• 企业新闻

    汽车电子-SENT信号的仿真与测试解决方案

    SENT 全称:Single Edge Nibble Transmission,即单边半字传输协议,由美国机动车工程师学会SAE推出的一种点对点的、单向传输的方案,被广泛用在汽车中的传感器和电子控制单元(ECU)之间传输高清传感器数据。汽车传感器遍布车辆全身其协议简单且具有很多优势,SENT 不能替代CAN或是LIN 因为SENT是连续单向传输的, CAN和LIN都需是双向传输。SENT 协议的特征与优势:无需接收器和集成发射器,因此相比CAN或LIN成本更低;是一种数字信号传输协议,具有更高的传输精度和速度单线传输数据能力,减少信号线,降低成本具有更强大的诊断功能单向传输协议,数据只能从传感器到ECU,传输是连续的,不需要请求命令由帧来传输数据,或者数据包的形式,每一帧由不同宽度的脉冲即半字节组成数据的传输可以分为快速通道和慢速通道,重要的信号用快速通道以实现高频率的更新,比如压力等,对于非关键的信号,如诊断等可以放在慢速通道传输快速通道是每一帧传输一个完整的信号,慢速通道需要多帧来传输一个完整的信号,即更新频率不同芒果树科技SENT信号的仿真与测试解决方案如上图所示,基于可重配置输入/输出(RIO)架构的国产化实时控制平台RobustRIO,搭配自研数字信号采集卡E750/E760,可以直接与SENT发送器通信;RobustRIO作为控制器提供4~15个采集卡槽位,每个槽位接一张E750/E760采集卡,支持Labview及Labview FPGA 编程开发,由FPGA直接采集SENT信号,灵活可靠;E750集成了4路数字输入通道(5V TTL),E760集成了8路数字输入通道(5V TTL),用户可以随意组合搭配通道数,*多可集成90路采集通道(15槽RobustRIO搭配15张E760),即可同步采集90个SENT信号,使得用户可以搭建庞大复杂的仿真测试系统。15槽RobustRIO、8槽FlexDAQSENT 驱动API 为标准SENT协议通信提供了Labview FPGA 代码;基于SENT驱动用户可将我们的设备作与采集卡作为SENT信号接收器来和SENT信号发送器进行通信,快速方便部署;由于FPGA强大的可编程能力,用户也可自己开发FPGA驱动代码,自定义通讯协议及数据格式,快速实现自定通讯机制;Labview FPGA范例多通道SENT信号FPGA代码(部分)

    选择芒果树PCB-RIO的四大理由

    灵活的嵌入式硬件芒果树PCB-RIO提供丰富的I/O,并能借助MT E系列I/O模块和RIO拓展接口卡,实现各种自定义功能,在同一平台上就能够灵活地实现从原型到部署。目前,有多款E系列I/O模块适合不同测量类型,包括:电压、电流、电阻、专用传感器和数字信号。芒果树PCB-RIO设备还包含内置I/O,并提供一个高密度、高带宽的接插件,可直接访问现场可编程门阵列(FPGA)和处理器,助您创建自定义的子板,以满足特定应用需求。高级控制借助芒果树PCB-RIO,您能开发从简单PID控制到高级动态控制(如:模型预测控制)的多种控制系统。您能确定性的实时的运行这类控制算法;由于FPGA处理具备并行执行的本质,添加计算功能不会降低应用的整体性能。高速模拟测量芒果树凭借高性能模拟前端设计,致力实现高精度测量。许多应用程序既需要低速静态测量(如:温度测量),也需要高速动态测量(如:声音和振动测量)。芒果树PCB-RIO能够在一个系统之内进行多种高质量测量。信号处理和分析芒果树PCB-RIO可以创建在LabVIEW图形化系统设计编程平台上;该平台纳入数千种专为工业测量和控制应用程序创建的高级函数。这些强大的工具可轻松实现高级信号处理、频率分析,以及数字信号处理。范例中包括:快速傅立叶变换(FFT)、时频分析、声音和振动、小波分析、曲线拟合,以及控制设计与仿真。用户可通过添加各种应用领域专有的函数来扩展LabVIEW,并应用于机器视觉、运动控制和机器状态监控领域。订购信息:

