產(chǎn)地類(lèi)別 | 進(jìn)口 | 電動(dòng)機(jī)功率 | 3600kW |
---|---|---|---|
讀出方式 | 模擬量 | 工作原理 | 脈沖 |
外形尺寸 | 50mm*50mmmm | 外型尺寸 | 30mm*40mmmm |
應(yīng)用領(lǐng)域 | 化工,生物產(chǎn)業(yè),石油,能源,建材 | 重量 | 0.8kg |
產(chǎn)品簡(jiǎn)介
詳細(xì)介紹
秉銘1093451舵機(jī)平臺(tái)磁電編碼器AFM60A-TDAC262144
AFM60A-TDAC262144舵機(jī)對(duì)位置反饋元件的高精度、高可靠性、小體積等要求,通過(guò)磁場(chǎng)設(shè)計(jì)和仿真分析,設(shè)計(jì)了一款基于舵機(jī)平臺(tái)的小型單磁*精度磁電編碼器;并通過(guò)仿真分析,研究了存在同心偏移、對(duì)角偏轉(zhuǎn)、對(duì)稱(chēng)偏轉(zhuǎn)等形式裝配誤差情況下,磁電編碼器的輸出特性,為后續(xù)的精度補(bǔ)償打下基礎(chǔ)。 自動(dòng)編碼器作為一種壓縮算法,在數(shù)據(jù)降維和去噪等方面有著廣泛實(shí)踐,有條件作為一種降階方法在流場(chǎng)識(shí)別與數(shù)據(jù)處理方面得到應(yīng)用。文章中以圓柱繞流為例,首先對(duì)圓柱后速度場(chǎng)建立了編碼模型,用來(lái)對(duì)原始數(shù)據(jù)進(jìn)行降維和特征提取,之后將編碼后的數(shù)據(jù)與流場(chǎng)特征量相關(guān)聯(lián),建立了由流場(chǎng)編碼回歸圓柱表面壓力系數(shù)的神經(jīng)網(wǎng)絡(luò),探索了降維后數(shù)據(jù)的應(yīng)用。結(jié)果表明,自動(dòng)編碼得到的結(jié)果能夠承載原始速度場(chǎng)的主要信息,解碼后速度場(chǎng)與原速度場(chǎng)測(cè)試均方根誤差小于0.02,壓力回歸測(cè)試均方根誤差可小于0.1。說(shuō)明自動(dòng)編碼器能夠作為一種流場(chǎng)的特征提取和降階方法,在未來(lái)得到更廣泛的應(yīng)用。SLAM即同步定位與地圖構(gòu)建技術(shù),是一種機(jī)器人在未知環(huán)境中解決定位、地圖構(gòu)建和導(dǎo)航的關(guān)鍵技術(shù),其中ORB-SLAM使用ORB特征進(jìn)行追蹤、建圖和位置識(shí)別任務(wù),表現(xiàn)出良好的實(shí)時(shí)性和穩(wěn)定性。完整的ORB-SLAM系統(tǒng)包括了跟蹤、局部建圖、閉環(huán)檢測(cè)和全局優(yōu)化幾個(gè)線程,其中閉環(huán)檢測(cè)通過(guò)檢測(cè)視頻幀中的閉環(huán)對(duì)來(lái)更正漂移誤差,是SLAM系統(tǒng)中的關(guān)鍵部分。當(dāng)前的閉環(huán)檢測(cè)采用傳統(tǒng)的ORB特征,通過(guò)構(gòu)建完善的視覺(jué)詞袋生成圖像的特征向量描述,對(duì)圖像特征缺乏空間描述,容易受到環(huán)境變化的影響。此外,傳統(tǒng)詞袋體積大難遷移的缺陷也在一定程度上限制了SLAM的應(yīng)用場(chǎng)景。本文基于上述背景,將SLAM中的閉環(huán)檢測(cè)與深度學(xué)習(xí)理論相結(jié)合,對(duì)ORB-SLAM系統(tǒng)進(jìn)行優(yōu)化,主要工作如下:論文在對(duì)一般性圖像檢索技術(shù)研究總結(jié)后提出了一種基于棧式混合自編碼器的無(wú)監(jiān)督特征提取辦法,在此基礎(chǔ)上建立了多層融合的深度特征描述優(yōu)化特征提取效果,并在預(yù)處理環(huán)節(jié)引入特定目標(biāo)檢測(cè)算法識(shí)別動(dòng)態(tài)圖像中可能存在的人物干擾,進(jìn)一步提高模型的魯棒性。除去特征提取以外的第二個(gè)研究重點(diǎn)是相似圖像檢索的效率優(yōu)化。
秉銘1093451舵機(jī)平臺(tái)磁電編碼器AFM60A-TDAC262144
AFM60A-TDAC262144基于近似近鄰查找的理論基礎(chǔ),選擇哈希編碼作為特征編碼方法,在哈希函數(shù)的學(xué)習(xí)中引入量化誤差項(xiàng)以提升編碼精度。采用哈希編碼能夠有效提高閉環(huán)檢測(cè)的效率,滿(mǎn)足系統(tǒng)的實(shí)時(shí)性要求。為了進(jìn)一步提高檢索精度,論文中設(shè)計(jì)了一種二次檢索策略。我們利用生成的哈希碼采用聚類(lèi)的方法找到目標(biāo)圖像的近鄰圖像,然后用提取的原始特征編碼進(jìn)行相似度計(jì)算,這種方法相比起普通的順序檢索在效率上具有更大的優(yōu)勢(shì)。本文對(duì)所介紹的系統(tǒng)各個(gè)模塊進(jìn)行了性能測(cè)試實(shí)驗(yàn),并分析了實(shí)驗(yàn)結(jié)果,實(shí)驗(yàn)結(jié)果證明了本文所述方法的有效性。
1093451 AFM60A-TDAC262144
1093464 EKS36-0KF0B0S06
1093465 EKM36-0KF0B0S06
1093472 DFS60A-TEAA16384
1093473 DFS60B-TDWA01024
1093474 DFS60B-TBCA07200
1093500 DKV60-EZZ00S10
1093542 DFS60B-BGCC04096
1093571 DFS60I-Q4MK65536
1093663 DBS60B-S1HC10000
1093665 DFS60S-S4OD01024
1093666 DFS60B-S4WA02048
1093668 AHS36A-S2CC016384
1093669 AHM36B-BDAJ010X12
1093670 DBS60E-B8ECD1024
1093671 DBS60E-TEFAC1000
1093674 AFM60I-BDKK262144
1093676 DFS60B-S1AN10000
1093683 DBS36E-SZGZZ0S50
1093690 DUV60E-32KFJACA
1093703 DFS60S-BDOA00S01
1093714 DUS60E-TCKFACGB
1093848 DFS60B-BHMA00100
1093849 DFS60B-THEA04096
1093850 DFS60B-S1AM10000
1093852 DBV50E-22GKB2500
1093853 DBS60E-BEEJD0025
1093854 DBS60E-RHFK00500
1093855 DFS60I-S4CN02048
1093856 AFS60I-BFAC036000
1093880 AFM60B-BBAK000S31
1093910 AHM36B-BAAK012X12
1093911 DFS60I-BBAK10000
1094003 AFM60I-BEAL262244
1094023 AFS60B-THAK016384
1094024 DBS60E-THFQD1024
1094025 DBS36E-BAGJ02000
1094030 DFS60B-S1EM01200
1094036 DFS60B-S4EK03000
1094046 DGS35-5L400120