基本誤差 在相關國標、規程規定的參比條件下，輸出電流為50mA～120A裝置的最大允許誤差（含標準表）小于0.01％，輸出電流為1mA～50mA裝置的最大允許誤差（含標準表）小于0.015％。 可實現三只三相電能表的三相四線及三相三線的誤差測量；可測試無功電能基本誤差。 1.2.3.2 測量重復性 裝置的測量重復性用實驗標準差表征，在進行不少于10次的重復測量，其測量結果的標準偏差估計值s不超過0.001％。 1.2.3.3 輸出電量 1.2.3.3.1 電壓電流量程 輸出電壓范圍：3×（57.7V～380V）； 每檔電壓輸出瞬間及相位切換時不允許有尖峰。每檔電壓輸出上限達120%Un。 輸出電流范圍：3×（0.001A～100A）； 輸出電流范圍上限要求達到120A。每檔電流輸出瞬間及相位切換時不允許有尖峰。每檔電流輸出上限達120%In。 1.2.3.3.2 輸出負載容量 三表位：電壓輸出：每相≥150VA 電流輸出: 每相≥300VA 1.2.3.3.3 輸出電量調節 （1） 電壓、電流調節： 調節范圍：0%～120% 調節細度：優于0.005%。 （2） 相位調節： 調節范圍：0°～360° 調節細度：優于0.01°。 （3） 頻率調節： 調節范圍：45Hz～65Hz 調節細度：優于0.001Hz。 1.2.3.3.4 輸出功率穩定度：<0.005% / 3min . 穩定度按JJG597的5.2.3.13方法計算。 1.2.3.3.5 輸出電壓電流失真度 裝置輸出電壓電流失真度范圍：小于0.1%。 1.2.3.3.6起動電流：裝置具有起動電流調整、測量功能，能輸出0.5mA的起動電流。 起動電流的測量誤差≤ ?5%，起動功率的測量誤差 ≤ ?10%。 1.2.3.3.7三相電量對稱性 任一相（或線）電壓和相（或線）電壓平均值之差不大于±0.1%；各相電流與其平均值之差不大于±0.2%；任一相電壓與對應相電流間的相位角之差不大于0.5°；任一相電壓（電流）與另一相電壓（電流）間相位角與120°之差不大于0.5°。 1.2.3.4 多路隔離輸出的裝置各路輸出負載影響應符合JJG597—2005中 3.8條的規定。 1.2.3.5 確定同名端鈕間電位差應符合JJG597—2005中3.9條的規定。 1.2.3.6 多路輸出的一致性應符合JJG597—2005中3.7條的規定。 1.2.3.7 監視示值的誤差 監視儀表應有足夠的測量范圍，電壓示值誤差限為±0.2%，電流、功率示值誤差限為±0.2%，相位示值誤差限為±0.3°，頻率示值誤差限為±0.1%，啟動電流和啟動功率的監視示值誤差不超過5%（啟動電流為1mA時的監視示值誤差也不應超過5%）。各監視示值的分辨力應不超過其對應誤差限的1/5。 1.2.3.8 具有消除自激的功能。可自動消除開機或關機時產生的尖脈沖。 1.2.3.9 裝置的磁場 由裝置產生的在被檢表位置的磁感應強度不大于下列數值： I≤10A時，B≤0.0025mT； I=200A時，B≤0.05mT；10A到200A之間的磁感應強度極限值可按內插法求得。 1.2.3.10 電磁兼容性 （1）電磁騷擾的抗擾度 裝置的設計能保證在傳導和輻射的電磁騷擾以及靜電放電的影響下不損壞或不受實質性影響（如元器件損毀、控制系統死機、精度出現變化等影響正常檢定工作的現象），騷擾量為靜電放電、射頻電磁場。 （2）無線電干擾抑制 裝置不發生能干擾其他設備的傳導和輻射噪聲。 1.2.3.11 穩定性變差 （1）短期穩定性變差 裝置基本誤差合格的同時，在15min內的基本誤差最大變化值（連續測量7h），不大于裝置對應最大允許誤差的20％。 （2）檢定周期內變差 檢定周期內裝置基本誤差合格的同時，其最大變化值，不大于0.01％。 1.2.3.12 安全 裝置的絕緣強度試驗要求和與安全有關的結構要求符合GB 4793.1的規定。 1.2.3.13 脈沖輸出 同時檢測三路被檢脈沖：顯示當前誤差平均誤差和標準偏差；同時檢測的被檢脈沖的常數、工作方式和脈沖個數，可完全不同；誤差測量所需要的輸入參數的位數，應能覆蓋目前各種標準表和的檢測需要。對每一表位應有高頻、低頻脈沖信號的BNC接收端口，能接收≤600kHz的有/無源脈沖（5-30V脈沖幅值）。 1.2.3.14供電電源 供電電源在3×220V/380V?10?,50Hz?2Hz裝置正常工作。
