增量运动过程中心率变异性的研究

通过对增量运动过程中心电图的记录分析，研究了增量运动过程中心率变异性指标（ＳＤＲＲ、ＳＤＤＲＲ、变异系数）的变化规律。结果显示：增量运动过程中，随运动强度的增加ＳＤＲＲ逐渐减小（５０Ｗ时Ｐ＜０．０５、１２５Ｗ时Ｐ＜０．０１），ＳＤＤＲＲ逐渐减小（５０Ｗ后Ｐ＜０．０５），心率变异系数逐渐减小；心脏内传导（主要是房—室传导）加快（１５０Ｗ时Ｐ＜０．０５）；心室复极化量逐渐减小；运动终止后上述改变逐渐恢复。

增量运动的交流控制

增量运动,顾名思义其控制运动的特点是从步到步,起停相间,然而,增量运动并不仅仅限于起停运行,当起停频率相当高时,其运动是连续的。所以,增量运动广义的理解为:在给定的时间内(尽可能短的),电机驱动负载按确定的轨迹,满足给定精度和品质,运动到它的末端位置,又能准确地重复运动。在工业上,具有上述性质的运动主要在以下两大领域: 1、计算机外围系统和数字控制; 2、数控机床、工业机器人与自动生产线。

直线增量运动电动机

一、引言增量运动,顾名思义其所控制的运动的特点是从步到步,起、停相间的运动。例如,直线步进电动机就是一种典型的直线增量运动电动机,它是一种把电脉冲信号直接转换成微步直线步进运动的驱动装置,给它一个电脉冲,它会在空间按照指令给定的方向和步距向前走一步,并准确地锁定在所希望的位置上。频繁快速起动,停止的直流直线电动机,也可以认为是一种直线增量运动电动机,因为人们可以把输入的数字脉冲转换成相应的模拟量输出来控制直流直线电动机作频繁快速起动和停止相间的运动。直线增量运动电动机,早在19世纪末就有人提出,但是直到20世纪70年代。

增量运动的加减速策略研究

介绍了一种实用、高效的增量运动的加减速控制方法。它的硬件设计灵活，适应性强，不仅实现了电机的高速可靠运行和最佳升降频控制，而且还可对电机的运行速度进行控制，从而充分发挥电机的潜能；它大大简化了应用系统的控制软件，使得ＣＰＵ完全有能力进行对多路电机运动的并行控制。

国外直线增量运动电动机的发展

直线增量运动电动机是一种把电脉冲信号直接转换成微步直线步进运动的驱动装置,在原理、构造和生产工艺上均不同于旋转电机。本文介绍了其诞生与发展,主要优缺点及其应用前景。

一种稳健性增强和精度提升的增量式运动恢复结构方法

增量式运动恢复结构(ISFM)实现了无序影像的三维重建,在精细化建模、现实场景三维记录以及互联网影像三维重建等领域发挥了重要的作用。但增量式运动恢复结构方法仍存在稳健性差和精度低等方面的问题,常导致三维重建结果难以令人满意甚至三维重建失败,严重限制了增量式运动恢复结构技术的发展应用。本文提出了一种增强稳健性、提升精度的运动恢复结构方法。本文方法有如下3点贡献:①针对立体影像特征匹配结果误差点多的问题,提出了一种顾及特征响应值的参数自适应RANSAC方法,在有效剔除误匹配的同时,最大限度地保留了正确的匹配点;

Brown运动增量在Hlder范数下的拟必然收敛速度

利用Brown运动在Hlder范数下关于容度的大偏差与小偏差,得到了Brown运动增量在Hlder范数下关于(r,p)-容度的拟必然收敛速度.

运动增量编码器研究及其在故障诊断中的应用

运动增量编码器(IME)是一种新型的轴心轨迹测量传感器,其测量灵敏度可以达到亚微米级.它是典型的数字化传感器,没有模拟放大和滤波等环节,量程很宽且测量精度不受系统特性的影响和噪声干扰,这种传感器在测取轴心轨迹的同时还能获得轴的扭振信号,实现了两种传感功能的集成.在轴承及转子故障诊断和回转运动精度分析中有广泛的应用前景.提出了IME测量过程中的“角增量”概念,并以此分析了IME的测量原理和误差来源,在此基础上提出了无偏差系统的方法原理.

融合视惯RTK的非接触高精度点位测量方法

为解决信号受遮挡或物理不可达区域的高精度点位测量问题,提出了一种融合视惯和实时差分定位(RTK)信息的非接触高精度点位测量方法。首先,利用由RTK测定的相机位置信息,在增量式重建中将相机位姿和特征点空间位置配准到全球地理坐标系下;其次,在全局优化中引入视觉重投影误差、RTK测定的相机位置、惯性测量单元测定的相机姿态作为约束,以提升特征点空间位置的测量精度;最后,将图像中的特征点坐标从像平面坐标系映射到全球地理坐标系下,实现对场景中特征点位坐标的非接触性测量。与OpenMVG的对比实验表明:所提方法在3m和5m距离处的非接触性点位测量精度分别提高了87.25%和75.88%,验证了其在非接触性点位测量问题上的高精度。

