-
公开(公告)号：CN116942392B
公开(公告)日：2025-03-11
申请号：CN202311131357.9
申请日：2023-09-04
IPC: A61F5/01
Abstract: 本发明提供一种适用于踝关节骨折的中医手法正骨机器人，其包括腿部固定组件、翻转正骨组件、辅助正骨组件、牵引组件、计算机和双目视觉相机，翻转正骨组件与辅助正骨组件分别设置在腿部固定组件的两侧，牵引组件位于腿部固定组件的腿部固定处，计算机和双目视觉相机均分别位于腿部固定组件的两侧，本发明设置翻转正骨平台、辅助正骨平台和牵引组件，通过双目视觉相机建立统一坐标系，协同作业实现对脚踝的复位，翻转正骨平台实现对脚踝的翻转，辅助正骨平台实现对脚踝骨折线的支撑及按压，本发明通过计算机分析X光片得到正骨复位路径，通过各个组件相配合模拟中医手法，实现踝关节正骨复位。
-
公开(公告)号：CN119532362A
公开(公告)日：2025-02-28
申请号：CN202411716891.0
申请日：2024-11-27
Applicant: 燕山大学
Abstract: 本发明涉及工程结构减振技术领域，具体涉及一种耐压和低频减振轻质夹芯圆柱壳体结构，该结构由单胞圆周阵列和线性阵列得到。所述单胞包括内面板、外面板、栅格夹层，所述内外面板及栅格夹芯均采用同种材料。本发明通过在内面板上精确镂刻阿基米德螺旋形共振槽，旨在激发局域共振效应，以实现有效的振动衰减。所述结构具有轻质减振降噪功能一体化、减振频率范围宽、具有良好耐静水压力、易于制造等特性。同时，无需改变结构外部几何特性和增加额外材料，可实现一定的吸声性能。
-
公开(公告)号：CN116942395A
公开(公告)日：2023-10-27
申请号：CN202311131365.3
申请日：2023-09-04
IPC: A61F5/058
Abstract: 本发明提供一种正骨复位踝关节全自由度固定装置，其包括固定组件、球副连接组件、鞋体组件和气囊组件，固定组件通过球副连接组件与鞋体组件连接，气囊组件位于鞋体组件内部，压力传感器设置在鞋体组件与气囊组件之间，本发明通过固定组件使该装置与小腿部位固定，通过球副连接组件实现脚踝相对踝关节旋转全自由度的固定，通过鞋体组件和气囊组件实现对踝关节和脚部的固定，可以代替石膏实现对复位后的脚踝进行固定，改善了石膏固定透气性差、不易拆卸及石膏定型后无法改变形状等缺点，使装置穿戴更方便。
-
公开(公告)号：CN116942392A
公开(公告)日：2023-10-27
申请号：CN202311131357.9
申请日：2023-09-04
IPC: A61F5/01
Abstract: 本发明提供一种适用于踝关节骨折的中医手法正骨机器人，其包括腿部固定组件、翻转正骨组件、辅助正骨组件、牵引组件、计算机和双目视觉相机，翻转正骨组件与辅助正骨组件分别设置在腿部固定组件的两侧，牵引组件位于腿部固定组件的腿部固定处，计算机和双目视觉相机均分别位于腿部固定组件的两侧，本发明设置翻转正骨平台、辅助正骨平台和牵引组件，通过双目视觉相机建立统一坐标系，协同作业实现对脚踝的复位，翻转正骨平台实现对脚踝的翻转，辅助正骨平台实现对脚踝骨折线的支撑及按压，本发明通过计算机分析X光片得到正骨复位路径，通过各个组件相配合模拟中医手法，实现踝关节正骨复位。
-
公开(公告)号：CN115366643A
公开(公告)日：2022-11-22
申请号：CN202210772969.5
申请日：2022-06-30
Applicant: 燕山大学
Abstract: 本发明提供一种基于拉维纳式行星轮系的双电机驱动系统，包括拉维纳式行星轮系、第一电机、第二电机、制动器和动力传动机构；第一电机通过第一输入轴与拉维纳式行星轮系的大太阳轮连接；第二电机通过第二输入轴与拉维纳式行星轮系的行星架连接；动力传动机构与拉维纳式行星轮系的齿圈的旋转中心连接；制动器与拉维纳式行星轮系的小太阳轮的旋转轴连接，用于制动小太阳轮。本发明通过两个电机和制动器的设置，使本驱动系统具有四种驱动模式，为汽车的行驶提供更加宽泛的传动比，同时车辆可以在不同的行驶条件下进行模式切换，选择最合适、效率最高的模式进行驱动，以达到提高传动效率和能源利用率的目的。
-
Patent Agency Ranking
公开(公告)号：CN119088208A
公开(公告)日：2024-12-06
申请号：CN202410974225.0
申请日：2024-07-19
Applicant: 燕山大学
Abstract: 本发明公开了一种压力监测数据采集手套，包括：使用导电纱线进行涂层处理，使纱线在与尼龙线正交时可构成一个摩擦电传感器单元；通过对涂层处理过的导电纱线进行编织，得到若干块导电纱布；将其分别缝制至普通尼龙布块上，将其作为若干个小阵列型传感器，排列于任意手套上得到一个摩擦电阵列传感器，即数据采集手套；本发明能够将摩擦纳米发电机集成在手套中，进行信号采集。