上傳時間： 2021-06-15
上傳用戶：li091122
「今日頭條」廣州哪里能開住宿費發票｛136徴乄-4072電乄-6929同.號｝羅.生-100%-項.目.齊.全.真.嘌,保.真,如果你確認與發言者的看法的相同，可以向他直接表達支持與贊同。但請不要以“yeah,that is what I thought”，或是“I totally agree with you”之類簡單的一句話就結束你的回應發言，因為這樣不能在交流中引入新的信息，也就是存在感太低。
標簽： 新聞
上傳時間： 2021-11-27
上傳用戶：dw9952
萬用表測量技巧用萬用表檢測彩色電視機開關電源
標簽： 萬用表
上傳時間： 2021-11-27
上傳用戶：
惠州哪里有開餐飲發票-惠州哪里能開住宿發票〖⒈⒊⒉微⒉⒐⒊⒈電⒉⒊⒉⒏〗張經理，幵.真.嘌，保.真，可.先.開.驗.后.付，國.稅.總.局.官.網.查.驗，可.幵.全.國.各.省.市，各.項.目.齊.全【餐.飲】〖住.宿〗「建.筑」{手.撕}《定.額》〈運.輸.票〉〔材.料.票〕＜鋼.材.票＞〔機.械.票〕『咨.詢.票』【廣.告.票】｛服.務.票｝【租.賃.票】《設.計.票》【培.訓.票】『勞.務.票』…..等。
標簽： 新聞
上傳時間： 2021-12-09
上傳用戶：yrgijt
神經網絡在智能機器人導航系統中的應用研究1神經網絡在環境感知中的應 用 對環境 的感 知 ，環境模型 妁表示 是非常重要 的。未 知 環境中的障礙物的幾何形狀是不確定的，常用的表示方浩是 槽格法。如果用冊格法表示范圍較大的工作環境，在滿足 精度要求 的情況下，必定要占用大量的內存，并且采用柵 格法進行路徑規劃，其計算量是相當大的。Kohon~n自組織 神經瞬絡為機器人對未知環境的蒜知提供了一條途徑。 Kohone~沖經網絡是一十自組織神經網絡，其學習的結 果能體現出輸入樣本的分布情況，從而對輸入樣本實現數 據壓縮 。基于 網絡 的這些特 性，可采 用K0h0n曲 神經元 的 權向量來表示 自由空間，其方法是在 自由空間中隨機地選 取坐標點xltl【可由傳感器獲得】作為網絡輸入，神經嘲絡通 過對大量的輸八樣本的學習，其神經元就會體現出一定的 分布形 式 學習過程如下：開 始時網絡的權值隨機地賦值 ， 其后接下式進行學 習： ， 、 Jm(，)+叫f)f，)一珥ff)) ∈N，(f) (，) VfeN．(f1 其 中M(f1：神經元 1在t時刻對 應的權值 ；a(∽ 謂整系 數 ； (『l網絡的輸八矢量；Ⅳ()：學習的 I域。每個神經元能最 大限度 地表示一 定 的自由空間 。神經 元權 向量的最 小生成 樹可以表示出自由空問的基本框架。網絡學習的鄰域 (，) 可 以動 態地 定義 成矩形 、多邊 形 。神經 元數量 的選取取 決 于環境 的復雜度 ，如果神 經元 的數量 太少 ．它們就 不能 覆 蓋整十空間，結果會導致節點穿過障礙物區域 如果節點 妁數量太大 ．節點就會表示更多的區域，也就得不到距障 礙物的最大距離。在這種情況下，節點是對整個 自由空間 的學 習，而不是 學習最 小框架空 間 。節 點的數 量可 以動態 地定義，在每個學習階段的結柬．機器人會檢查所有的路 徑．