关于L─fuzzy点生成的理想

本文给出了半群中L-fuzzy．点生成的L－fuzzy左（右）理想及理想的定义，讨论了它们的性质，给出了它们的构造定理。     

Γ-半环的右(左)算子环、右(左)算子半环及素理想

本文对Γ-半环建立了右(左)算子半环和右(左)算子环,并讨论了它们的素理想之间的对应。     

机器人手臂(机械手)再现轨迹最优综合

本文以空间开链机构 PRSS(相当于 PRRRR)为例,以机构的尺寸最小为准则,考虑机器人手臂、机械手工作空间内可能存在空腔、通孔的瞬时约束条件,以及未杆象限限定约束条件等,建立起机器人再现轨迹最优综合的数学模型。按此可实现机构优化设计。     

高血压病房性心律失常与左心房内径的关系

通过对１６２例高血压病合并心律失常患者的资料分析，发现房性心律失常显著多于室性心律失常（Ｐ＜０００１），并且复杂性房性心律失常的发生率与左房内径大小相关，左房扩大组复杂性房性心律失常的发生率显著高于左房正常组（Ｐ＜００５）。提示伴左房扩大的高血压病患者易患复杂性房性心律失常。     

一种单输入CMAC策略在机械手逆模控制中的应用

小脑模型关节控制器(CMAC)是一种结构简单、学习速度快的局部神经网络,适合于实时控制。但对于某些高维输入系统来说,CMAC需要大量的存储空间,实际应用性能下降。文章结合传统PID反馈控制与神经网络逆模控制的特点,利用CMAC网络对机械手进行逆模控制;针对网络所需输入量较多的问题,提出了一种单输入CMAC网络的逆模控制策略,并将提出的控制策略应用于2自由度机械手的轨迹控制;引入测量变量使网络输入由二维转换为一维,减少了神经网络所需存储空间,提高了学习速度。仿真实验结果表明,所提出的控制策略克服了机械手非线性和不确定性的影响,是可行的。     

3.0TMR LAVA技术对胃左动脉解剖变异的价值分析

目的探讨3.0T MR LAVA技术对胃左动脉解剖变异的价值.方法回顾性分析300例MRI LAVA动态增强扫描患者,并进行MIP,VR,MPR重建,观察胃左动脉起源和走行.结果 300例患者中,MichelsⅠ型(正常解剖型)264例(88.0%).共有36例(12.0%)发现变异胃左动脉,其中Ⅱ型23例(7.67%),Ⅲ型1例(0.33%),Ⅴ型3例(1.00%),Ⅵ型1例(0.33%).Ⅳ型本组未发现,其他8例(2.67%).结论胃左动脉存在广泛的解剖学变异,具有多样性、复杂性.3.0T MR LAVA技术可以清晰并且立体地显示胃左动脉的正常解剖及变异情况.     

硅臂加工误差对微靶装配精度的影响研究

为预测加工误差对微靶装配精度的影响,开展了加工误差对硅臂刚度及应力分布的影响研究. 基于PRO/E逆向工程对实际加工的硅臂样品建模,并搭建实验平台,建立微力与微位移关系的数学模型. 采用仿真与实验相结合的方法,对硅臂存在加工误差与无加工误差的情况下的刚度进行对比,定量预测微靶的装配精度. 研究表明为提高装配精度,必须充分考虑装配力和形位误差形成的非线性误差和非均匀应力场的影响.      

串联工业机器人机械臂的模块化组合式设计方法研究

针对传统机械臂设计方法存在灵活性低、能量消耗大且刚性差的问题,提出一种新的串联工业机器人机械臂模块化组合式设计方法。首先,设定不同模块局部坐标系,通过结构体数组方式对数据库进行存储。通过受力分析构建关节受力模型,选择关节部件选型;其次,利用装配数组生成方法将选择好的关节部件依据模块化组合式设计理念,设计成两件组件式;并分析机械臂工作空间。最后实验结果表明,采用所提方法设计的机械臂各模块输出力矩均符合设计要求,机械臂性能良好,不仅灵活性高、能量消耗低;而且具有良好的刚性。     

机械臂刚体运动防冲突角度最优输出方法

机械臂刚体运动防冲突角度输出方法存在防冲突角度控制精度低、易出现碰撞的弊端;因此,提出一种机械臂刚体运动防冲突角度最优输出方法。利用拉格朗日法获取机械臂被动关节动力学方程式,通过振幅控制方法控制机械臂被动关节位置,实现对机械臂刚体运动防冲突角度的最优输出。实验结果表明,相对于传统方法,控制下的机械臂刚体运动防冲突角度输出值较优,控制过程中位置误差与稳态误差较小,有效实现了机械臂运动的防碰控制。     

基于触觉传感器和强化学习内在奖励的机械臂抓取方法

触觉在机器人抓取过程中扮演着重要的角色,但在大多数强化学习任务中,触觉仅被用于拓展状态空间,其提供的位置和压力等信息很少被完全利用.针对该问题,同时受内在奖励机制启发,首先设计了一种“倒T”形传感器阵列布局;然后基于这种传感器阵列提出了新的内在激励方法,该方法根据机械臂末端与物体接触位置的不同,给予不同的重视程度,鼓励智能体以更有效的姿态来夹取物体;最后将该方法在仿真环境中进行测试,结果表明该方法在夹取椭球和圆球物体任务中收敛速度比最新的基准方法平均提高了约20%.