    芒果树发布*高精度电压采集卡GPS同步模块以太网拓展模块

    ------------------------E模块概览------------------------E系列单个模块内集成了ADC或DAC、信号调理和信号连接功能,信号类型涵盖: 模拟电压、模拟电流、声音与振动、热电偶、热电阻、高速数字、编码器等。搭配RobustRIO平台,可为用户提供高性能的嵌入式控制和实时状 态监测系统;搭配FlexDAQ平台,可为用户提供高性能的嵌入式测量和数据记录系统。● 与RobustRIO和FlexDAQ搭配使用● 无缝兼容CompactRIO平台● 每个通道配有独立ADC或者DAC,通道完全同步,完全隔离● 可实现任意通道-通道、板卡-板卡同步,并编辑自定义触发模式------------------------新模块发布------------------------公司持续在E系列模块进行投入,不断丰富产品线。现隆重发布*新E714、E796、E797。E714为高精度电压输入卡E714为24bit电压采集模块,可广泛应用于高精度、高动态范围的信号量采集,如声音、振动、加速度、载荷、应变电桥等;E79X 系列全面丰富了E平台的工业协议通信功能。E796实现了GPS和北斗的双模定位与实践同步,E797是百兆网口通讯模块,*多可为RobustRIO增加8个网口模块,可以和广泛的工业设备和分布节点进行互联和通信。E797也可作为多机箱同步的选择。----------------------E系列模块全家福----------------------E系列模块完全国产化,技术自主可控。全系备货充足,货期*快至24小时内发货。欢迎广大客户前来咨询和选购。----------------------欢迎来购----------------------想更多了解产品资讯,欢迎点击原文,来到我们的官方网站了解咨询,风里雨里,我们在这等你。实时测控平台,认准芒果树!正下方点击关注,不迷路!