如檢鍘刊路徑上有障礙物 ，就意味著沒有足夠的節點 來 覆蓋整 十 自由窯 間，需要增加 網絡節點來 重新學 習 所 138一 以為了收斂于最小框架表示 ，應該采用較少的網絡 節點升 始學習，逐步增加其數量。這種方法比較適臺對擁擠的'E{= 境的學習，自由空間教小，就可用線段表示；若自由空問 較大，就需要由二維結構表示 。 采用Kohonen~沖經阿絡表示環境是一個新的方法。由 于網絡的并行結構，可在較短的時間內進行大量的計算。并 且不需要了解障礙物的過細信息．如形狀、位置等 通過 學習可用樹結構表示自由空問的基本框架，起、終點問路 徑 可利用樹的遍 歷技術報容易地被找到 在機器人對環境的感知的過程中，可采用人】：神經嘲 絡技術對 多傳 感器的信息進 行融臺 。由于單個傳感器僅能 提 供部分不 完全 的環境信息 ，因此只有秉 甩 多種傳感器 才 能提高機器凡的感知能力。 2 神經 網絡在局部路徑規射中的應 用 局部路徑 規刪足稱動吝避碰 規劃 ，足以全局規荊為指 導 利用在線得到的局部環境信息，在盡可能短的時問內
上傳時間： 2022-02-12
上傳用戶：qingfengchizhu
嵌入式智能機器人平臺研究摘 要：針對傳統工業機器人采用的封閉式結構的局限性，在WindowsCE．NET系統基礎上，通過剪裁定制 ，去 除冗余的功能，搭建嵌入式智能機器人平臺．該智能機器人系統具有移動機器人需要的主要感知模塊，并有豐富的 運動控制接口及驅動模塊．同時 ，設計了多傳感器數據融合 、軌跡規劃、運動控制、無線網絡通信 、圖形人機界面等智 能機器人的測試軟件和應用模塊．該智能機器人平臺具有模塊化、易擴展、可移植、可定制、硬件體積小、功耗低、實 時性強、可靠性高等優點． 關鍵詞：智能機器人平臺；WindowsCE．NET；實時控制；自主機器人；雙目視覺；語音識別引言(Introduction) 隨著計算機技術 的快 速發展 ，機器 人技術也得 到了飛速發展．然而 ，現有機器人系統在硬件 和軟件 開發方面雖然已經趨于成熟，但依然存在一些問題． 它們的硬件多是專用的，軟件系統也多采用 Windows 2000或者 WindowsXP系統…．這些機器人系統 主要 存在以下一些缺點 ： (1)系統的實時性差．機器人控制系統是一個實 時性要求非常高的控制系統，作為一般桌面應用的 Windows和 Linux操作系統很難達到高實時性的要 求． ． (2)開放性 以及擴展性差．常見的機器人控制系 統存在的一個 問題就是 系統 的冗余大、開放性擴展 基金項 目：國家 自然科學基金 資助項 目(60475036) 收稿 日期 ：2005—05—16 性差，系統適用于特定的應用 ，不便于在硬件和軟件 上進行擴展和剪裁． (3)軟件的獨立性差．軟件結構及其邏輯結構依 賴于處理器硬件 ，難以在不同的系統 間移植． (4)缺少友好的人機交互界面． 2 系統概述(System description) 為促進當前智能機器人研究和應用，迫切需要 開發“具有開放式結構 的、模塊化 、標準化 的嵌 入式 智能機器人平臺”．這種智能機器人平臺具
上傳時間： 2022-02-12
上傳用戶：zhaiyawei
基于人工神經網絡實現智能機器人的避障軌跡控制摘 要：利用人工神經網絡中的二級 BP網。模擬智能機器人的兩控制參數(左 、右輪速)間的函數關系。實現避 障軌跡為圓弧或橢圓弧的軌跡控制 。并且通過調整橢圓長、短軸大小。能實現多個及多層障礙物的避障控制．該方法 的突出特點是方法簡單、算法容易實現 。使機器人完成多個及多層避障動作時。不滯后于動態環境里其它機器人(障 礙物)位置的變化．在仿真實驗中。取得了理想的效果． 關鍵詞；BP神經網絡I多個及多層避障控制I橢圓軌跡1 弓I言(Introduction) 在機器人中，避障軌跡的生成是一個重要的問 題．對于不確定的動態環境下的實時避障軌跡生成， 是較為困難的．