一种声波分层推送、识别的装置及声波管理方法

    公开(公告)号:CN115996242B

    公开(公告)日:2023-08-29

    申请号:CN202310290085.0

    申请日:2023-03-23

    Abstract: 本发明属于电数字数据处理技术领域,提出了一种声波分层推送、识别的装置及声波管理方法。所述装置,包括数据库服务器、信息发送装置和查询装置;所述方法,包括:更新推送信息,编码为信息码,合成得到载有信息码的音频;处理得到音频指纹块,与推送信息一并存储;发送查询请求后,测量得到位置信息,并与识别码处理为超声波信号;进一步合成音频,发送音频;接收音频,解调得到位置信息、识别码和载有信息码的音频;提取音频指纹块进行匹配,若匹配成功则发送推送信息,否则,重新发送查询请求;对服务信息进行排序。所述装置及声波管理方法,解决了人口密集处网络延迟大的问题,服务信息分层推送,用户更快获取所需的信息,并可用于紧急避险。

    一种声波分层推送、识别的装置及声波管理方法

    公开(公告)号:CN115996242A

    公开(公告)日:2023-04-21

    申请号:CN202310290085.0

    申请日:2023-03-23

    Abstract: 本发明属于电数字数据处理技术领域,提出了一种声波分层推送、识别的装置及声波管理方法。所述装置,包括数据库服务器、信息发送装置和查询装置;所述方法,包括:更新推送信息,编码为信息码,合成得到载有信息码的音频;处理得到音频指纹块,与推送信息一并存储;发送查询请求后,测量得到位置信息,并与识别码处理为超声波信号;进一步合成音频,发送音频;接收音频,解调得到位置信息、识别码和载有信息码的音频;提取音频指纹块进行匹配,若匹配成功则发送推送信息,否则,重新发送查询请求;对服务信息进行排序。所述装置及声波管理方法,解决了人口密集处网络延迟大的问题,服务信息分层推送,用户更快获取所需的信息,并可用于紧急避险。

    一种硬质合金/钢多孔补偿网增强钎焊接头及其制备方法

    公开(公告)号:CN113245655A

    公开(公告)日:2021-08-13

    申请号:CN202110717810.9

    申请日:2021-06-28

    Applicant: 东北大学

    Inventor: 刘杨 王磊 宋秀

    Abstract: 本发明属异种材料连接技术领域,具体涉及一种硬质合金/钢多孔补偿网增强钎焊接头及其制备方法。所述钎焊接头的连接层“具有椭球孔的补偿网增强三明治结构”。其制备方法包括如下步骤:1)准备不同厚度比例的硬质合金侧带状固体钎料、金属多孔补偿网和钢侧带状固态钎料;2)将硬质合金、硬质合金侧带状固态钎料、金属多孔补偿网、钢侧带状固态钎料和钢打磨清洗后,按顺序合拢、装夹并预加压力;3)将装夹好的结构放入真空钎焊炉中钎焊。本发明提供的钎焊接头,利用常规商用材料即可制备具有金属多孔补偿网的连接层,限制高温下钎料流失;更重要的是可在补偿网网孔中心形成被钎料包裹的均匀椭球孔,有效缓解钎焊应力,提升接头的连接强度。

    一种基于深度强化学习的移动机器人视觉跟随方法

    公开(公告)号:CN110084307B

    公开(公告)日:2021-06-18

    申请号:CN201910361528.4

    申请日:2019-04-30

    Applicant: 东北大学

    Abstract: 本发明提出了一种基于深度强化学习的移动机器人视觉跟随方法。采用“模拟图像有监督预训练+模型迁移+RL”的架构,首先在真实环境中收集少量的数据,采用计算机程序和图像处理技术对数据集进行自动化扩充,以便在短时间内得到大量可以适应真实场景的模拟数据集,用于对跟随机器人的方向控制模型进行有监督训练;其次,搭建用于机器人方向控制的CNN模型,并用自动化构造的模拟数据集对其进行有监督训练,使其作为预训练模型;接着将预训练模型的知识迁移到基于DRL的控制模型中,令机器人在真实环境中执行跟随任务,结合强化学习机制,使得机器人可以在环境交互的过程中一边跟随,一边对方向控制性能进行提升,不仅鲁棒性高,且大大降低成本。

    基于异构深度网络融合的动态目标抓取姿态快速检测方法

    公开(公告)号:CN111598172A

    公开(公告)日:2020-08-28

    申请号:CN202010420998.6

    申请日:2020-05-18

    Applicant: 东北大学

    Abstract: 本发明属于目标检测与机器人操作领域,公开了基于异构深度网络融合的动态目标抓取姿态快速检测方法。所述方法包括:1.动态目标样本集的制作方法;2.异构深度网络的训练方法;3.异构深度网络的融合机制;4.抓取姿态确定方法。待检测的动态目标物体,通过深度相机获取其RGB图像和深度图,然后将RGB图和深度图进行I型深度网络的目标识别,获取目标的边界框和中心区域的点云信息,然后通过异构融合机制选取合适的点云输入到II型深度网络中进行抓取姿态识别,进而得到最终的抓取姿态检测结果。该方法可以充分发挥不同深度网络的优势,可快速提取动态目标的核心特征,进而实现高效稳定的抓取姿态检测与识别。

    旋转机械的故障分析方法及装置

    公开(公告)号:CN109556895A

    公开(公告)日:2019-04-02

    申请号:CN201811269874.1

    申请日:2018-10-29

    Applicant: 东北大学

    Abstract: 本发明公开了一种旋转机械的故障分析方法及装置,涉及旋转机械技术领域,主要目的是提高判断旋转机械存在故障的准确率,以保证设备的正常安全运行。所述方法包括:在旋转机械稳定运行时,获取所述旋转机械的振动信号;对所述振动信号进行分析,包括时域分析、频域分析和轴心轨迹分析,并获得反应所述旋转机械振动状态的时域特征值、频域特征值和轴芯轨迹;根据所述时域特征值、频域特征值和轴芯轨迹,判断所述旋转机械是否存在故障。

Patent Agency Ranking