-
公开(公告)号：CN117257613A
公开(公告)日：2023-12-22
申请号：CN202311468508.X
申请日：2023-11-07
Applicant: 常州大学
IPC: A61H1/02
Abstract: 本发明涉及一种握把式多功能手腕运动康复机器人，包括手指康复组件、腕部康复组件和机架组件；手指康复组件通过齿轮组实现由一个电机驱动传动轴控制手指进行两种运动模式的康复训练，即单个手指独立背伸/掌屈运动和五指协同背伸/掌屈运动；腕部康复组件通过将水平面上腕部扭转的椭圆形轨迹投影到与水平面呈15°夹角的平面上，使其变成更容易驱动的圆形轨迹，以实现用一个电机驱动腕部进行两个自由度的复合运动，即腕关节的扭转；手部康复和腕部康复结合在一起，可实现三种运动模式的康复训练。本发明通过精巧的结构设计实现了手、腕功能一体化综合康复训练，有利于提高康复训练效果，从而加快患者的康复进程。
-
公开(公告)号：CN113967022B
公开(公告)日：2023-10-31
申请号：CN202111356372.4
申请日：2021-11-16
Applicant: 常州大学
IPC: A61B5/369 , A61B5/00 , G06F18/214 , G06F18/2411
Abstract: 本发明公开了一种基于个体自适应的运动想象脑电特征表征方法，包括：获取受试者多通道运动想象脑电数据，并通过前期预处理、频带及样本划分，将其存储为多频带高维脑电数据样本；基于所得的信号样本，使用基于ReliefF的自适应通道选择方法，完成各频带最优通道集选择；通过使用SBH‑CSP完成各子频带最有效特征提取，并进行各频带特征融合；使用SVM构建训练模型并完成分类识别。本发明通过基于ReliefF的自适应频带通道选择方法，根据不同个体和频带信号的特点有效选择出信息显性通道，避免了全通道信息处理数据量大、噪声多、普适性弱等缺点；通过对各频带优劣性的区分从而获得各子频带CSP最佳特征个数，进而实现运动想象脑电状态最有效的表征。
-
公开(公告)号：CN116712295A
公开(公告)日：2023-09-08
申请号：CN202310943891.3
申请日：2023-07-31
Applicant: 常州大学
IPC: A61H1/02
Abstract: 本发明公开了一种主被动式下肢镜像康复运动训练机器人，属于康复医疗器械领域。机器人主要由底座、基座组合机构、主动运动机构及被动运动机构四部分组成，底座用于固定支撑整个机构；基座组合结构固定安装在底座上，用于安装被动运动机构和主动运动机构；被动运动机构通过电机驱动被动转筒带动主动运动机构在竖直面内作圆周轨迹运动，实现患者的髋膝踝在竖直面内的被动式镜像康复训练；主动运动机构通过健肢主动运动带动患肢被动镜像运动，实现患者的髋膝踝在竖直面内及水平面内的主动式镜像康复训练及脚踝的跖屈/背屈的主动式镜像康复训练。本发明可以实现主被动多种训练模式，且结构轻便，运动灵活，安全稳定，实用性强。
-
公开(公告)号：CN116539303A
公开(公告)日：2023-08-04
申请号：CN202310535547.0
申请日：2023-05-12
Applicant: 常州大学
IPC: G01M13/021 , G01M13/02
Abstract: 本发明公开了一种基于自适应极限学习机的齿轮故障诊断方法，包括步骤：获取齿轮在故障类型状态时的振动信号，基于振动信号辨识齿轮故障状态；提取振动信号的故障特征形成特征样本，将特征样本划分为训练集和测试集；将提取的特征样本的训练集训练自适应极限学习机网络，先采用分割隐含层节点数区间进行搜索的方式获得最优节点数搜索区域，再对得到的最优节点数搜索区域使用模拟退火算法快速迭代得到最终的自适应隐含层最佳节点数；以测试集为输入，利用所得的自适应隐含层最佳节点数构建极限学习机网络并进行齿轮故障诊断。本发明提升了齿轮故障诊断时极限学习机隐含层节点数确定的效率，增加了齿轮故障诊断的准确性和稳定性。
-
公开(公告)号：CN115670482A
公开(公告)日：2023-02-03
申请号：CN202211280109.6
申请日：2022-10-19
Applicant: 常州大学
IPC: A61B5/372 , G06F18/2431 , G06F18/2411 , G06F18/2413 , G06F18/2451
Abstract: 本发明公开了一种基于分层分类及纠错机制的脑电信号分类方法，包括如下步骤：获取受试者多通道运动想象脑电数据，并进行前期预处理；利用RBF神经网络与DEMATEL求解脑电通道特征表征度，依据各通道表征度确定各通道权重；计算各通道排序熵并利用离散Fréchet曲线相似性判断将脑电信号预分为两大类(左、右手和双拳、脚)；利用RCSP提取各大类样本的空域特征，并用SVM进行细分类，根据纠错机制对易错样本进行判别和纠错，最后确定各样本最终分类类别。本发明通过分层分类方法的设计及不同分类方法的使用，避免多任务分类问题转化为多个二分类分类问题时模型结构单一，优化了多任务分类模型结构。
-
Patent Agency Ranking
公开(公告)号：CN112945552A
公开(公告)日：2021-06-11