  • 行业新闻

    人工智能系列之一:迎接人工智能时代的到来

    在数字时代,人工智能(AI)即将引起新一轮的科技革命。全球AI市场将呈现迅猛的增长。推动它快速发展的动力来源于技术的不断突破、强劲的政策支持和充沛的资金投入。如何寻找AI行业切入点和投资机会是众多决策者关注的重要问题。随着AI黄金时代的到来,我们是否能乘风破浪,发挥它的*大价值?十年后,AI市场规模将会超过万亿美元  AI多年来一直是新技术革命的热点。虽然AI的热潮经历了几次波动,但是越来越多的实际落地应用使投资者和企业始终保持热情。  尽管处于萌芽阶段,AI市场预计将在未来十年呈现指数级的增长。我们预计AI市场的年增长率将达到64%,在2027年超过1万亿美元。AI的发展驱动力是什么?  AI技术和市场的蓬勃发展受技术的不断进步与成熟、政府政策的鼓励和资金的大量投入等众多力量的推动。  深度学习算法、AI芯片和大数据的可获性与可用性推动AI技术的创新  AI技术的快速发展,使其从学术阶段发展到实际应用阶段,结合*先进的技术和系统,突破了传统计算技术的极限。云存储和计算技术的成熟为处理大量图像、文本和其他类型的数据奠定了基础。通过大数据,AI可以让企业实现以往都无法想象的转变。  不断改进的AI算法,助力AI技术能实现突破性的创新。自2012年以来,音频和图像识别的准确性得到了显著提高,已经超越人类的基本能力。  开源框架,降低了开发深度学习算法的障碍。大数据的可用性为深度学习算法提供了充足的学习材料。到2020年,全球每月上传的在线视频总长度预计为500万年,即每分钟在线上传100万分钟的视频。  硬件的成熟为深度学习算法提供了足够的计算能力。采用图形处理器GPU、现场可编程门阵列FPGA、专用集成电路ASIC(TPU和NPU是ASIC芯片的主要代表)等AI芯片,大大提高了AI训练和推理的计算效率。毫无疑问,创新技术将继续推动AI革命。  政府的积极引导,加快AI的发展  AI对于国家来说战略意义重大,全球主要国家政府纷纷启动AI发展计划。  中国于2018年1月发布了人工智能标准化白皮书。这是指导中国人工智能产业高水平发展的重要战略。在此之前,国务院于2017年7月发布了下一代人工智能发展计划,制定了人工智能发展的总体思路、战略目标、主要任务和配套措施,努力到2030年把中国打造成****的人工智能创新中心。  美国于2016年12月发布了“人工智能、自动化和经济”报告,重点关注人工智能驱动的自动化经济学和推荐的政策反应。 2016年6月,网络与信息技术研究与发展小组委员会(NITRD)制定了国家人工智能研究与发展战略计划,为联邦政府资助的人工智能研究制定了一系列目标。  类似的,日本政府颁布了第五个科学技术基本计划(2016-2020),进一步推动AI、边缘计算和高速处理设备技术的发展,作为构建超智能社会服务平台所必需的基础技术。  大量的资金投入,是AI从实验室走向应用的基础  持续的资本投入促进了全球AI产业的发展。 2017年,AI初创公司获得了152亿美元投入,其中近48%是种子或天使轮融资。 此外,谷歌和百度等互联网巨头在2017年在AI领域投入了约300至400亿美元,其中90%用于研发,10%用于收购。战略和财务投资者都在大力寻找AI行业的优质资产。 AI是如何工作的?  AI是指给机器提供“思考”的能力。通常,AI由3层架构组成:底层硬件与服务、算法与框架、以及垂直应用。底层硬件与服务  AI的底层基础设施是扩展、加速、自动化管理大量数据处理的重要基础。AI数据的编程和存储是AI技术落地*大的挑战之一,尤其是随着数据量飞速的增长,需要通过AI芯片的强大的计算能力支持基础架构环境建立,为AI提供充足的算力。AI主要包括各种不同的算法与技术。其中机器学习是一种统计学习方法,旨在训练具有大量数据的模型。该模型从已知数据“学习”“规则”并自动更新模型中的相关参数。经过训练的“规则”和“模型”可用于预测现实世界中的未知数据。  深度学习是机器学习的一个子领域。它广泛用于图像识别,语音识别等领域。深度学习可实现无监督学习——无需人工提取规则或功能。卷积神经网络(CNN)是一种典型的深度学习算法,经证明在图像识别和分类等领域非常有效。CNN通过分层多个(通常为4~5层或更多层)非线性函数来模拟人类神经系统的工作过程。AI框架的核心竞争力在于计算能力和训练效率。数据并行性和模型并行性是提升算力与效率的两种方式。在数据并行性中,数据被放置在并行计算环境中的多个处理器上,不同的机器具有完整的模型副本。每台机器只需获取不同部分的数据并训练数据。其关键在于整合不同机器的结果,达到快速收敛。  在模型并行性中,分布式系统中的不同机器负责单个网络的不同部分中的计算——例如,神经网络中的每个层可以被分配给不同的机器。模型并行的优点是可以通过使用多台机器同时更新多个参数来加速算法。  垂直应用  AI的商业价值*终仍需要在垂直领域的应用中体现。成功的应用需要结合AI和特定行业的专业知识,将AI产品转化为*终用户的定制解决方案/服务。 AI目前已应用于医疗保健,工业,安全,金融科技等众多行业。  AI能实现什么?  通过监督学习、无监督学习和强化学习等手段,机器可以利用统计模型,达到一定的“思考”能力。  图像识别和人类语音识别已成为目前AI*重要的两大应用。AI的准确性已达到满足日常生活与工作需求的水平。当数据在未来变得更加结构化和准确时,其应用将会变得更加广泛。  机器学习结合其他技术支持各种应用。例如聊天机器人使用机器学习来解释用户响应并确定后续查询。特定于某种服务的语音命令即将成熟。使用语音识别可以在法庭上检测情绪和谎言。内部数据分析,例如通过机器学习可以实现协助起草文件,如简报和语言优化动作。  对于企业来说,AI可以提升运营效率、推动创新,并降低员工的劳动强度。  AI的应用存在哪些挑战?  数据可获得性、实施的复杂性、业务价值的开发是AI应用推广所面临的挑战。  数据可获得性:训练模型用的数据集的数量和质量在许多案例中都成为了AI应用的瓶颈。AI模型训练需要基于充分的历史或参考数据。而在很多情况下,企业缺乏有效的数据跟踪与访问的系统,甚至可能没有数据的访问权限。在另一些情况下,可能面临的问题包括可用的数据不足、现有数据格式无法进行模型训练等。  实施的复杂性:在某些领域(例如语音识别,安防监控,图像阅读),AI可以当做平台被使用(AI-as-a-platform)。但在大多数情况下,要开发一套行业统一的AI解决方案,更不用说跨行业的解决方案。AI的实施需要大量的定制化工作和行业专业知识的支持。  业务价值的开发:AI的应用必须以给行业带来真正的价值为基础,无论是为了创收还是节约成本,或是赋予公司切实的竞争优势。我们预测AI会首先应用于能产生直接利益的领域,如:  提升营收:基于客户特定的定制化推荐  节省成本:提高工作效率,预测异常情况  有形竞争优势:如用AI赋予成像设备,金融投资决策等  企业应该为AI时代的到来做些什么准备?  首先,企业的管理层应明确发挥AI技术优势的方式与方法,他们应评估AI应用的会带来的短期和长期的价值以及相应的财务影响。  其次,公司应有效评估其内部IT能力和基础设施。通常,不同行业企业的能力和资源会有非常大的差异,很多传统行业企业或小规模企业通过依靠自身投入很难有效地达成技术升级。此时企业应该仔细评估是否需要引入外部合作伙伴,如云服务平台,AI解决方案提供商和AI系统集成商。  *后,关键的利益相关者应共同制定明确的AI实施路线图以及绩效跟踪机制。管理层应强调AI项目对企业的重要性,并分配足够的资源以确保达成预期的结果和按时交付。                                                                                                                 来源:网络

