-
公开(公告)号：CN117556825A
公开(公告)日：2024-02-13
申请号：CN202311515665.1
申请日：2023-11-15
申请人： 中国计量大学
摘要： 本发明公开了一种改善家庭成员沟通效果的设施及方法。该设施包括信号检测模块、情绪反应预测模块和施加措施模块。信号检测模块包括语音识别软硬件、图像采集及处理软硬件和脑电波信号采集软硬件。在家庭成员交流沟通时，情绪反应预测模块，实时预测交流者的愤怒程度，结合检测到的谈话议题，由主控计算机运行施加措施模块。在愤怒程度高于正常值但低于警戒值时，主控计算机主动运行施加措施模块，启动声音柔化单元，调出适当的电子壁画，调整室内光线并调用适当背景音乐，来主动降低交流者愤怒程度。在愤怒程度高于警戒值时，主控计算机主动发出警示信息，并通知其他家庭成员介入，以避免发生冲突，维护家庭良好氛围，促进社会和谐稳定。
-
公开(公告)号：CN113190801B
公开(公告)日：2023-11-17
申请号：CN202110596574.X
申请日：2021-05-31
申请人： 中国计量大学
摘要： 本发明创新性地提出一种基于焦虑度‑拍卖算法的多无人机协同污染源定位方法。传统拍卖算法主要用于多无人机动态任务分配和协同中最佳无人机选择的决策问题，很少有文献对参与拍卖的时机是否恰当这一问题进行讨论，导致在多无人机协作过程中无益的拍卖行为增多，从而导致搜索效率降低。而该方法将心理学中焦虑度的概念引入传统拍卖算法中，使无人机能根据自身的情绪量合理的选择拍卖时机，避免资源的浪费，提高了溯源效率。并通过在Matlab和Fluent软件中搭建的稳态环境和紊流环境污染物浓度场下分别进行传统拍卖算法与焦虑度‑拍卖算法的仿真试验，实验结果表明焦虑度‑拍卖算法具有收敛速度快、不易陷入局部最优等优点。
-
公开(公告)号：CN113607490B
公开(公告)日：2023-09-15
申请号：CN202111047238.6
申请日：2021-09-07
申请人： 中国计量大学
IPC分类号： G01N1/10 , B64U10/16 , B64D47/00 , B64U101/00
摘要： 本发明提供一种基于双无人机的水体易挥发性物质采样装置，涉及无人机与环境监测交叉领域。所述一种基于双无人机的水体易挥发性物质采样装置包括两架多旋翼无人机、水质采样装置、连接板、地面控制站。其特征在于：所述水质采样装置，利用直流减速电机带动绕线滚筒控制采样桶的下放和回收，采集水样。使用双无人机中间用连接板连接，连接板中间设置水质采样装置，可以消除无人机在水面悬停时，旋翼对水面产生下洗力加速易挥发性物质挥发的影响，从而有效的采集到待测指标为易挥发性物质的水样。本装置结构简单，操作方便，为采集待测指标为易挥发性物质的水样的工作提供了便利。
-
公开(公告)号：CN115372565A
公开(公告)日：2022-11-22
申请号：CN202211072713.X
申请日：2022-09-02
申请人： 中国计量大学
摘要： 本发明创造性地将多无人机群体分配与改进海鸥算法相结合，公开了一种基于群体分配的多未知目标定位方法。相对于传统的依赖固定传感器网络或地面移动机器人的溯源方法，本发明以无人机集群作为气体泄漏的溯源平台，具有成本低、搜索范围广、灵活性强和溯源效率高等优点。基于群体分配的多未知目标定位方法，相比于改进海鸥算法，具有如下创新性：组形成根据距离和适应度来评估无人机加入哪个组，有助于无人机有选择的加入组；限制组大小提高了无人机分配效率；组合并操作可以提升系统性能和避免局部冗余覆盖。本方法在多气体污染源浓度场仿真实验中，高效地实现了多气体污染源的定位。
-
公开(公告)号：CN115079716A
公开(公告)日：2022-09-20
申请号：CN202210472512.2
申请日：2022-04-29
申请人： 中国计量大学
IPC分类号： G05D1/10
摘要： 本发明公开了一种航线任务和虚拟控制相结合的涌潮传播速度观测方法。本发明针对涌潮传播速度计算对于相关水文数据的依赖以及强涌潮动力环境下数据难以直接获取的现实局限性，结合无人机的机动性和手机端应用程序的开发，提出了一种航线任务和虚拟控制相结合的涌潮传播速度观测方法，通过无人机在规定的航线前进的同时对涌潮潮头的追踪，记录当前无人机的前进速度即为涌潮潮头向前推进的速度并保存于数据库中，该方法不仅能够直观得得到涌潮的传播速度，还能够更加方便地得到更大范围和更多点位的涌潮传播速度的数据，为涌潮的研究提供更加全面的数据支持。
-
公开(公告)号：CN114996524A
公开(公告)日：2022-09-02
申请号：CN202210628737.2
申请日：2022-06-06
申请人： 中国计量大学
IPC分类号： G06F16/901 , G06F17/16
