一种治疗骨质疏松的特定低频脉冲电磁仪，包括时间继电器、变频器和线圈；时间继电器的触点串联在变频器的电源输入线路上，按照设定的时间接通变频器的工作电源；变频器的输出端与线圈连接，用于调整输送给线圈的电流的频率和强度，使线圈产生治疗骨质疏松的特定交变低频脉冲电磁场。使用时，装有线圈的筒体可放置在人体需治疗的任何部位。动物试验表明，在低频脉冲电磁场的频率为8Hz、磁场强度为3.8mT 的环境中每天照射40分钟，治疗骨质疏松的效果最好。

本发明公开了一种变脉宽激励的脉冲涡流检测方法。该方法包括如下步骤：（1）将脉冲涡流传感器置于被测试件上；（2）设置当前激励脉宽 PW_cur=t₀；（3）获取检测信号，测量 时 间 区 间 为 [0,t] ；（ 4 ） 计 算 检 测 信 号 在 时 间 区 间[t₁,t₂]上的积分 IN<sub&g

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。    

本发明公开了一种多线圈电磁式力触觉反馈装置及方法，包括底座、设置在底座上的 n 个电磁线圈 和操作杆;电磁线圈内部为导磁铁芯、外部缠绕铜线，并与嵌入式控制系统的驱动线圈控制电路连接; 一个电磁线圈作为磁场补偿线圈设置在底座中心轴处，其余电磁线圈作为磁场产生线圈在操作空间中围 绕中心轴等距分布在底座上;线圈的姿态能够随着人机交互应用案例的需要而调整，线圈的位置能够随 着不同的人机交互应用需要而动态改变;操作杆由磁铁及手柄构成，用于在线圈产生的可操作有效磁场 空间中与磁场交互。本发明

产品详细介绍★2.0声道全频音箱放大器、麦克风音量与音乐音量独立调节、一路音频输入、一路录音输出、安装调试简单、扩音清晰、性能稳定。

大功率复杂波形激光脉冲种子源主要用于产生高功率的复杂波形激光脉冲。在MOPA（Master Oscillator Power Amplifier）系统中的输出光脉冲，会因系统内部的多次光放大而带来波形劣化。克服该技术缺陷的主要手段是对种子光脉冲进行整形，以修正最终的高功率脉冲波形。这要求种子源系统输出的光脉冲能同时满足大功率和复杂波形。 MOPA系统主要应用于需要强激光脉冲的激光标记、材料加工、或其它特殊领域，大功率复杂波形激光脉冲种子源是提升输出激光脉冲质量的核心技术。

小阵列核脉冲能量与时间谱分析系统是国家自然科学基金和NSAF联合基金 项目的创新成果，采用先进的低噪声阵列读出电路和基于FPGA的多通道能量与 时间谱分析系统，能够同时测量小阵列像素探测器的能谱和时间谱，并绘制出一 维能量谱、一维时间谱、能量与时间的二维谱以及光子作用位置分布图。 该系统相对于国内外现有产品的主要优点是：(1)能够同时测量核脉冲的 能量和时间谱，并给出二维谱分布；(2)能够对小阵列探测器进行高速并行读 出，并具有较高的灵敏度；(3)可以实现初步的能谱成像，并具有亚像元空间 分辨能力。 系统指探测器、模拟读出电路、FPGA谱分析系统以及电源四个模块组成， 低压电源采用±3. 7V可充电锂电池，高压电源采用IkV高压模块，探测器采用基 于CZT晶体的像素阵列探测器，探测器与模拟读出电路体积为 4. 5cmx4. 5cmx2. 7cm, FPGA 谱分析系统体积为 6. 5cmx8. Icmx2. 5cm,基本系统的 像素阵列为2x2,高分辨系统的阵列数可达8x8,系统的时间分辨可达5ns,能 量测量下限可达5keV,对59. 5keV伽马射线可以实现能量分辨率5. 5%。

已有样品/n该项目采用自主设计装置和编写的软件，实现嵌入式控制，能够对超短脉冲的脉冲宽度和相位做出精确的测量：波长范围：400nm-2000nm，脉冲宽度15fs-20000fs，重复频率：同步测量-100MHz。目前国内相应的相应设备均需尽快美国和德国产品，单机价格在15万元左右，且计算程序运行电脑需要另配。该仪器与其他产品在性能相比接近的同时，实现直接的控制与显示。

本发明公开了一种液电脉冲激波产生装置，包括：充放电装置 和反馈调控装置；充放电装置包括：高压直流电源、储能电容、高压 开关、高压电极和低压电极；反馈调控装置包括：驱动模块、传动模 块、位检模块和监控模块；高压直流电源给储能电容充电，储能电容 通过高压开关对高压电极和低压电极放电，形成脉冲激波。驱动装置、 传动装置可控制电极的运动，位移检测器可检测电极的位置；监控装 置可根据放电电压、放电电流与输出功率等参数的测量值与设定值比 较，从而修正激波发生系统的间隙距离和放电电压等，以使放电系统 近似处于临界