-
公开(公告)号：CN119537767A
公开(公告)日：2025-02-28
申请号：CN202411599499.2
申请日：2024-11-08
Applicant: 哈尔滨理工大学
IPC: G06F17/11 , G06N3/0464 , G06N3/08 , G06N3/0442
Abstract: 本发明属于轮式移动机器人状态估计领域，本发明公开了一种基于深度学习的轮式移动机器人滑转率预测方法，解决了传感器实时测量无法提前预测和轮地交互复杂性导致预测精度不足的问题。具体方法为：首先，构建轮式移动机器人相关运动数据的车轮滑转率数据集；然后，优化改进CNN‑LSTM的网络层数和结构，高效提取信息和捕捉特征；此外，设计的隐藏状态增强模块强化隐藏状态的更新，设计的改进注意力机制模块动态调整输入特征权重，突出最重要特征；最后，设计考虑力学约束的复合损失函数用以训练模型，对训练好的模型进行验证和性能评估。本发明使得轮式移动机器人在不同地形上有较好的适应能力，提升了滑转率预测的准确性和稳定性。
-
公开(公告)号：CN119033387A
公开(公告)日：2024-11-29
申请号：CN202411460789.9
申请日：2024-10-18
Applicant: 哈尔滨理工大学
IPC: A61B5/374 , A61B5/00 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明属于癫痫发作预测技术领域，公开了一种基于全局上下文感知生成网络的癫痫发作预测方法，包括：获取癫痫发作前期和间期的脑电信号；对脑电信号滤波和时间窗分割，得到时间窗信号片段；构建全局上下文感知生成网络，对时间窗信号片段进行全局依赖关系捕获与上下文信息整合，得到合成信号片段；构建多尺度时频特征深度卷积癫痫发作预测模型，对数据增强样本进行多尺度时频分析，深入挖掘癫痫脑电的关键特征。本发明采用上述一种基于全局上下文感知生成网络的癫痫发作预测方法，克服发作状态持续差异性的问题，保证脑电数据样本空间丰富性，提高预测精度，为癫痫发作预测领域提供新的思路和技术手段。
-
公开(公告)号：CN118331276A
公开(公告)日：2024-07-12
申请号：CN202410530951.3
申请日：2024-04-29
Applicant: 哈尔滨理工大学
Abstract: 本发明属于移动作业机器人操控技术领域。本发明公开了一种移动作业机器人人机指令融合方法，解决了移动作业机器人执行任务过程中操作者和机器人的指令融合的问题。本发明所述的一种移动作业机器人人机指令融合方法，当移动作业机器人执行目标任务的过程中，其运行轨迹不满足人类的预期时，操作者会进行指令干预，移动作业机器人的稳定裕度、碰撞几率会改变收益函数的权重占比，从而动态调节人机指令融合的权重分配。本发明能够求解出操作者与机器人操控指令的最佳组合，有效的提高移动作业机器人面对不同介入指令时的适应性。
-
公开(公告)号：CN118322197A
公开(公告)日：2024-07-12
申请号：CN202410479073.7
申请日：2024-04-21
Applicant: 哈尔滨理工大学
IPC: B25J9/16
Abstract: 本发明提出了一种基于模型解空间快速自收敛的机械臂智能抓取方法，旨在解决现有深度强化学习算法训练机械臂执行智能抓取任务时模型解空间维度过高导致的最优解丢失、模型收敛速度慢等技术问题。该方法首先采用改进YOLOv8网络结合GraspNet端到端抓取网络实现对指定物体的检测识别和6D抓取位姿估计。接下来，设计基于位姿的离散型奖励函数以适应高精度抓取任务，同时设计基于位姿‑能量约束的密集型非线性奖励函数，在保证低能耗的前提下降低机械臂在高维解空间下探索导致的抖动使深度强化学习DDPG模型快速收敛到最优解。然后，提出一种新型的深度强化学习算法R‑DDPG并在仿真环境中训练R‑DDPG算法，利用RRT算法的专家经验对DDPG算法训练前期的探索过程进行引导，解决DDPG算法训练初期面临高维度解空间时探索效率较低的问题，提高模型收敛速度。最后，将训练好的R‑DDPG模型迁移到实物机械臂上并结合视觉模块输出的抓取位姿信息进行抓取操作。
-
公开(公告)号：CN119106513A
公开(公告)日：2024-12-10
申请号：CN202411236793.7
申请日：2024-09-04
Applicant: 哈尔滨理工大学
IPC: G06F30/17 , B62D57/032 , G06F30/20 , G06F119/14
Abstract: 本发明属于足地作用力学技术领域。本发明公开了一种应用于泥地地形的足式机器人足地接触模型构建方法，可提高足式机器人在泥地地形下运动的稳定性，具体方法为：首先，根据泥地的粘塑性、粘弹性、弹性和塑性变形特性，将Burgers模型、非线性黏塑性模型和非线性弹簧模型串联，得到描述这些变形特性的离散元模型。然后，基于土壤力学中的摩尔‑库伦理论，从土壤力学角度考虑泥地的土壤容重、含水量和黏粒含量变化对土壤内聚力的影响，提出并建立这三者与泥地离散元模型中黏滞系数的关系式。最后，根据足端法向力和切向力的大小及其变化趋势，将足地接触过程分为落足、抬足和脱离三个阶段，并将落足到抬足的过渡过程设定为一个独立阶段。其中，落足和抬足两个阶段根据泥地的变形形式进一步细分为弹性变形和塑性变形两个阶段。不同阶段应用泥地离散元模型中描述相应特性的模型来构建足地接触模型。本发明可提高泥地地形的足地接触模型建模精度，使足式机器人在泥地地形下有更高的适应性。
