摘要：设计了一种四自由度轻型臂,首先确定了机械臂构型,用MATLAB软件生成了机械臂工作空间云图,利用UG设计各部件的三维模型装配成整机模型,根据设计结果制造了一台四自由度轻型臂;后面着重进行了运动学正逆解的求解,根据解的结果并编写了求解器,然后结合MATLAB机器人工具箱进行了机械臂的仿真与验证。

摘要：提出了一种新的服务机械臂构型设计方法,该方法研究了人的手臂运动形式,并进行了仿形。建立了数学模型,运用牛顿-欧拉方法进行了动力学分析,从而选择了电机和减速器;利用UG三维造型技术对机械臂进行具体设计,包括利用UG设计机械臂机构、优化机械臂结构等;利用ADAMS和ANSYS进行了仿真分析。结果表明:所设计的机械臂保证了轻量化的同时能够满足强度和刚度的要求。

摘要：目的开发一种基于深度学习的多维度分割系统,在磁共振成像(magnetic resonance imaging,MRI)影像中识别微小病灶,为急性缺血性脑卒中(acute ischemic stroke,AIS)的诊治提供决策依据。方法提取并融合2D、3D网络的特征,引入了联合损失函数,进而提出了一种新的2.5D方法——多维度多尺度注意力增强网络(multi-dimensional multi-scale attention enhanced network,MMAE-Net)。在AIS分割数据集(训练集171例、测试集43例)上训练和测试了所提方法的性能,并与其他方法进行比较。结果相较于2D、3D网络,2.5D网络(MMAE-Net)在各项评价指标上均可取得最优异的分割性能,获得了81.25%的Dice相似系数(dice similarity coefficient,DSC)和84.82%的灵敏度(sensitivity,SEN)。相较于U-Net、ResU-Net、DenseU-Net、AttentionU-Net和SEgmentation TRansformer(SETR)等经典方法和既往研究,MMAE-Net取得了更优异的分割性能。我们还开发了可视化自动分割系统以提升方法的实践和推广能力。结论本文基于2D、3D特征融合的理念设计了2.5D多维度分割模型MMAE-Net,其在MRI微小病灶的识别中取得了优异性能,为AIS疾病诊治提供了有效的解决方案。

摘要：研究了基于ATmega128单片机的压力控制器实现对压配过程中回路液压压力的监测,绘制出压配过程的压力变化曲线,从而实现对产品质量的监控.实践证明:该液压压力控制器对降低次品率、节约生产成本有重要意义.