有關這方面的研究，目前已有許多方 法．一些神經網絡模型被設計出來，產生實時的軌跡 生成．文獻113[23提供的神經網絡模型產生的軌跡 生成僅能處理在靜態環境下及假設空間中沒有障礙 物的情況．[3]提供的神經網絡模型，能為智能機器 人產生導航的避障軌跡，然而模型在計算上相當復 雜．文獻[43提供了Hopfield神經網絡模型，能在動 態環境下產生時實的避障軌跡生成，并在文獻[5] 中，嚴格證明了因該方法生成的軌跡沒有遭受局部 極小點逃離問題．并且文獻[63用兩個神經網絡層疊 加起來，每層構造相似于[43中的網絡結構．它是利 用第二層網絡來發現下一個機器人位置的無監督模 型，然而它卻加倍了計算量，盡管文獻[4，6]提供的 方法能在動態環境下，產生時實避障軌跡，但都具有 較慢的運動速度，在快速變化的環境下不能恰當地 完成動作執行，因為機器人要比較好地完成避障動 作，必須不能滯后于障礙物動作變化
上傳時間： 2022-02-12
上傳用戶：得之我幸78
基于傳感器和模糊規則的機器人在動態障礙環境中的智能運動控制基于傳感器和模糊規則的機器人在動態障礙環境中的智能運動控制 oIlI～0(、r> 王 敏 金·波斯科 黃心漢 ，O、l、L (華i 面面辜寫j幕．武漢，43074) ＼I。L上、o 捌要：提出了一種基于傳感器和模糊規則的智能機器人運動規劃方法 ．該方法運用了基于調和函數分析的人 工勢能 場原 理 ．采用模糊規則 可減少推導勢能函數所 必須的計算 ，同時給機器人伺服 系統發 出指令 ，使它能夠 自動 地尋找通向目標的路徑．提出的方法具有簡單、快速的特點，而且能對 n自由度機械手的整個手臂實現最碰．建立 在非線性機器人動力學之上的整 個閉環系統和模糊控制器 的穩定性 由李雅普諾 夫原理 保證 ．仿真結 果證明 了該方 法 的有效性 ，通 過比較分析顯示 出文 中所提 出的最障算法的優越性 ． 美t詞：基于傳感器的機器人運動控制；模糊規則；人工勢能場；動態避障；機器人操作手 1 叫啞oducd0n R。boIsarewjdelyusedfor詛sb inchasma~ia]b柚· 血 ， spot ： ng， spray Ijl岫 1g， mech卸icaland elec咖 icas搴enlb1y，ma al塒 IIovaland wa時 cut· ring 咖 ． ofsuch tasks_堋 llldea pri|柚ary ptd 眥 of 她 ar0botto e oncpositiontoanother withoutbur叩inginto anyobstacles． s 曲km，de． notedasthefDbotm ∞ pJan，liDgp∞ 舶1，hasbeen the倒 娜bj0ct鋤l哪gIeseat℃ll∞ ． Every method o0血∞rI1ing 如b0tmotionplanninghas itsownadv∞ngesandapplicationdoma~ asweftasits di戤ldvaIIta麟 and constr~dnts． Therefore it would be ratherdifficulteithertoc0Ⅱ】paremethodsorton~ vate thechoio~ofan dl0‘iupon othP~s． 0州 d眥 ：1999—07—29；Revised~ ：2000一∞ 一絲 In conU~astto many n~ hods，rob
上傳時間： 2022-02-15
上傳用戶：