基于增量式SFM的特定目标加速定位方法

针对当前增量式运动恢复结构法中每加入一幅图片需要循环多次光束平差迭代造成的大计算量和三维重建过程点云目标针对性弱等问题,提出两步改进方法。首先,引入一种分段调节函数。在三角化步骤之后,计算系统的重投影误差,通过比较此误差与事先设定的阈值,以此判断后续局部迭代优化步骤的运行方式。随后,待所有图像注册完毕,使用SURF算法进行二次图像匹配。确定特定目标的图像坐标和对应空间相对位置,并完成对应点云重建过程,同时滤除无用冗余信息。实验证明,改进方法在基本维持原有定位精度的基础上,可以较大的提高系统运行速度,并且能够从众多目标中快速准确地找到所需目标位置,最终生成空间点云,具有较强的实用价值。

交流伺服电机的开环步进运行

步进电动机是增量运动控制的主流执行元件。采用适当的驱动控制方法,交流伺服电机(三相永磁同步电机)同样可以实现步进运行,并具有高功率密度的比较优势。研究了交流伺服电机开环步进运行的原理与具体实现方法,提出了一种PWM死区开环补偿方法,提高了步进状态下的电流幅值控制精度和步距均匀性。

步进电动机驱动控制技术的发展

步进电动机驱动控制技术的发展,推动着步进电动机系统获得更加广泛的应用。文章总结了步进电动机驱动控制技术的发展现状,介绍了升频升压、恒总流、恒相流、微步等开环驱动技术及闭环伺服控制的技术特点,最后展望了步进电动机驱动控制技术的未来发展。

图像序列的增量式运动结构恢复

目的传统增量式运动结构恢复算法中,初始图像对选择鲁棒性差,增量求解过程效率较低,捆绑调整策略存在计算冗余,模型修正后仍存在较大误差。为解决上述问题,以基于图像序列的3维重建为基础,提出一种新的增量式运动结构恢复算法(SFM-Y)。方法首先,采用改进的自适应异常值过滤方法增强初始图像对选择的鲁棒性,得到用于初始重建的初始图像对;其次,通过增量迭代重建丰富点云模型,采用改进的EPNP (efficient perspective-n-point)解算方法提高增量添加过程的计算效率和精确度;最后,采用优化的捆绑调整策略进行模型修正,解决模型漂移问题,修正重投影误差。结果实验选取不同数据规模的数据集,在本文方法及传统方法间进行测试对比,以便更加全面地分析算法性能。实验结果表明,SFM-Y算法相比传统的增量式运动结构恢复算法,在计算效率和结果质量方面均有所提高,根据性能分析对比的结果所示,本文方法较传统方法在计算效率和重建精度上约有10%的提升。结论提出的增量式运动结构恢复算法能够高效准确地实现基于图像序列的3维重建优于传统方法,计算效率较高,初始重建鲁棒性强,生成模型质量较好。

数控机床的基本原理

数控机床不同于传统的机床,它具有许多的优点,如精度高、效率高、柔性好、应用前景广阔。 文中从数控机床线性轴的运动控制,如何建立坐标系统,采用绝对方式还是增量方式编程方面,分析了数 控机床的基本原理。

Brown运动增量在Hlder范数下关于(r,p)-容度的泛函极限定理

利用Brown运动在Hlder范数下关于(r,p)-容度的大偏差,证明了Brown运动增量在Hlder范数下关于(r,p)-容度的泛函极限定理.

抽象Wiener空间上Brown运动增量关于(r,p)-容度的钟泛函重对数律(英文)

应用Brown运动在Hlder范数下关于(r,p)-容度的大偏差和小偏差,得到了Brown运动增量在Hlder范数下关于(r,p)-容度的钟泛函重对数律.

基于并行化处理的无人机影像三维重建算法

针对增量运动恢复结构(SFM)算法在重建大规模无人机影像数据集时效率低、易产生场景漂移的问题,提出一种可并行化处理的增量SFM重建算法。首先,利用词汇树图像检索结果约束图像特征匹配的空间搜索范围,提高图像特征匹配的效率。其次,综合考虑特征匹配数量和无人机平台获取的全球定位系统(GPS)信息构建无向加权场景图,并选用归一化割算法将场景图划分为多个相互重叠的子集。然后,将每个子集分布在多核CPU上并行执行增量SFM重建算法。最后,基于子集间公共重建点和强相关子集优先被合并的策略实现子集合并。此外,结合GPS信息为光束法平差(BA)代价函数添加位置约束项,有效消除每次执行BA优化引入的误差。为了验证所提算法的有效性,在3个无人机数据集上进行实验,实验结果表明,所提算法相比原始增量SFM重建算法不仅显著提高了位姿估计和场景重建的效率,而且合理优化了重建结果的精度。

How big are the increments of G-Brownian motion?

In this paper,we investigate the problem:How big are the increments of G-Brownian motion.We obtain the Csrg and R′ev′esz’s type theorem for the increments of G-Brownian motion.As applications of this result,we get the law of iterated logarithm and the Erds and R′enyi law of large numbers for G-Brownian motion.Furthermore,it turns out that our theorems are natural extensions of the classical results obtained by Csrg and R′ev′esz(1979).