|
搜索
搜 索
高等教育领域数字化综合服务平台
齿轮测量机
目前齿轮厂家在提高齿轮质量的过程中必须通过对齿面进行测量才可以得知如何修正齿面误差，而测量齿面无非采用两种方式：（1）三座标测量（2）齿轮测量机。三座标的测量范围广，可以测量各种类型的零件，但如果仅用于齿轮测量，则用齿轮测量机具有优势，因为齿轮测量机速度快且精度高。目前国内的轮测量机，但由于精度和软件和美国MM的有较大差距，因此销售量不大，国内齿轮厂一般买
西安交通大学
2021-01-12
MEMS惯性测量单元
成果简介： 惯性测量单元（Inertial Measurement Unit，简称IMU）是测量物体三轴姿态角（或角速度）以及加速度的装置。IMU属于捷联式惯导，该系统由两个加速度传感器与三个速度传感器（陀螺）组成，加速度计测量物体在载体坐标系统独立三轴的加速度信号，而陀螺检测载体相对于导航坐标系的角速度信号，测量物体在三维空间中的角速度和加速度，并以此解算出物体的姿态。在导航中有着很重要的应用价值。 技术指标 技术指标 单位 型号 UESTCME-1 UESTCME-2 UESTCME-3 轴数 个 3 3 3 加速度量程 ±10g ±35g ±35g 加速度精度 2.8 5.5 11 加速度灵敏度 mV/g 100±2 20±1 40±1 加速度零点稳定性 mg/hr 15 60 40 加速度温度漂移 % <2% <2% <2% 角速度量程 o/s ±150 ±300 ±300 角度精度 度 0.1 0.2 0.1 角度灵敏度 mV/o/s 6±1 6±1 25±1 角度零点漂移 o/hr 0.3 1.0 0.3 角度温度漂移 % <2% <5% <2%
电子科技大学
2017-10-23
激光跟踪测量系统
成果与项目的背景及主要用途： 激光跟踪测量系统是近些年来迅速发展并得到广泛应用的高精度、便携式三坐标测量机。这种测量系统的主要特点是测量范围大，通常为数十米甚至上百米。在全量程内的测量精度可以保持在微米级。整个系统的典型重量为20kg左右，非常便携。由于可以和多种形式的合作目标（也叫目标镜或目标测头）配合使用，因此不仅能对点、线、面等简单的几何特征进行测量，而且能够对内部特征、隐藏特征或曲面等复杂特征进行快速、高精度的测量。
天津大学
2021-04-14
水貂体重测量设备
水貂体重测量设备包括车架、貂筒、貂筒固定架、貂筒挡板、貂筒挡板控制机构、称重传感器、控制屏和电源，在平台的后端设置有貂筒固定架，在貂筒固定架的底部安装有称重传感器；貂筒挡板控制机构包括驱动元件和联动杆，在平台上设置有缝隙，在缝隙的下方设置貂筒挡板；控制屏包括触摸显示屏、启停按键、貂筒挡板动作按键、当前清零按键和控制器。本实用新型实现了水貂体重的快速精确测量，减小了养殖户的劳动量。
青岛农业大学
2021-04-13
水貂体长测量设
水貂体长测量设备包括车架、貂筒、貂筒固定架、长度测量传感器、控制屏和电源，车架的上表面为平台，在所述平台的后端设置有貂筒固定架，所述貂筒固定在貂筒固定架上；在貂筒的前方设置有立板，所述长度测量传感器固定在立板上，且长度测量传感器对准貂筒的前开口；所述立板与貂筒的前端留有用于放置貂笼的间距；控制屏固定在所述平台上，控制屏包括触摸显示屏、启停按键、当前清零按键和控制器，所述长度测量传感器、显示屏、启停按键和当前清零按键分别与所述控制器连接。本实用新型实现了水貂体长的快速精确测量，减小了养殖户的劳动量。
青岛农业大学
2021-04-13
面积测量器
产品详细介绍面积测量器
宁波舜盈机电科技有限公司
2021-08-23
