-
公开(公告)号：CN116923581A
公开(公告)日：2023-10-24
申请号：CN202310832509.1
申请日：2023-07-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: B62D57/024 , B62D57/032 , B60R11/04
Abstract: 本发明涉及检测机器人技术领域，尤其涉及一种用于风电叶片检测的爬壁机器人，包括机身和调节机身攀爬位置的多条机械腿；其中在所述机身上设置有图像采集部、控制器、以及电源；其中所述机械腿上设置有多个调节控制行走的舵机，其中在所述机械腿的下端设置有吸附部。本申请中利用该爬壁机器人对叶片表面进行检查维护，可以有效保障人的生命安全，并缩短了检修时间；同时，采用较为小巧的六足爬壁机器人结构，并搭载能更好地适应风电叶片曲面的真空吸盘，从而提高了爬壁机器人的吸附稳定性，降低了制造大型检测设备的难度与成本，具有较高的经济性。
-
公开(公告)号：CN118907258A
公开(公告)日：2024-11-08
申请号：CN202411333637.2
申请日：2024-09-24
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: B62D57/024 , F03D17/00
Abstract: 本发明提供了一种四足适应曲面吸附结构的风机叶片检测爬壁机器人，包括：机身主体、控制主板、微型真空泵、电磁阀、高清相机和机械腿；机身主体包括：机身上层板、机身侧板、机身中层板和机身下层板；机械腿包括：髋关节舵机、髋关节连接板、大腿关节舵机、大腿关节连接板、小腿关节舵机、缓冲机构、小腿关节连接板和足端吸盘；髋关节连接板分别与髋关节舵机和大腿关节舵机连接，大腿关节连接板分别与大腿关节舵机和小腿关节舵机连接，小腿关节舵机与小腿关节连接板连接，缓冲机构通过螺母与小腿关节连接板连接，足端吸盘与缓冲机构连接。该装置增强了机器人的吸附力，并减小了爬行过程中机器人对风机叶片的损伤。
-
公开(公告)号：CN112046662B
公开(公告)日：2023-01-17
申请号：CN202010811730.5
申请日：2020-08-13
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种代步跟随机器人，具有代步和跟随两种功能模式，所述代步模式为用户短途出行提供骑行代步和监护服务，所述跟随模式在用户下车步行时跟随移动并提供陪护服务；所述代步跟随机器人包括核心处理模块、底盘移动模块、折叠驱动模块、人机交互模块、折叠机体以及电源模块。本发明还提供了一种代步跟随机器人的代步跟随方法。本发明的有益效果是：可以满足用户中近程出行代步需求，同时提升机器人操作便利性和驾驶安全性，在用户下车步行时可以跟随移动，并提供相应智能化服务，不需要跟随目标额外携带检测信标，使用较为方便。
-
公开(公告)号：CN109871011B
公开(公告)日：2022-03-11
申请号：CN201910037930.7
申请日：2019-01-15
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明涉及一种基于预处理层与深度强化学习的机器人导航方法，该方法是在构建的虚拟训练环境中设置虚拟预处理层，在现实环境中设置现实预处理层；通过现实预处理层与虚拟预处理层输出具有相同意义的信息，将在虚拟训练环境中的深度强化学习结果移植至现实环境中的机器人导航系统上，实现导航。本发明解决基于深度强化学习的导航算法从虚拟环境迁移至现实环境的泛化性能差的问题，将预处理层与深度强化学习结合，通过预处理层与深度强化学习接收环境信息并输出正确的动作，进而使搭载上述方法的机器人获得导航能力，并具有很强的从虚拟环境迁移至现实环境的能力，可应用于机器人导航领域。
-
公开(公告)号：CN107679462B
公开(公告)日：2021-10-19
申请号：CN201710823051.8
申请日：2017-09-13
Applicant: 哈尔滨工业大学深圳研究生院
Abstract: 本发明提供了一种基于小波的深度多特征融合分类方法，包括线下训练阶段和线上识别阶段，其中，线下训练阶段通过构建卷积神经网络对n类标签的样本进行训练，在模型末端的卷积层和全连接层加入离散小波变换对深度多特征映射进行分解，将得到的高低频分量线性融合，从而获得最优权重；线上识别阶段用该卷积神经网络搭配支持向量机对图像以及视频里的动作进行识别和分类。本发明的有益效果是：提高了图像视频的分类识别的准确率。
-
Patent Agency Ranking
公开(公告)号：CN103954913B
公开(公告)日：2017-06-30
