度及生产成本，本且减少整机重量。液压系统采用高压蓄能器瞬间加压，同时利用蓄能器回收高压油，大大降低了功率的使用，提高了液压系统的加压速度。 该设备具有结构简单、重量轻、安装调试周期短等优点；同传统的快速锻造机相比，采用高压蓄能器提高液压系统的加压速度、工作效率得到大幅提升，整节能效果显著。