面积测量器
宁波华茂文教股份有限公司
2021-08-23
具有能量回馈功能的挖掘机液压系统
成果描述：本发明公开了一种具有能量回馈功能的挖掘机液压系统，包括系统主泵、主要执行元件：行走马达、回转马达、动臂油缸、斗杆油缸和铲斗油缸及相应用于控制执行元件的动作的多路阀。液压系统接入能量回馈模块，所述能量回馈模块包含了两个子模块子模块Ⅰ、子模块Ⅱ；本发明针对液压系统，尤其是针对车体和作业装置的运动、节流调速控制方面提出一种新型的液压装置，该装置作为模块，可以安装到挖掘机系统并独立于挖掘机系统，形成一种新的独立的能量回馈作业模式。模式根据负载的载荷和速度需求情况，能够自动调整工作点，最大限度回收了无用能量，并自动反馈到液压系统中，模块通用性强。市场前景分析：新型工程机械领域。与同类成果相比的优势分析：技术先进，性价比较高。
西南交通大学
2021-04-10
基于多径能量窗的CDMA移动通信接收技术
本技术系CDMA移动通信系统核心技术方面的发明性成果，由国家杰出青年科学基金项目和教育部重点科学基金项目联合支持，并结合国家863计划九五重点之重项目和信产部移动通信专项基金“第三代移动通信系统研究开发项目”的实施而形成。
东南大学
2021-04-10
基于大数据的能源互联网能量管理系统
随着电网数据规模越来越大，所蕴含的价值也越来越多。清华大学信研院研发了基于机器学习方法的能源互联网能量管理系统，主要功能为对电网的稳定性进行预测和可视化。系 统分为训练部分和预测部分。训练部分通过历史数据进行机器学习，建立一个电压稳定性的 分类器。分类器训练完成后，再对新增的未知数据进行预测。训练部分主要分为特征提取、 类别标记、特征压缩、分类器类型选择。预测部分主要分为分类器数据启动阶段和预测输出 阶段。本系统提出利用机器学习方法对电网电压稳定性进行预测，进一步综合多个节点给出 电网态势感知的评估结果。在训练每一个节点分类器的时候，本系统将特征选取的时段和预 测时间节点拉开，形成一种延时的预测方法，本发明对复杂系统有着更好的还原效果。2 应用说明本系统实施电压稳定性预测的具体步骤为:步骤 1:通过部署在关键测点的同步相角测量单元 PMU 采集电网实时数据，所述 实时数据包含电网中每个关键测点的电压 U、 有功 P、无功 Q、电流 I;分别计算 U 的衍 生量 dU/dt，Q 的衍生量 dQ/dt，电压的变化 量比上无功的变化量的衍生量 dU/dQ，用这 些衍生量作为特征，来表征量的时间变化速 率;步骤 2:对步骤 1 中提取的特征进行数 据降维与压缩;根据特定时刻电压 U 是否恢 复到标准值的 0.8 倍来区分每组样本组是否 稳定，用 0 标记稳定，用 1 标记不稳定;步骤 3:选择分类器，建立一个电压稳 定性的分类器;步骤 4:训练分类器;当分类器训练完 成后，将训练好的参数储存起来;步骤 5:进入预测部分的数据启动阶段， 填充特征矩阵，没有输出;步骤 6:把多个节点的特征按照顺序排列，形成特征矩阵;特征矩阵填充完成后， 根据分类器给出的预测结果;特征时段向前滑动，最初的特征被抛弃，新特征补充在队尾， 分类器持续给出预测结果;步骤 7:每隔一定时间间隔 ，要把新收集来的数据与以前的数据一起，重新回到步骤 4 训练分类器，更新参数。在具体系统搭建过程中，我们充分利用现有机器学习平台。其中 Hadoop 的文件管理系统 HDFS 负责数据存储;Spark 负责模型训练;Storm 负责在线预测;Kafka 负责在 Storm 和Hadoop 之间传递更新后的模型参数。
清华大学
2021-04-11