-
Patent Agency Ranking
公开(公告)号：CN119090918A
公开(公告)日：2024-12-06
申请号：CN202411239120.7
申请日：2024-09-04
Applicant: 哈尔滨理工大学
IPC: G06T7/246 , G06V40/20 , G06N3/044 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/048 , G06V10/40 , G06V10/82 , G06V10/80
Abstract: 本发明提出了一种结合自适应加权融合机制与行人步行行为规范的空间图注意力机制行人轨迹预测方法。首先，通过融合自适应加权机制的BiLSTM网络，准确提取行人运动轨迹的时序特征，增强了特征提取的灵活性和精度。其次，利用空间图注意力机制，构建目标行人与周围行人之间的初步交互特征，并通过该机制获取目标行人和周围行人的空间图注意力特征，精准捕捉行人之间的动态交互关系。接着，在行人步行行为规范的约束下，对空间注意力交互特性进行二次动态规划，确保轨迹预测结果更符合实际行人行为模式。最后，通过对多种轨迹特征的融合，利用序列到序列模型(Seq2Seq)将行人的当前状态映射到未来轨迹，从而实现了高精度的行人轨迹预测。
-
公开(公告)号：CN119055256A
公开(公告)日：2024-12-03
申请号：CN202411460796.9
申请日：2024-10-18
Applicant: 哈尔滨理工大学
IPC: A61B5/374 , A61B5/00 , G06F18/213 , G06N3/0464 , G06N3/08 , G06F18/25
Abstract: 本发明属于癫痫发作预测技术领域，公开了一种基于动态多尺度时空注意力网络的癫痫发作预测方法，包括以下步骤：S1、基于数据收集模块获取脑癫痫发作前期和间期电信号；S2、基于数据处理模块，对脑电信号进行滤波提纯以及分割，获取时间窗信号片段；S3、基于模型构建与训练模块，构建动态多尺度时空注意力网络，其包括动态时间注意力模型、多尺度空间注意力模型和交叉注意力特征融合模型。本发明采用上述一种基于动态多尺度时空注意力网络的癫痫发作预测方法，探究癫痫脑电的时空复杂协同关系，获得脑电长程时空特征，从而提高癫痫发作预测精度；此外本发明还增强了原始数据的辨识力，增加了深度学习算法中的可解释性和适用性。
-
公开(公告)号：CN118305797A
公开(公告)日：2024-07-09
申请号：CN202410530947.7
申请日：2024-04-29
Applicant: 哈尔滨理工大学
IPC: B25J9/16
Abstract: 本发明属于多自由度机器人人机交互技术领域，本发明公开了一种基于运动想象与机器视觉的机械臂控制决策方法，解决现有脑机接口技术中机械臂指令映射复杂，被试认知负担大，机械臂运动不自然等问题，具体方法为：采用区域规划机制对视觉检测的操作空间进行界定，提出一种单/双手映射关系式，建立所述左右脑幅值与机器人之间的控制关系；提出一种权重因子控制决策器，协助操作者完成抓取，且操作者也能主动参与整个过程中。本发明引入机器视觉并设计合理的控制决策方法，实现对机械臂控制指令映射、操作空间区域规划、完成权重因子α的评定，并对抓取任务进行辅助，有助于提高脑控机械臂抓取系统的性能，缓解指令映射关系复杂，被试认知负担大的情况，增强控制的鲁棒性，提高脑控机械臂的控制精度和任务性能。
-
公开(公告)号：CN116911176B
公开(公告)日：2024-04-30
申请号：CN202310832623.4
申请日：2023-07-08
Applicant: 哈尔滨理工大学
Abstract: 本发明属于轮式移动机器人感知决策领域。本发明公开了一种基于轮式移动机器人速度和振动状态的地形可通过性预测方法，解决了轮式机器人以不同指令速度通过地形时，地形可通过性程度不同的问题，具体方法为：以高度地图和指令速度做输入，机器人振动矢量和速度损失做输出，构建用于训练CNN网络的数据集；经训练得到的CNN预测模型的输出作为模糊逻辑算法的输入，综合评价地形可通过性；预测阶段，根据预测模型以及综合评价方法，以不同指令速度和局部高程地图作为输入，预测对应速度下局部地形的可通过性。本发明使机器人在执行运动规划前，提供不同速度对应不同局部地形可通过性的分布情况作为先验条件，提高了轮式机器人导航的高效性和安全性。
-
公开(公告)号：CN117193342A
公开(公告)日：2023-12-08
申请号：CN202311206592.8
申请日：2023-09-18
Applicant: 哈尔滨理工大学
IPC: G05D1/08
Abstract: 本发明属于多足机器人遥操作技术领域。本发明公开了一种同步补偿变时延及环境端有源性的多足机器人三边遥操作控制架构及方法，解决了足机器人遥操作系统在双操作者控制时由于时延与足地滑移造成系统的不稳定性和低透明性。本发明所述的一种同步补偿变时延及环境端有源性的多足机器人三边遥操作控制架构及方法，采用双主单从的遥操作系统架构，根据跟踪误差设计了权重因子切换模块，基于波变量控制方法设计了变波阻抗补偿模块，基于时域无源控制方法设计了时变阻尼补偿模块，并将模块结合设计共享控制率。本发明能够保证遥操作系统在存在时延与有源性时的稳定性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.028 seconds)
