一种可进行太阳能跟踪的无人机，包括无人机机身、主旋转电机、固定座、光敏感应器、翻转式太阳能电池板、电池板固定框、侧旋转电机、固定架、升降气缸和机翼，无人机机身上有主旋转电机，固定座固定在主旋转电机的转轴上，翻转式太阳能电池板成排固定在电池板固定框内，电池板固定框两侧有侧旋转电机，侧旋转电机的转轴固定在电池板固定框侧端中部，电池板固定框两侧的固定架下方有升降气缸，升降气缸固定在固定座上，固定座上有4个光敏感应器。本发明无人机顶部太阳能跟踪机构的翻转式太阳能电池板成排设置可同时进行翻转，而水平面旋转则由主旋转电机进行控制，从而能最大限度的对太阳能进行收集，并且成本更为低廉，安装更为方便。
本发明公开了一种用于电气化铁路V/V变压器的无功补偿方法，采用一种用于电气化铁路V/V变压器的无功补偿装置，具体步骤为：检测母线电压、母线电流和补偿网络的电流;提取母线电压、母线电流和补偿网络的基波信号，并经ADC电路转换为数字信号发送给控制器;控制器依次采用对称分量法、平衡补偿法对数字量的母线电压、母线电流和补偿网络的基波信号进行处理，得到补偿网络各相补偿导纳;模糊PI调节器根据补偿导纳和晶闸管触发角的关系得到补偿网络的晶闸管触发角;控制器发出触发脉冲经驱动电路发送给晶闸管的门极。本发明的一种用于电气化铁路V/V变压器的无功补偿方法，能够完全补偿无功功率，使负序电流得到彻底消除，并且补偿容量不受限制。
本发明公开了一种台阶形沟槽-场限环复合终端结构，在芯片的中央区域为有源区，外围区域为终端区，有源区和终端区共同的n-衬底下方依次为n型FS层、p+阳极区及其阳极;在有源区中，n-基区中设置有多个并联的单元，每个单元内与n-基区相邻的是波状p基区，p基区上面为p+基区，p+基区中央设置有一个阴极n+发射区，每个n+发射区上方设置有阴极;p+基区上方设置有一个门极;在终端区的n-衬底内，设有与主结相连的两级场限环，场限环的上面有台阶状沟槽。本发明的复合终端结构可使终端击穿电压达到理想体击穿电压的95%以上。
本发明提出一种无人机的可视导航系统。其中，无人机集群的协作交互方法包括以下步骤：无人机集群中的某个无人机确定其通信覆盖范围内满足协作条件的无人机，并根据满足协作条件的无人机建立无人机协作组;确定所述无人机协作组中的多架无人机的机间路由;根据所述机间路由的链路状态信息对所述无人机协作组中的多架无人机分配协作任务;根据所述无人机协作组中的多架无人机的运动状态评估所述链路状态，并根据评估结果更新所述无人机协作组的无人机及每架无人机的协作任务。本发明可靠性强，通信质量高，能较好地适应可视导航中的无人机集群通信环境。
本发明提供一种遥操作机器人基于视觉的动觉示教控制方法，其步骤包括采用立体视觉技术对现场的作业对象及背景环境(障碍物)进行识别与空间信息提取;以通过视觉识别、计算出的作业对象与机器人末端间的位姿关系为参数，构建作业对象对机器人的虚拟吸引力;以机器人末端沿其速度方向与背景环境(障碍物)的距离为参数，构建机器人所受的障碍物排斥力;将作业对象虚拟吸引力、障碍物虚拟斥力以及机器人抓取物体时的真实作用力合成机器人示教力;通过主端系统与从端系统间的雅可比矩阵，将示教力向操作手柄反馈，从而实现对操作者的动觉示教。本发明相对于现有技术具有如下的优点及技术效果 ：[0031] 1. 将机器智能与人类高级决策的优点有机集成，可有效提高机器人的作业效率与局部自主。[0032] 2. 降低对操作人员熟练程度的要求。[0033] 3. 对可能发生的机器人与环境间的碰撞进行预测，可有效保证机器人作业系统的安全性。[0034] 4. 能够缓解操作者控制机器人时的心理紧张及决策疲劳。[0035] 5. 控制回路具有数据量小、信息丰富、超前预测的优点，可有效避免图像时滞导致的机器人操控盲目性。一种遥操纵机器人基于视觉的动觉示教控制方法，其特征在于，包括以下步骤 ：[0007] S1、采用立体视觉技术对现场的作业对象及背景环境 ( 障碍物 ) 进行识别与空间信息提取;[0008] S2、以步骤 S1 中获取的作业对象与机器人末端间的位姿关系为参数，构建作业对象对机器人的虚拟吸引力;[0009] S3、以步骤 S1 中获取的机器人末端沿其速度方向与背景环境 ( 障碍物 ) 的距离为参数，构建机器人所受的障碍物排斥力;[0010] S4、将作业对象虚拟吸引力、障碍物虚拟斥力以及机器人抓取物体时的真实作用力合成机器人示教力;[0011] S5、通过主端系统与从端系统间的雅可比矩阵，将示教力向操作手柄反馈，从而实现对操作者的动觉示教。[0012] 根据权利要求 1 所述的遥操纵机器人基于视觉的动觉示教控制方法，其特征在于，所述步骤 S1 包括 ：包括以下步骤 ：[0013] S11.1、将 Bumblebee 双目摄像头采用 eye-to-hand 方式固定在现场环境正上方，光轴与地面垂直，简称为环境相机;[0014] S11.2、根据环境相机图像中各像素点的颜色、灰度或纹理特征，从中剔除机器人区域及作业对象区域，以获得背景图像;[0015] S11.3、根据图像匹配及摄像机标定的结果，实时计算背景图像中各像素点的空间坐标;[0016] S11.4、采用基于空间自相关性的内插方式来预测估计所剔除的机器人区域及作业对象区域应有像素属性，并结合背景图像像素特征，生成背景环境的高程数据模型;[0017] S12.1、将 Kinect 相机采用 eye-in-hand 方式固连于机器人末端，简称为手部相机;[0018] S12.2、根据手部相机图像中各像素点的颜色、纹理特征，采用结合人口统计与区域增长的图像分割方法来提取作业对象区域，并采用分裂 - 合并算法提取该区域轮廓的近似多边形，取多边形的顶点为作业对象图像特征;[0019] S12.3、根据图像匹配及摄像机标定的结果，实时计算作业对象区域各像素点的空间坐标，并构建其 OBB(Oriented Bounding Box- 有向包围盒 ) 包围盒模型。
一种基于主动全景视觉传感器的机器人视觉系统，包括全方位视觉传感器、关键面激光光源以及用于对全方位图像进行三维立体摄像测量、障碍物检测、避障和导航的微处理器，所述全方位视觉传感器与所述关键面激光光源配置在同一根轴心线上。
本发明公开了一种基于VR-Forces仿真平台的多无人机协同任务规划仿真系统，其特征是：多无人机协同任务规划仿真系统由n个无人机仿真子系统、一个地面控制中心仿真子系统和一个任务规划仿真场景管理子系统组成。
