基于迭代学习控制算法的下肢外骨骼机器人跟随特性研究

目前下肢外骨骼机器人存在的运动控制算法追踪人体髋关节和膝关节期望轨迹时存在误差,从而导致人机系统随动性能差。因此,本文提出迭代学习控制算法追踪人体髋关节和膝关节期望轨迹。首先,结合人体下肢结构分析,建立下肢外骨骼机器人动力学模型;其次,基于迭代学习控制算法建立下肢外骨骼机器人随动控制模型;最后,利用Matlab软件设计指数变增益闭环D型运动控制系统,分析收敛速度与谱半径的关系,追踪得到人体下肢髋关节和膝关节期望轨迹。仿真结果表明该算法能够有效提高下肢外骨骼机器人步态轨迹跟踪精度,提升人机系统随动性能。     

以学生为主体的教学模式在英语教学中的应用——创建以学习者为中心的课堂教学

根据建构主义理论,知识不是通过教师传授而得到的,是学习者在一定的情境下,利用必要的学习资料,通过意义建构的方式而获得的。因此建构主义学习理论认为"情境"、"协作"、"会话"和"意义构建"是学习环境中的四大要素。建构主义提倡以学生为中心,强调学生对知识的主动探索和对所学知识意义的主动建构。以学生为中心对课堂教学意义重大。     

健美操课程教学感悟

健美操作为深受青年学生喜爱和追捧的一项运动,它以丰富的内涵以及运动性与艺术性的有机结合,在健美操教学过程中,一方面锻炼学生的身体、增强体质、提高身体素质,另一方面培养学生自我锻炼的能力,树立终身体育的思想。本文通过调查研究以及教学、训练等实践活动,探索健美操课程教学中的应用效果与应用价值,为人体健康提供一定的科学依据。     

30种中草药的抗氧化活性研究

采用乙醇－三氯甲烷（２：１）作溶剂,对选定的３０种中草药粉末进行提取,测定各种提取物的抗氧化活性,用烘箱法和ＯＳＩ法两种方法测定的结果表明厚朴、射干、芡实４种中草药提取物具有明显的抗氧化活性、山楂、虎杖、白药子、千斤拔、八角在烘箱法测定中表现抗和戌一较强,而ＯＳＩ法测定的抗氧化活性较弱;相反,诃子等在ＯＳＩ法中表现抗氧化活性较强,而烘箱法测定其抗氧化活性较弱,射干的抗氧化活性属首次报道。     

纯电动汽车开发又有新突破

由天津大学承担的“纯电动汽车动力总成控制系统及其相关技术的开发研究”项目通过了天津市科学技术委员会组织的科技成果鉴定。该成果成功开发了纯电动汽车主控制器、车载记录仪以及车载智能信息单元等装置，建立了控制策略仿真分析、硬件在线测试、在线监控标定、数据记录及分析、无线远程调控等一系列开发工具，形成了完整的开发平台。     

面向模型未知的冗余机器人运动规划方案

为解决模型未知的冗余机器人运动规划问题,提出一种基于梯度下降的学习方案,使用数据驱动技术将冗余机器人的末端执行器速度及关节角速度作为系统输入量,将冗余机器人各关节控制信息作为系统输出量,使用梯度信息最小化估计误差以得到雅克比矩阵的估计值.基于该方案设计了一种加速度层的冗余机器人运动规划方案.理论分析和数值仿真结果均证明该方案能有效控制模型未知冗余机器人完成运动规划任务.     

盐胁迫对芦苇根系分泌物的影响

根系分泌物是植物与外界进行反应的重要媒介,其行为具有重要生态学意义.本文研究了盐胁迫下典型湿地植物芦苇根系分泌物成分和含量的变化,分析了盐胁迫质量浓度分别为0(对照)、1、3、6、10g·L-1,胁迫时间分别为2、4和12h时,芦苇根系分泌物的成分和含量的变化.结果表明:所有样品中一共检测出了99种根系分泌物,包括烷烃、烯烃、芳香烃、醇、酚、醚、酮、醛、酸、酯、噻唑以及其他含硫代、卤代化合物,各样品中检出的种类最多的化合物是烷烃类.在不同的质量浓度盐胁迫下,经2h胁迫检测出的化合物种类均高于经4和12h胁迫检测出的种类.盐质量浓度在6g·L-1及其以下时,根系分泌物的化合物总量在经2h胁迫后达到最大值,表明根系分泌物组分和含量随盐质量浓度和胁迫时间先升高后降低,而非单一正相关关系.     

时滞忆阻回归神经网络在周期间歇控制下的指数同步（英文）

忆阻神经系统是制造人工大脑的一个很好的选项。研究一类带有时变时滞的忆阻回归神经网络在周期间歇控制下的指数同步。采用控制理论和非光滑分析处理右端不连续的忆阻回归神经网络,得到一些确保两个忆阻回归神经网络在周期间歇控制下指数同步的新条件。本结果很容易验证,并延伸了已有的结果。数值模拟验证了所得结果的有效性。     

天津环科院研发出多种废水处理技术

天津环境科学研究院针对化工行业废水中的毒性污染物破坏环境的课题，开发研究成功了多种废水处理技术，已将这些技术在本市制药、染化、颜料、焦化行业中广泛应用，收到了良好的经济和环境效益。     

浅谈高校图书馆个性化服务

个性化信息服务是基于传统信息服务面广而不够深入和网络环境下用户需求呈现出差异性与个性化趋势而提出的,这是以用户需求为导向进行的创新服务。新时期图书馆发展的两大新特点,决定了我