申请号：CN202110155262.5
申请日：2021-02-04
Applicant: 常州大学
IPC: G01M13/021 , G01M13/028 , G06K9/00 , G06N3/08
Abstract: 本发明公开了一种基于变节点双隐层极限学习机的齿轮故障诊断方法，包括步骤：获取齿轮在不同的故障类型状态时振动信号，基于振动信号辨识齿轮故障状态；对振动信号降噪预处理,去除振动信号中的噪声，并提取降噪后振动信号的相关特征，通过相关特征对不同齿轮故障状态进行表征；利用经验公式和模糊推理分别确定第一隐含层的最优节点数量和第二隐含层的最优节点数量；将提取的相关特征样本分为训练集和测试集，训练集用于训练变节点双隐层极限学习机网络，从而获得变节点双隐层极限学习机网络的相关参数；测试变节点双隐层极限学习机网络：将测试集输入到训练好的变节点双隐层极限学习机网络进行测试，输出齿轮的故障类型状态。
-
公开(公告)号：CN108994404A
公开(公告)日：2018-12-14
申请号：CN201811063206.3
申请日：2018-09-12
Applicant: 常州大学
IPC: B23H3/04
Abstract: 本发明提出了一种旋转电解加工开槽用阴极工具。其特征在于，包括阴极工具电极、螺栓、导线、碳刷、换向器以及主轴。所述的主轴含有1个工具电极，工具电极由4个彼此绝缘的小电极构成，4个小电极均匀分布并安装在绝缘盘上，以保证4个小电极之间彼此绝缘。所述的换向器，是在绝缘换向盘上均匀镶嵌着4个彼此绝缘的铜片，每1个铜片仅与1个小电极相连而与其余的3个小电极不相连。彼此绝缘的4个小电极通过导线和换向器上的4个铜片相连。在电解加工中，4个小电极与直流电源负极相连，待加工工件与直流电源正极连接。本发明开槽用阴极工具，克服了工具电极制作困难、电解产物难以排除等困难，适用于电解开槽加工。
-
公开(公告)号：CN104834287A
公开(公告)日：2015-08-12
申请号：CN201510151414.9
申请日：2015-04-01
Applicant: 常州大学
IPC: G05B19/418 , G06Q10/06 , G06Q50/20 , G06F17/30
CPC classification number: Y02P90/02 , G05B19/4185 , G06F17/30392 , G06Q10/06315 , G06Q50/205
Abstract: 本发明公开了一种教室教学管控系统，包括上位机系统、通讯模块、下位机控制系统。上位机系统由短信收发模块、人机界面和数据库组成，人机界面包括教室资源控制模块和教管信息查询模块。下位机系统包括微控单元、检测模块、语音模块、驱动执行模块、按键。通过检测装置检测人员进入教室行为，通讯模块将信息发给上位机，进而统计教学环节中上课迟到及中途出逃人数并存入数据库。上位机教室资源控制模块将控制命令通过通讯模块发送给下位机微控单元(或通过按键发送控制命令)，驱动执行模块实现对教室资源集中控制；教管信息查询模块实现便捷的信息查询，同时可通过短信收发模块接收管理人员的查询短信并将查询结果通过短信发送给查询者。
-
公开(公告)号：CN117454134A
公开(公告)日：2024-01-26
申请号：CN202311383171.2
申请日：2023-10-24
Applicant: 常州大学
IPC: G06F18/211 , G01M13/021 , G01M13/028 , G06F18/243 , G06N5/01
Abstract: 本发明公开了一种基于自适应小波包分解的齿轮故障诊断方法，包括步骤：获取齿轮在故障类型状态时的振动信号；对振动信号降噪预处理，去除振动信号中的噪声，滑窗将振动信号划分为故障样本；用小波包对信号样本进行自上而下的逐级分解，利用相对熵和互信息构建特征评价指标，对于每个小波包树节点，借助特征评价指标判断该小波包树节点是否需进行下一层级分解，并判断该节点对应的特征是否选为样本表征特征，最终得到齿轮状态样本的表征特征向量；将所得特征样本输入到分类器中进行分类模型训练并实现齿轮故障诊断。本发明提升了齿轮故障诊断中的齿轮状态表征效果，增加了齿轮故障诊断的准确性和稳定性。
-
公开(公告)号：CN117281538A
公开(公告)日：2023-12-26
申请号：CN202311500437.7
申请日：2023-11-08
Applicant: 常州大学
Abstract: 本发明涉及动作识别技术领域，尤其涉及一种多维度特征下的表面肌电信号动作辨别方法，包括以下步骤：表面肌电信号采集及预处理，将采集到的信号划分为训练集和测试集；对训练集样本提取合适的空域、时域、频域特征，并将时域特征与空域、频域特征融合。本申请通过训练集特征训练辨识模型并将测试集特征输入辨识模型输出分类结果。使用空域特征作为基础特征，通道排序后对排名靠前的通道提取时域频域特征，将其作为辅助特征与基础空域特征融合，多维度表征信号特征情况完成模式分类，提高了运算速度、准确率与稳定性。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.021 seconds)