基于ROK101007型藍牙模塊和TMS320C54x型DSP的家用醫療保健智能機器人設計摘要：未來社會將會越來越重視 醫療保健服務 ，提 出一種新型智能機 器人 ，就其在數字化 家庭醫療 保健方面的應用進行模型設計 ，并將藍牙技術應用在智能機器人與醫療儀器和控制 PC的通信 中。 關 鍵 詞 ：數字化家庭 ；智能機器人 ；侍感器；藍牙技術；醫療保健 ；ROKl0l007；TMS320C54x 中 圖分 類號 ：R197．39 文獻標 識碼 ：A 文章編 號 ：1006—6977(2006)02—0數字化家庭是未來智能小區系統的基本單元 。 所謂“數字化家庭”就是基于家庭內部網絡提供覆蓋 整個家庭的智能化服務 ，包括數據通信、家庭娛樂 和 信息家電控制功能。 數字化家庭設計 的一項主要內容是通信功能的 實現 ，包括家庭 與外界的通信及家庭 內部相關設施 之間的通信。從現在的發展來看，外部的通信主要 通過寬帶接入 Internet，而家庭 內部的通信，筆者采 用 目前 比較具有競爭力的藍牙 (Bluetooth)無線接入 技術。 傳統的數字化家庭采用 PC進行總體控制 ，缺 乏人性化。筆者根據人工情感的思想設計一種配備 多種外部傳感器的智能機器人 ，將此智能機器人視 作家庭成員，通過它實現對數字化家庭的控制。 本文主要就智能機器人在數字化家庭醫療保健 方面的應用進行模型設計 ，在智能機器人與醫療儀 器和控制 PC的通信采用藍牙技術 。整個系統 的成 本較低 ，功能較為全面，擴展應用非常廣闊，具有極 大的市場潛力。 2 智能機器 人的總體設計 2．1 智能機器人的多傳感器 系統 機器人智能技術 中最為重要 的相關領域是機器 人 的多感覺系統和多傳感信息 的集成與融合【l1，統 稱為智能系統的硬件和軟件部分 。視覺 、聽覺、力覺、 觸覺等外部傳感器和機器人各關節的內部傳感器信 息融合使用 ，可使機器人完成實時圖像傳輸、語音識 別 、景物辨別、定位 、自動避障、目標物探測等重要功 能；給機器人加上相關的醫療模塊(CCD、CAMERA、 立體麥克風 、圖像采集卡等 )和專用醫療傳感器部 件 ，再加上 醫療專家系統就可以實現醫療保健和遠 程 醫療監護功能。智能機器人的多傳感器系統框圖 如 圖 1
上傳時間： 2022-02-15
上傳用戶：bluedrops
超聲波測距在智能機器人中的開發與應用摘 要：本文提出了在機器人控制中，使用軟件方法實現超聲波測距機器人避障功能的工作原理和設計 方法。該系統在使用過程中，測量精度高，機器人避障準確，可靠，真正實現了智能化控制。 關鍵詞：機器人 超聲波 測距 軟件觸發 Abstract： The 0n pnnc eanddesignm d10d ofu]U~ sordc are descx'~edindetail fora intenigencero~ ic ． ByI|8i“gthissystem，therobotmakesaccta~elyavoidingdmwhackhi# reliability． 1畸 wo阿s：ro tultro-sor~c聊 曲 喀sot~aretrigger 1 引言 在智能機器人的研制開發中，很重要 的一部 分就是機器人 要能實現避 障功能 ，即通過傳感器 的作用 ，探測機器人行進道路 上是否碰到障礙。 若碰到了障礙 ，機器人應該 自動轉向 ，躲避障礙 。 本文所介 紹的超聲 波測距方法 ，應用 于 ET一18 Hem智能機器人中。通過超聲波測距 ，該智能機 器人實現了對步進電動機的智能控制及運動控制 方式的靈活應用。同時，超聲波測距作為一種非 接觸 的檢測方式 ，和紅外 、激光及無線電測距相 比，在近距范 圍內有不受光線影響、結構簡單 、成 本低等優點 2 超聲波測距基本原理 超聲波是指頻率在 2000Hz以上 ，不能引起正 常人聽覺反應 的機械振動波 ，是物體 的機械振 動 在彈性介質 中傳播所形成 的機械振動波。由于超 聲波具有非常短 的波長 ，可 以聚集成狹小 的發
上傳時間： 2022-02-16
上傳用戶：jiabin
