为了更好地解决传统神经网络提取特征不够全面导致表情识别准确率低,以及表情识别中参数调整计算量大、耗时长、模型泛化能力弱等问题,这里提出一种将卷积神经网络多层特征融合与极限学习机(ELM)结合的表情识别方法。该方法是利用卷积神经网络(CNN)提取多层面部表情特征图,再将CNN提取出的后三层特征图采用多尺度池化操作,将这三个特征向量级联融合成一个面部表情特征向量,该特征向量具有多尺度多属性的性质能够很好的表达表情特征;最后,把融合后的面部表情特征向量输入到ELM分类器进行表情识别。实验结果表明,该方法能够有效地提高面部表情识别的准确率,在CK+、FER2013数据集上的平均识别准确率分别达到了98.72%和78.97%,并且缩短了识别时间。同时通过设计实验验证了模型具有较强的泛化能力。

基于MEMS加速度传感器测量倾角的原理和方法，根据火炮射击时对炮床倾角的要求，确定传感器测量精度指标，设计基于sca103t的数字式象限仪。采取实时零位校准和多级滤波等措施提高测量精确度。结合实际操作，总结利用数字式象限仪进行规正水平的方法。部队试验表明系统可提高规正炮床的速度，降低操作难度。

自1986年开始,机电—体化技术开始被大规模应用于液压挖掘机中,机电—体化技术的发展使现代液压挖掘机与传统的液压挖掘机相比,在工况监测,自动操控,节能控制等方面都有了更好的性能.随着微电子技术的发展,集成电路的性能提高,使电子技术和液压技术更好的结合,让挖掘机的性能有了质的飞跃,机电—体化将是机械工程的必然趋势,发展到现在,机电—体化的结合已经在机械工程中得到了实现,但机电—体化液压挖掘机的机电—体化技术在比较艰苦的施工环境中还是需要很高的要求,还需要更好的发展.

自1986年开始，机电一体化技术开始被大规模应用于液压挖掘机中，机电一体化技术的发展使现代液压挖掘机与传统的液压挖掘机相比，在工况监测、自动操控、节能控制等方面都有了更好的性能。随着微电子技术的发展，集成电路的性能提高，使电子技术和液压技术更好的结合，让挖掘机的性能有了质的飞跃，机电一体化将是机械工程的必然趋势，发展到现在，机电一体化的结合已经在机械工程中得到了实现，但机电一体化液压挖掘机的机电一体化技术在比较艰苦的施工环境中还是需要很高的要求，还需要更好的发展。