-
公开(公告)号：CN118798643A
公开(公告)日：2024-10-18
申请号：CN202410900700.X
申请日：2024-07-05
Applicant: 燕山大学
IPC: G06Q10/0635 , G06Q10/083 , G06V20/17 , G06T17/00
Abstract: 本发明提供一种风机叶片运输防碰撞预警方法及系统，方法包括以下步骤：S1、对挂车体进行受力分析并得到安全作业范围；S2、在开始运输之前采用无人机对运输环境进行图像采集并获得实时点云数据；S3、构建运输环境的三维场景模型；S4、进行模拟反馈实验得到模拟实验结果；S5、采集法兰盘的实时位姿数据并输出给车载终端；S6、获取叶片预测位姿集合；S7、计算叶片的扫尾区域；S8、求解叶片的行为域S1；S9、利用空间分割算法对叶片的行为域进行分割，并进行碰撞检测；S10、基于碰撞检测结果制定风机叶片运输的下一步规划。实现了运输过程中的碰撞行为的检测和预警，降低了叶片被碰撞和刮擦的风险，大大提高了运输效率和安全性，降低了成本。
-
公开(公告)号：CN118035843A
公开(公告)日：2024-05-14
申请号：CN202410228565.9
申请日：2024-02-29
Applicant: 燕山大学
IPC: G06F18/241 , G06F18/2415 , G06N3/0464 , G06N3/045 , G06F18/15 , G06F18/213 , G06N10/70 , G06N10/40
Abstract: 本发明公开了基于经典量子的混合卷积神经网络的EEG数据分类方法，包括如下步骤：S1、EEG数据预处理：对EEG数据进行滤波处理，并将其进行归一化和标准化处理；S2、经典卷积模块：通过经典卷积模块的卷积层和池化层初步提取EEG数据特征，并对数据进行降维处理得到特征图；S3、将S2中的特征图输入到量子卷积模块中；S4、参数优化，建立损失函数，基于链式求导法则，通过反向传播和梯度下降法最小化损失函数，完成参数的更新。本发明结合量子计算和深度学习的优势，将经典卷积神经网络和量子神经网络相结合，以实现量子计算在EEG数据分类识别领域的应用，并为探索量子计算在该领域的研究提供新的思路。
-
公开(公告)号：CN117576459A
公开(公告)日：2024-02-20
申请号：CN202311538964.7
申请日：2023-11-17
Applicant: 燕山大学
IPC: G06V10/764 , G06V10/762 , G06V10/774 , G06V10/80 , G06V10/82 , G06V10/24 , G06V10/25 , G06N3/045 , G06N3/0464 , G06N3/0495 , G06N3/048 , G06N3/096
Abstract: 本发明涉及一种基于目标检测和残差注意力的踝关节骨折定位分类方法，其包括：S1、获取数据库中的踝关节骨折图片数据，并进行训练、检测和处理；S2、根据残差注意力网络和郎汉氏分型理论模型对骨折类型进行判断并输出；S3、使用混淆矩阵评估分类结果，融合全局平均池化层与全连接层的权重，得到踝关节图片数据的热力图，完成定位分类。本发明通过残差注意力网络和郎汉氏分型理论模型对骨折类型进行准确划分，使用类激活图将提取到的特征在原图上以热力图方式显示出来，并使用各类统计学指标评估模型性能，高效完成对踝关节骨折种类的判断，具有诊断准确率高、速度快等优点，有效解决了传统方法进行主观判断所造成的差异大以及诊断过程复杂的问题。
-
公开(公告)号：CN117184095A
公开(公告)日：2023-12-08
申请号：CN202311359313.1
申请日：2023-10-20
Applicant: 燕山大学
Abstract: 本发明提供一种基于深度强化学习的混合动力电动车系统控制方法，其中包括以下步骤：S1、获取插电式混合动力物流轻卡在历史行驶过程中的多维路况信息；S2、建立整车动力系统模型；S3、对两个电机进行预优化处理，降低优化的维度；S4、进行动态规划计算，生成状态转移数据集；S5、确定强化学习算法需要的状态变量，动作变量以及奖励函数；S6、用步骤S4生成的状态转移数据集，对critic与actor网络进行预训练；S7、搭建环境‑智能体模型，利用深度强化学习算法不断迭代训练能量管理策略。S8、对上述模型进行应用。其利用DDPG算法进行模型训练，获得训练后的深度强化学习智能体，在保证燃油经济性的情况下实现物流轻卡对固定路线下随机工况的自适应能力。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.019 seconds)