摘要： 本发明提供一种基于八叉树原理的气体排放源搜索方法，用于实现在空域情况复杂、障碍物较多、无法人工规划航线、地面处理器算力较低、须在短时间内追踪多个排放源的情况下快速进行气体排放源搜索。目前已有的气体排放源搜索算法分为两类，遍历类算法可追踪多个排放源，但需要进行复杂的空域勘探和航线规划，无人机需要进行长时间飞行才能够得出结果；贪心类算法只能追踪单一最大排放源，飞行时间相对较短，但飞行轨迹由算法决定，飞行时需要专人值守，追踪有害气体排放源时有较大可能危害值守人员生命健康或造成次生灾害。所述气体排放源搜索方法基于八叉树原理，对处理器算力要求较低，不需要无人机进行长时间、长距离搜索飞行或复杂航线规划，只需要部分浓度场分布数据，通过对浓度场空间不断进行八叉均分，逐渐逼近排放源，并生成一个按浓度梯度分级的子空间序列。通过此序列，计算机可以对浓度场分布进行可视化处理，同时追踪多个排放源，对排放源进行排放量计算，或指导抢险人员进行故障修复。
-
公开(公告)号：CN114005496A
公开(公告)日：2022-02-01
申请号：CN202111306087.1
申请日：2021-11-05
申请人： 中国计量大学
摘要： 本发明公开了一种研究多孔炭对抗生素类吸附行为的动力学模拟方法，涉及抗生素污染处理以及分子模拟领域。该方法采用GROMACS软件包，在软件中提供抗生素在多孔炭内吸附的模拟和分析，根据模拟中需要的各化学物质进行建模，选取适当的力场，设定合理的模拟参数和方法步骤，对模拟结果进行统计分析，主要包括吸附量、吸附作用能、多孔炭孔内抗生素的密度分布和扩散速率等，从而更好地分析水环境下抗生素在多孔炭内的扩散和吸附特性。本发明实现了对不同孔径的多孔炭吸附抗生素的性能的预测，可以很好的解释抗生素的扩散特性在吸附过程中的贡献，并进一步加深我们对抗生素在多孔炭内扩散和吸附的机理的理解和认识。同时，本发明方法便于实现多种抗生素和具有不同孔几何结构的多孔炭材料的模拟，应用灵活，适用范围广。此外，本发明所提出的利用分子动力学模拟预测多孔炭吸附性能的方法可以快速、大致判断出吸附剂的吸附效果，缩短了实验研发周期，大大降低了实验成本，也为多孔炭材料的设计研发和结构优化提供了理论参考。
-
公开(公告)号：CN113722923A
公开(公告)日：2021-11-30
申请号：CN202111036179.2
申请日：2021-09-06
申请人： 中国计量大学
IPC分类号： G06F30/20 , G06F119/02
摘要： 本发明公开了一种基于改进RRT的多无人机气体泄漏源定位方法，涉及气体泄漏源定位方法和计算机领域。本发明提出将RRT算法用于气体泄漏源定位，将监测的浓度作为RRT父节点选取的依据，利用RRT原有的建模时间短和参数少等优点，灵活快速地寻找到气体泄漏源。改进的RRT算法加入变步长公式，既减小陷入局部最优的可能性，又改进RRT算法原本搜索效率受步长初始值限制的缺点。通过计算机仿真验证了本算法具有取点随机灵活、陷入局部最优可能性小、搜索效率高、多无人机收敛快速的优点。
-
公开(公告)号：CN113640470A
公开(公告)日：2021-11-12
申请号：CN202110958125.5
申请日：2021-08-20
申请人： 中国计量大学
摘要： 本发明公开了一种基于改进教与学算法的多无人机大气污染源定位方法，创新性的将多无人机群与改进教与学算法相结合，提出了一种个体能力值模型，采用了无人机电量、无人机飞行高度的稳定性、无人机搜索的污染源气体浓度值三个指标，用个体能力值替代了标准教与学算法中的随机学习步长，既增加了无人机个体的差异性，也巧妙的结合了教与学优化算法，使随机步长的选择更有依据性。并且在教与学算法的“学”阶段采用学员分班学习规则，使得在算法后期，学员能够迅速向强化班集体靠近，进行更加细致的搜索。提高了算法的搜索效率，实现了对大气污染源高效的定位。
-
公开(公告)号：CN113049662A
公开(公告)日：2021-06-29
申请号：CN202110358642.9
申请日：2021-04-02
申请人： 中国计量大学
摘要： 本发明公开了一种基于无人机的室内外甲醛检测系统，涉及气体检测技术领域。所述检测系统包括甲醛气体传感器(7)、机载检测模块(8)、便携式地面站和无人机(9)，可以实现对室内外甲醛浓度多位置的同步检测和对比分析，甲醛气体传感器(7)用于对气体中甲醛含量的快速检测，并得到模拟信号传输给机载检测模块(8)；机载检测模块(8)将得到的信号进行处理分析，再通过LoRa无线节点主从模块与便携式地面站进行数据通讯；便携式地面站用于多无人机航线规划，接受检测数据并存储分析。本发明检测快速，实用价值高，数据准确，性能可靠，适用范围广。
-
-
-
-
-
-
-
-
-
搜索结果
107 条记录 (耗时 0.036 秒)