    全球每年消失24种语言,AI已成为濒危语言新的救星

    去年,联合国曾宣布将2019年为“国际本土语言年”,现在离这个节日已经越来越近。实际上,这一举措旨在提高人们对濒危语言的认识,因为这些语言正面临灭绝的危险。“通过语言,人们保留了他们的社区的历史、习俗和传统、记忆、独特的思维方式、意义和表达方式。他们也用语言来构建自己的未来。在人权保护、良好治理、和平建设、和谐和可持续发展等领域,语言是关键所在”:这些也是联合国可持续发展目标(SDGs)的核心。  据联合国统计,世界上有7000多种语言,但消亡的速度却非常快,平均每个月都有2种语言消失。由于人工智能在语言存档和学习方面具有优势,人工智能在拯救濒危语言的斗争中变得比以往任何时候都更加重要。  Jason Lovell正在学习新西兰的土著语言“毛利语”,但缺少帮助他练习的对象,因此他与IBM的“沃森人工智能”合作,创立了一个Facebook messenger聊天机器人,该聊天机器人能够理解并回复用户的信息,包括毛利语和英语。即使用户犯了拼写错误,比如“Reobot”,对Lovell的聊天机器人来说,也不会造成理解障碍。Lovell希望在不久的将来引入发音帮助。通过提供毛利语交流机会,Reobot可以帮助学习者更快地培养自信和技能。  为了向居住在偏远社区的儿童教授澳大利亚土著语言,一组来自ARC语言动力学**中心(CoEDL)的研究人员开发了Opie,这是一种低成本、易于运输的机器人。在学习故事、游戏和课程时,Opie的眼睛能够和孩子们互动,此外,机器人能够记录孩子们的语言技能,协助老师追踪他们的学习进度。CoEDL已经与谷歌展开合作,为土著语言转录和构建人工智能模型,这要归功于谷歌的开源人工智能平台TensorFlow。这台机器学习技术为语言学家省去了数百万小时的时间,在CoEDL的存储库中记录了超过4万小时的录音。  对许多组织来说,维护语言数据数据并将其引入土著社区是一项挑战。第一人民文化委员会(FPCC)的使命是支持不列颠哥伦比亚省的土著语言、艺术、文化和遗产的复兴,与当地社区合作,将语言数据存档,并通过其First Voices平台进行教学。First Voices的*新创新是一款键盘应用,用户可以在移动设备上的任何应用上输入超过100种本地语言,包括社交媒体、电子邮件和文字处理。  First Voices存储的数据是一个开源的云原生内容服务引擎,其将人工智能和机器学习整合在内。  未来学家托马斯·弗雷(Thomas Frey)设想出一种全球语言档案馆,作为一个活生生的博物馆,一座“语言的卢浮宫”,在那里,已经灭绝的语言甚至都可以被学习:“将收集到的足够多的视频、音频和书面文件输入到人工智能语言重建引擎(AI Language Recreation Engine),其能够生成一个功能性的三维立体化身,将语言传授给想要学习它的人。”人工智能引擎将更进一步,填补任何语言空白,在需要时创建一种语言的书面形式,并提供语言之间的翻译。  弗雷将濒危语言项目(Endangered Languages Project)作为创建全球语言档案的第一步,该项目由第一人民文化委员会在夏威夷大学夏威夷分校的濒危语言目录/濒危语言项目(ELCat/ELP)管理。濒危语言项目汇集了濒危语言的资源和信息,这要归功于全世界的合作者,到目前为止,该项目已拥有3418种语言的数据,其中许多语言都位列濒危语种中                                                                                                                                                       来源:网络