申请号：CN201410186038.2
申请日：2014-05-05
Applicant: 哈尔滨工业大学深圳研究生院
IPC: G01R31/36
Abstract: 本发明提供一种电动汽车动力电池寿命预测方法，包括以下步骤：步骤1）、对动力电池放电过程中的电压曲线进行数据采集和提取电池剩余寿命表征量，求取衰退点；步骤2）、采用ART2神经网络对采集到的电压曲线进行聚类，对进行衰退模式分类；步骤3）、采用加权马尔科夫模型对动力电池的衰退模式进行预测；步骤4)、建立单一模式的衰退模型；步骤5)、采用线性叠加的方法对动力电池的剩余寿命进行预测。本发明可以更方便快捷准确地评价电池的健康状况，并且能根据不同人的驾车习惯针对个人更准确地预测出电动汽车动力电池的剩余寿命，从而可以更好地管理与规划使用电池。
-
公开(公告)号：CN106092567A
公开(公告)日：2016-11-09
申请号：CN201610518405.3
申请日：2016-07-02
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G01M13/021 , G01M13/028 , G01M13/045
Abstract: 本发明提供了一种旋转机械故障振动同步测量方法，步骤1）：明确待测齿轮的安装位置，了解到该齿轮以及其啮合齿轮齿数；步骤2）：将无线振动传感器安装在与A轴上待测齿轮相啮合的B轴齿轮的轴上，在轴旋转后采集B轴上的齿轮啮合产生的轴向振动信号、径向振动信号；步骤3）：对采集到的齿轮径向振动信号进行小波分析滤波、包络变换，得到径向振动信号频谱图；步骤4）：在频谱图中观察是否出现明显的故障特征频率峰值，若出现该特征频率峰值则证明该齿轮存在故障。用本发明这种检测方法，由于更加贴近故障源，故可以在相同的故障条件下采集到更强的振动信号，从而更准确的更早的确定旋转机械内部齿轮以及轴承内圈的故障。
-
公开(公告)号：CN112046662A
公开(公告)日：2020-12-08
申请号：CN202010811730.5
申请日：2020-08-13
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明提供了一种代步跟随机器人，具有代步和跟随两种功能模式，所述代步模式为用户短途出行提供骑行代步和监护服务，所述跟随模式在用户下车步行时跟随移动并提供陪护服务；所述代步跟随机器人包括核心处理模块、底盘移动模块、折叠驱动模块、人机交互模块、折叠机体以及电源模块。本发明还提供了一种代步跟随机器人的代步跟随方法。本发明的有益效果是：可以满足用户中近程出行代步需求，同时提升机器人操作便利性和驾驶安全性，在用户下车步行时可以跟随移动，并提供相应智能化服务，不需要跟随目标额外携带检测信标，使用较为方便。
-
公开(公告)号：CN109871011A
公开(公告)日：2019-06-11
申请号：CN201910037930.7
申请日：2019-01-15
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明涉及一种基于预处理层与深度强化学习的机器人导航方法，该方法是在构建的虚拟训练环境中设置虚拟预处理层，在现实环境中设置现实预处理层；通过现实预处理层与虚拟预处理层输出具有相同意义的信息，将在虚拟训练环境中的深度强化学习结果移植至现实环境中的机器人导航系统上，实现导航。本发明解决基于深度强化学习的导航算法从虚拟环境迁移至现实环境的泛化性能差的问题，将预处理层与深度强化学习结合，通过预处理层与深度强化学习接收环境信息并输出正确的动作，进而使搭载上述方法的机器人获得导航能力，并具有很强的从虚拟环境迁移至现实环境的能力，可应用于机器人导航领域。
-
公开(公告)号：CN107679462A
公开(公告)日：2018-02-09
申请号：CN201710823051.8
申请日：2017-09-13
Applicant: 哈尔滨工业大学深圳研究生院
CPC classification number: G06K9/00718 , G06K9/629 , G06N3/0454 , G06N3/084
Abstract: 本发明提供了一种基于小波的深度多特征融合分类方法，包括线下训练阶段和线上识别阶段，其中，线下训练阶段通过构建卷积神经网络对n类标签的样本进行训练，在模型末端的卷积层和全连接层加入离散小波变换对深度多特征映射进行分解，将得到的高低频分量线性融合，从而获得最优权重；线上识别阶段用该卷积神经网络搭配支持向量机对图像以及视频里的动作进行识别和分类。本发明的有益效果是：提高了图像视频的分类识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.022 seconds)
