-
Patent Agency Ranking
公开(公告)号：CN116052278A
公开(公告)日：2023-05-02
申请号：CN202310055681.0
申请日：2023-01-18
Applicant: 同济大学
Abstract: 本发明涉及一种基于人体骨骼三维数据的动作识别方法、设备、介质，所述方法包括如下步骤：获取实时人体骨骼三维姿态数据，转换为预设格式后输入预训练好的动作识别模型中，获取人体动作识别结果，其中，所述的动作识别模型包括：多特征输入模块，用于基于转换为预设格式后的人体骨骼三维姿态数据，获取包括笛卡尔运动信息、全局联合尺寸信息以及全局联合角度信息的综合特征；特征融合及输出模块，用于基于所述综合特征获取所述人体动作识别结果。与现有技术相比，本发明具有更轻量化的网络结构、运算速度快、识别准确率高等优点。
-
公开(公告)号：CN113325697B
公开(公告)日：2022-10-14
申请号：CN202110656812.1
申请日：2021-06-11
Applicant: 同济大学
IPC: G05B11/42
Abstract: 本发明提供了一种自动控制系统，所述系统包括接收模块、处理模块、输出模块及存储模块；其中，所述存储模块，用于存储被控对象模型及自动控制模型；所述接收模块，用于接收被控对象的实时数据，并将所述实时数据传输给所述处理模块；所述处理模块，用于接收所述实时数据，调用所述被控对象模型、所述自动控制模型，基于所述实时数据所述被控对象模型、所述自动控制模型输出目标控制信号；所述输出模块，用于将所述目标控制信号输出至被控对象。本发明所提出的自动控制系统利用了分数阶自耦PIλDμ控制器来输出更加优良的控制信号，能够显著提高使被控对象达到更为满意的控制效果。
-
公开(公告)号：CN113325697A
公开(公告)日：2021-08-31
申请号：CN202110656812.1
申请日：2021-06-11
Applicant: 同济大学
IPC: G05B11/42
Abstract: 本发明提供了一种自动控制系统，所述系统包括接收模块、处理模块、输出模块及存储模块；其中，所述存储模块，用于存储被控对象模型及自动控制模型；所述接收模块，用于接收被控对象的实时数据，并将所述实时数据传输给所述处理模块；所述处理模块，用于接收所述实时数据，调用所述被控对象模型、所述自动控制模型，基于所述实时数据所述被控对象模型、所述自动控制模型输出目标控制信号；所述输出模块，用于将所述目标控制信号输出至被控对象。本发明所提出的自动控制系统利用了分数阶自耦PIλDμ控制器来输出更加优良的控制信号，能够显著提高使被控对象达到更为满意的控制效果。
-
公开(公告)号：CN114767133B
公开(公告)日：2024-09-20
申请号：CN202210346472.7
申请日：2022-03-31
Applicant: 同济大学
Abstract: 本发明涉及一种基于多信息融合的疲劳检测方法，包括以下步骤：1)采集待检测用户的手臂肱二头肌的肌电信号EMG_RAW1和肱桡肌处的肌电信号EMG_RAW2并进行滤波处理得到滤波处理后的信号EMG_F1和EMG_F2；2)分别计算第一肌电疲劳指数FIEMG和第二肌电疲劳指数FMPF；3)采集待检测用户的脑电信号并进行预处理；4)分别计算第一脑电疲劳指数F(δ+Θ)/β和第二脑电疲劳指数FPSI；5)对肌电信号和脑电信号进行特征融合，计算人体疲劳指数F，并以此判断待检测用户的疲劳状态。与现有技术相比，本发明具有多环境状态的疲劳检测、更加全面、考虑个体差异性、支持个性化设置等优点。
-
公开(公告)号：CN114767133A
公开(公告)日：2022-07-22
申请号：CN202210346472.7
申请日：2022-03-31
Applicant: 同济大学
Abstract: 本发明涉及一种基于多信息融合的疲劳检测方法，包括以下步骤：1)采集待检测用户的手臂肱二头肌的肌电信号EMG_RAW1和肱桡肌处的肌电信号EMG_RAW2并进行滤波处理得到滤波处理后的信号EMG_F1和EMG_F2；2)分别计算第一肌电疲劳指数FIEMG和第二肌电疲劳指数FMPF；3)采集待检测用户的脑电信号并进行预处理；4)分别计算第一脑电疲劳指数F(δ+Θ)/β和第二脑电疲劳指数FPSI；5)对肌电信号和脑电信号进行特征融合，计算人体疲劳指数F，并以此判断待检测用户的疲劳状态。与现有技术相比，本发明具有多环境状态的疲劳检测、更加全面、考虑个体差异性、支持个性化设置等优点。
-
-
-
-
Search Results
5
records
(took 0.012 seconds)