    韩媒:中国大陆明年将成为全球*大的半导体设备市场

    半导体是科技业的生存命脉,被喻为「21世纪原油」。北京不想继续受制于人,砸钱发展,预料明年就会超越南韩,成为全球*大的半导体设备市场。  南韩媒体BusinessKorea报导,中国大撒银弹培植半导体,目标自制芯片比重从13%升至70%,因此狂买半导体设备。外界估计中国半导体设备市场,2017年市值为82亿美元,2018年将升至118亿美元,2019年续升至173亿美元。与此同时,南韩半导体设备市场将从179亿美元萎缩至163亿美元。这表示中国将取代南韩,晋身全球*大半导体设备市场。  南韩设备多从美国和欧洲进口,南韩本地生产的半导体设备,使用比重仅占18.2%。专家指出,中国不会想重蹈南韩覆辙,因而锁定南韩半导体设备和原料厂进行并购,中国想在半导体市场一把抓,全面掌握上中下游市场。  SEMI:*新半导体设备出货,韩国蝉联**  晶圆代工业者陆续释出今年第3季旺季不旺讯息,国际半导体产业协会(SEMI)公布*新半导体设备出货报告,6月北美半导体设备制造商出货金额为24.8亿美元,比5月下滑8%,虽比去年同期成长8.1%,却是今年首见出货下滑,反映半导体厂下半年资本支出趋保守。  SEMI表示,整体来看今年每月出货金额仍优于去年同期,还是对今年半导体市场景气表示乐观。  国际半导体产业协会(SEMI)日前在其发布的年中预测报告中表示,2018年全球半导体设备销售金额将成长10.8%,达627亿美元,超越去年所创下566亿美元的历史高点。2019年全球半导体设备市场销售金额可望续创新高,预计将成长7.7%,达到676亿美元。  SEMI年中预测报告指出,2018年“晶圆处理设备”预计将成长11.7%,达到508亿美元。“其他前端设备”,包括晶圆厂设备、晶圆制造,以及光罩/倍缩光罩设备,预计将成长12.3%,达到28亿美元。2018年“封装设备”预计将成长8.0%,达到42亿美元,“半导体测试设备”今年预计成长3.5%,达到49亿美元。  以各区域市场来看,2018年韩国将连续第二年蝉联全球*大设备市场,中国今年**位居第二,台湾第三。在成长率部分,SEMI台湾区总裁曹世纶表示,中国市场在外资企业的积极投资下,今年的成长幅度*大(43.5%),其次分别为日本(32.1%)、东南亚(19.3%)、欧洲(11.6%)、北美(3.8%)和韩国(0.1%)。台湾半导体设备支出金额今年在缺乏新内存产能建置的投资下,成长幅度稍低,但明年度由于晶圆代工厂商在先进制程及产能的持续投资下以及内存厂商的制程提升,预期将呈现较高幅度的成长。台湾中长期而言整体支出仍将呈现稳健成长态势。  2019年,SEMI预测中国半导体设备销售金额成长幅度*大(46.6%),达到173亿美元。2019年中国、南韩及台湾预料将稳坐前三大市场,中国排名也将攀爬至第一。南韩将以163亿美元成为全球第二大市场,台湾半导体设备销售金额则有接近123亿美元的水平。  中国,成为*大设备购买地背后的隐忧  从目前发展情况看来,中国成为全球*大设备购买地是必然的,但我们应该看到其背后的隐忧,那就是相关设备的供应只能依靠外企。  我们看下Gartner2016年的全球十大半导体设备制造商排名,当然里面并没有中国公司出现,只有三个国家的公司上榜了,美国,日本和荷兰。  世界前三名是美国应用材料,美国LamResearch,荷兰ASML。  接下来是第四名日本的东京电子,第五名美国的KLATencor,前十名的门槛为4.97亿美元,可以看出其实世界十强的门槛并不高,但就是这么低的门槛,也就是30多亿人民币,我国仍然没有一家企业入围。  可以看到,随着国内的半导体建设加速,国产设备的自立自强势在必行。《国家半导体产业发展推进纲要》指出,2020年我国IC产值将达到8710亿元,晶圆代工实现16/14nm量产,封测技术达到国际大厂水平;《中国制造2025》也提出,2025年,我国12寸晶圆产能将达到100万片/月,并实现14nm制程导入量产。根据巴斯夫预测,2019年,中国大陆芯片厂商将实现14nm制程工艺,2020年达到7-10nm水平,快速追赶国际顶尖工艺水准。  由于半导体行业的高壁垒性,我们认为国内厂商将充分受益于国家战略支持和设备市场广阔的市场空间。另外,考虑到中兴事件带来的刺激性影响,半导体产业国产化有望加速,国内厂商也将充分享受发展红利,希望这一天不会太远。                                                                                                                            来源:网络

