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。

在冷却壁热态试验中，钻孔对测点温度场会产生干扰。利用ANSYS软件，采用数值模拟的方法研究了钻孔的深度、钻孔的直径、冷却壁壁体导热系数以及冷却壁热流密度对钻孔偏差的影响，分析了测量误差、钻孔偏差、试验偏差之间的关系。研究结果显示，由于钻孔的存在，使得测点温度高于没有钻孔的实际温度，且在相同条件下，铜冷却壁的热电偶总体误差远远小于铸铁冷却壁，提出降低总体误差的有效方法。

目前在用的工业码垛机器人种类繁多，但根据其多轴控制系统的技术特点一般可分为三种类型：1）基于PLC的多轴控制系统；2）基于PC的多轴控制系统；3）基于总线的多轴控制系统。其中，总线控制系统具有数字信号传输、系统完全开放等优点，得到广泛的应用。笔者通过研究发现，基于现场总线，尤其是CAN总线的工业码垛机器人在实际应用中具有便于组网、