  • 相关报道

    斯坦福大学电子皮肤 希望赐予机器人如人类般敏感而优质的触觉

    机器人没有触觉会怎样?以下便是*生动的例子  一直以来,机器人没有足够优质的触觉,是让很多机器人学家头疼的问题。  拿起一样东西需要用多大力,以怎样的姿势拿比较合适,这些对于人类来说再简单不过的问题,对机器人来说显然并不那么轻松。  所以,在之前的工厂里,工程师们需要**计算机器人要拿起来的物品的坐标和大小,以让机器人快速**的完成抓取的工作。  拥有结构化环境和固定‘工位’的机器人  即便如此,再复杂的数学计算,也不能完全填补机器人没有优秀触觉的弊端。就像文章开头的那张图片,当碰到柔软的树莓时,它永远不知道自己到达什么位置,才算**的接触到这颗果实。  所以,能否解决机器人在抓取东西这方面远不如人类能干的问题,成为很多科学家致力于解决的科研问题。  在解决这一问题上,也出现了两个比较主流的派系,一种是另辟蹊径的想法:既然机器人在触觉上还不能**复刻人类,那么我们可以把它做得足够柔软。  因而,在各大科技类网站上,都出现过与下面图片类似的柔软抓手,它们如同章鱼的触手一般,可以把物品包裹住,再完成之后的抓取任务。    或者模仿拥有人类智慧的折纸艺术,这些折纸类的软体机器人可柔和硬,也能完好无损的将树莓抓取上来。    另一种就是死磕到底:致力于提高机器人触觉感知能力,研发中各种不同种类的电子皮肤。  近日,斯坦福大学在Science Robotics上就发表了一篇关于其电子皮肤的文章,这款电子皮肤,可以说是让我们走上了有朝一日让机器人拥有人体皮肤感知能力的道路。    其实,在人类的手指和手掌上拥有很多触摸传感器,这些传感器可以检测压力,热量和其他刺激。这些传感器和名叫“棘毛” (Spinosum) 的子层密切配合,这一层里,有微观的千山万壑,这些崎岖的地形,对人类触觉的形成至关重要。  当人的手指接触物体的时候,外层皮肤会向棘毛这一层移动。如果是轻度接触,外层皮肤会接触到那些棘毛的“小山”,山上的传感器就会感受到。如果是重度接触,外层皮肤被迫走向更深一层,凹陷的沟壑里传感器会接收到信号,这样便会引发更强烈的触感。    除此之外,棘毛还可以测量压力的方向,就是切向和法向分别有多少力施加在皮肤上,如果一根手指向北推某个东西,“小山”的南坡就会感受到强烈的信号,这是一种叫做剪应力 (Shear Force) 的力量,可以帮助人类握起一个鸡蛋:让鸡蛋不会被握碎,也不会掉在地上摔碎。  斯坦福大学的电子皮肤,就是模仿人类手指触觉器官而来的。在他们研究的装有电子皮肤的手套上,每个手指的传感器都是三层的。    其中上层和底层带电,中层是不带电的橡胶层,可以让上层和底层的电极保持分离的状态。  研究人员在 (上层与底层) 两个相对的面上,铺设了电线网格 (Grid of Electrical Lines) ,就像电场线那样。然后让这些“电场线”互相垂直,形成一个密集的感应像素阵列。其中底层,就像人类皮肤的棘毛层那样沟壑纵横。  中间的橡胶层很重要,因为两层电极距离很近,又不互相接触,这样的结构可以储存电能。当手指向下按的时候,上层电极和下层就会更靠近,存储的电能就会增加。  一方面我们可以根据储存电量的大小来判断压力的大小,另一方面底层“山丘”状的结构加上电网格上密布的点,我们也可以知道每一点上对应的压力大小和方向。这样类似人类手指的触感就形成了。  试验中,斯坦福大学的研究人员让带着装有电子皮肤的手套的机械臂在轻轻触碰到树莓时便能感知到,并且能够迅速退回不至于伤害到柔软的果实。    也可以轻轻抓起一个圆形的乒乓球任意移动。    那讲完这个神奇的电子皮肤,回到我们*初的问题。既然在解决机器人触觉方面出现了两个主要的研究方向:电子皮肤和软体机器人。那么在模仿人手的道路上,小编认为肯定是要殊途同归的。  比如像康奈尔大学这只发表在《Science》杂志上的触觉机械手“Gentle Bot”,它不仅拥有柔性的外表,还能够感知所接触物体的形状和质地。    只是,和依靠电信号的电子皮肤不一样,康奈尔大学这只触觉机械手,采用的却是导光材料。类似于“大白”的充气状手指,内部有可弯曲的波导和可携带光波的导管。当手指触摸物体时,其外部的轻微形变导致波导弯曲,进而扭曲或改变光信号,从而使机械手获取相应的触摸数据,以确定被触摸物体的坚硬程度和形状。    所以,在未来比起硬邦邦的机械手,你是不是也希望给你端茶的机器人,拥有和人类一样柔软的手掌呢?  当人的手指接触物体的时候,外层皮肤会向棘毛这一层移动。如果是轻度接触,外层皮肤会接触到那些棘毛的“小山”,山上的传感器就会感受到。如果是重度接触,外层皮肤被迫走向更深一层,凹陷的沟壑里传感器会接收到信号,这样便会引发更强烈的触感。    除此之外,棘毛还可以测量压力的方向,就是切向和法向分别有多少力施加在皮肤上,如果一根手指向北推某个东西,“小山”的南坡就会感受到强烈的信号,这是一种叫做剪应力 (Shear Force) 的力量,可以帮助人类握起一个鸡蛋:让鸡蛋不会被握碎,也不会掉在地上摔碎。  斯坦福大学的电子皮肤,就是模仿人类手指触觉器官而来的。在他们研究的装有电子皮肤的手套上,每个手指的传感器都是三层的。    其中上层和底层带电,中层是不带电的橡胶层,可以让上层和底层的电极保持分离的状态。  研究人员在 (上层与底层) 两个相对的面上,铺设了电线网格 (Grid of Electrical Lines) ,就像电场线那样。然后让这些“电场线”互相垂直,形成一个密集的感应像素阵列。其中底层,就像人类皮肤的棘毛层那样沟壑纵横。  中间的橡胶层很重要,因为两层电极距离很近,又不互相接触,这样的结构可以储存电能。当手指向下按的时候,上层电极和下层就会更靠近,存储的电能就会增加。  一方面我们可以根据储存电量的大小来判断压力的大小,另一方面底层“山丘”状的结构加上电网格上密布的点,我们也可以知道每一点上对应的压力大小和方向。这样类似人类手指的触感就形成了。  试验中,斯坦福大学的研究人员让带着装有电子皮肤的手套的机械臂在轻轻触碰到树莓时便能感知到,并且能够迅速退回不至于伤害到柔软的果实。    也可以轻轻抓起一个圆形的乒乓球任意移动。    那讲完这个神奇的电子皮肤,回到我们*初的问题。既然在解决机器人触觉方面出现了两个主要的研究方向:电子皮肤和软体机器人。那么在模仿人手的道路上,小编认为肯定是要殊途同归的。  比如像康奈尔大学这只发表在《Science》杂志上的触觉机械手“Gentle Bot”,它不仅拥有柔性的外表,还能够感知所接触物体的形状和质地。    只是,和依靠电信号的电子皮肤不一样,康奈尔大学这只触觉机械手,采用的却是导光材料。类似于“大白”的充气状手指,内部有可弯曲的波导和可携带光波的导管。当手指触摸物体时,其外部的轻微形变导致波导弯曲,进而扭曲或改变光信号,从而使机械手获取相应的触摸数据,以确定被触摸物体的坚硬程度和形状。    所以,在未来比起硬邦邦的机械手,你是不是也希望给你端茶的机器人,拥有和人类一样柔软的手掌呢?                                                                                                                                           来源:网络

    下一代GPS 2厘米位移可以精确定位

    9月11日消息,Humatics公司今天宣布推出其商业版空间智能平台,旨在帮助人们和机器以毫米级精度交互。  Humatics称该系统结合使用无线信号,软件和移动传感器的来跟踪物体和人在特定空间内的移动,并确保在500米范围内位置追踪精确精确到2厘米。  **执行官大卫明德(David Mindell)认为,从装配中心和工厂的机器人到送货无人机和自动驾驶汽车,这项技术在未来经济的几乎每个部分中都将扮演极其重要的角色。  明德是麻省理工学院的教授,专注航空航天工程,技术史和未来的工作,他拥有深海机器人的技术背景。他希望他的系统能成为下一代GPS,特别是在GPS力不能及的环境中,如室内,地下或城市中。  Humatics在声明中还提到像Eckhart和上海振华重工集团(ZPMC)这样的合作伙伴将把其空间追踪技术整合到工厂的自动导向车(AGV)系统中,使用虚拟网格技术替换现有的磁条系统。  随着时间的推移,明德认为随着城市通过物联网设备和自动驾驶汽车变得更加紧密,它们将需要Humatics推出的空间智能系统。  他说:“如果你去今天先进的制造工厂里看一看,就会知道十年后的城市将会是什么样子。毫无疑问,在越来越拥挤,人与机器越来越紧密的未来城市里,自动驾驶汽车和飞行器必须变得更可靠,强大和安全。它们必须与周围的人保持非常紧密的关系,而这正是我们的导航系统正在追求的目标:建立人,机器人和基础设施这三个要素之间的精确关系。“  除了在先进的工厂中使用外,Humatics的系统目前还用于跟踪纽约市地铁车厢的实时位置。  Humatics的投资者包括洛克希德风险投资公司,空中客车风险投资公司以及去年9月参与1800万美元融资的其他投资者。  Humatics公司成立于2015年,但四年前就已经开始开发其相关技术。?今年2月,Humatics收购了Time Domain,将其无线技术融入自己的平台。Time Domain的研发领域也是使用无线电波跟踪机器人的位置。  其他从事物体追踪技术开发的公司包括由麻省理工学院CSAIL工程师开发的Chronos,它使用Wi-Fi技术实现了几十厘米的精度。

    浅谈一个“百年技术”——3D打印

    近几年,随着一批如巴斯夫、**、万华等这类化工巨头开始涉足、逐浪3D打印市场,3D打印这片蓝海又重新被公众的视线所聚焦。  横空出世的新技术?不,这是一项制造业的“百年技术”  尽管3D打印近几年的突然大热使得我们认为它是一项横空出世的制造业新技术,但是如果从它的正式出现到现在比较广泛地被运用在如模具制造、精细零部件加工等方面算起,它已经有将近30年的历史,而如果深究这项技术的核心制造思想,则可以追溯到更早的时代——19世纪中后期;在1995年以前,“3D打印”这个词还不存在,当时学界称呼这项技术为——“快速成型”,在那一年,两名来着MIT的大四学生将这一“3D打印”这个名词冠予这项技术,此后,随着这个名词的流行,所有的快速成型技术都被“3D打印”纳入麾下。  自1860年法国人申请到一项名为“多照相机实体雕塑”的**到上世纪日本学者对3D打印技术的完善和美国技术人员的实践,3D打印在越来越完善中也越来越接近我们的生活。  3D打印技术的应用领域及材料  随着技术的发展,3D打印如今已被广泛应用于各行各业,从工业制造用于各种产品原型、概念的设计,模具的制造等;在航空航天,国防军工行业实现复制多变,尺寸细微的特殊零部件制造;在生物医疗方面打造人造骨骼甚至器官等等。3D打印技术的发展和应用使得越来越多的行业破解了行业的各种难题,制造出以前无法实现的产品。  随着3D技术一起成长的还有对于材料的应用,据不完全统计,目前3D打印材料的种类已超过200种,大致分类的话可以将其划分为:聚合物材料、工程塑料类材料、生物材料、金属类材料、陶瓷材料等几个大类。其中*为我们熟知的应该就是各类工程塑料和树脂了。  由于树脂的种类繁多,并且存在着诸如透明、半流体等各种形态,广泛地应用于各种中间设计形态模型的3D打印中。而对于3D打印中所用到的塑料常见的有:ABS、PA、PC、PPSF、PEEK等工程塑料。  除开上述介绍的工程塑料,3D打印中还可以使用PLA作为打印材料,这类材料为生物分解性塑料,比上述的某些材料更加环保,一般用于制造各类医疗器具。  是什么限制了3D打印?  尽管3D打印具有着强大的实现力,但是这并不代表着它能够取代某些目前已经广泛运用的的制造技术,以制造工业零件模具为例,尽管以高强度的工程塑料作为打印的材料,但是通过3D打印技术制造的模具在零件制造中可能会由于各种诸如热循环等因素的作用下迅速损坏,这就使得生产的成本相应的被提高,同时还由于逐层成型这一特性,模具的表面会出现台阶纹边缘出现锯齿等情况,这就使得打印的模具需要进行二次加工,增加生产中的成本。  而在工业制造业外,3D打印也在其他行业遇到不少的阻碍限制,尽管这几年的技术发展使得这项技术可谓飞越性成长,但是在制造精度、强度、质感等方面还尚未能达到一些行业所需的高要求。  技术的逐步发展正使得人们看到3D打印技术所具有的闪光点,但是由于目前技术与我们想实现的想法的不对称,这项技术还未能够真正走近我们,但是在3D打印市场的蓝海,早有一批已经在这一领域不断探索的企业,而近几年各大化工巨头纷纷在这一市场中注入一股股新的力量,或推出该领域新技术,或并购已经浸淫许久的专业厂商,这一股股力量的入局势必能推动技术的进步,使得3D打印得以广泛化应用,走入我们的生活。3D打印,未来可期!

网站导航
产品系列
应用与解决方案
新闻动态
技术支持
关于我们
人力资源
联系我们

电话:0512-62951811

邮箱:sales@mangotree.cn

support@mangotree.cn


微信扫一扫