-
公开(公告)号：CN116749925A
公开(公告)日：2023-09-15
申请号：CN202310731925.2
申请日：2023-06-20
Abstract: 本发明提供一种面向人机混驾的仿人工驾驶证据动态累积制动方法及系统，属于智能驾驶技术领域，分析识别出行车驾驶条件及混行交通场景特征影响因子，结合指数函数回归模型的参数拟合生成证据函数，再结合证据的权重以及所有间接制动证据的总和，进行控制幅度调节，基于先前制动调整的视觉逼近和基于驾驶经验的视觉逼近预测，结合高斯零均值白噪声和初始视觉逼近信号，得到总累积预测偏差，结合视线偏离扫视和车头时距，得到制动器连续调整后的制动信号。本发明考虑了制动需求证据的动态累积过程以及高级视觉感知预测的反馈作用，将人工驾驶固有特征作为约束条件，在具备优良预测能力的基础上模拟人类制动控制，实现了准确及时的完整动态制动控制。
-
公开(公告)号：CN116749925B
公开(公告)日：2024-05-07
申请号：CN202310731925.2
申请日：2023-06-20
Abstract: 本发明提供一种面向人机混驾的仿人工驾驶证据动态累积制动方法及系统，属于智能驾驶技术领域，分析识别出行车驾驶条件及混行交通场景特征影响因子，结合指数函数回归模型的参数拟合生成证据函数，再结合证据的权重以及所有间接制动证据的总和，进行控制幅度调节，基于先前制动调整的视觉逼近和基于驾驶经验的视觉逼近预测，结合高斯零均值白噪声和初始视觉逼近信号，得到总累积预测偏差，结合视线偏离扫视和车头时距，得到制动器连续调整后的制动信号。本发明考虑了制动需求证据的动态累积过程以及高级视觉感知预测的反馈作用，将人工驾驶固有特征作为约束条件，在具备优良预测能力的基础上模拟人类制动控制，实现了准确及时的完整动态制动控制。
-
公开(公告)号：CN116822222A
公开(公告)日：2023-09-29
申请号：CN202310800167.5
申请日：2023-06-30
Abstract: 本发明提供了一种功能状态与用户行为动态同步联动全局闭环功能自动验证方法。该方法包括：基于用户需求和产品功能生成功能能力FC，根据生成的FC定义功能状态模型FSM的元素，确定FSM的元素之间的关系，生成FSM；基于FSM和仿真平台之间的动态同步互连来模拟用户与系统之间的交互行为。本发明提供了一个融合专家经验知识、动态同步验证和反向优化设计的集成框架，为后续系统和组件层级的设计奠定基础，并可扩展到系统和组件层级的功能安全验证，以实现整个产品生命周期的安全保障。
-
公开(公告)号：CN116777062A
公开(公告)日：2023-09-19
申请号：CN202310738374.2
申请日：2023-06-20
IPC: G06Q10/04 , B60W60/00 , G06Q10/0635 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种面向极端难例的自适应融合学习自动驾驶安全决策方法。该方法包括：通过传感器采集极端难例的场景数据，对极端难例的场景数据进行预处理，对预处理后的场景数据进行特征提取和选择：基于深度自编码卷积神经网络构建极端难例场景模型，利用分类标注的极端难例特征数据对极端难例场景模型进行训练和优化，得到训练好的极端难例场景模型；利用训练好的极端难例场景模型进行极端难例危险场景的安全决策。本发明方法通过实时感知和极端难例场景数据收集、数据预处理和特征分类提取、模型训练和优化、决策生成和实时监控与反馈等步骤，实现了对极端难例的安全智能响应。能够分析和预测各种极端难例的可能性和风险，生成并优化安全决策。
-
公开(公告)号：CN119454002A
公开(公告)日：2025-02-18
申请号：CN202411371193.1
申请日：2024-09-29
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供一种基于时序特征曲线的帕金森病步态对比分析方法，该方法包括获取包含步态信息的视频数据，该步态信息包括用户使用药物前后的步态信息；对视频数据中的人体进行姿态识别，提取出关键的身体部位的位置信息；根据提取的关键点信息，计算步态特征，并将这些特征随时间的变化构建成时序曲线；利用数字滤波器对提取到的步态特征进行数据处理；利用频幅振幅增强的动态时间规整方法将局部频率和振幅整合到距离度量中，来量化步态运动的差异；获得曲线差异距离；基于最优规整路径中的累积频率差异和振幅差异来计算度量指标。本发明在精确度、时间敏感性、鲁棒性、适应性、综合评估能力、量化分析以及临床应用潜力等方面均表现出显著优势。
-
Patent Agency Ranking
公开(公告)号：CN117893481B
公开(公告)日：2024-10-11
申请号：CN202311782021.9
申请日：2023-12-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T7/00 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/762 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于自监督对比学习的混合型晶圆缺陷识别分割方法，包括以下步骤：收集大量无标签混合型晶圆数据，生成少量有像素级别标签的混合型晶圆数据；将有像素级别标签的混合型晶圆数据集划分为训练集和测试集；构建深度学习图像识别分割网络，将整个网络划分为编码器和解码器；网络预训练阶段，基于无标签数据集构建自监督任务；网络微调阶段，使用有标签数据的训练集重新训练图像分割网络，并在测试集上进行准确率验证；输出重新训练完成的图像识别分割网络，并进行混合型晶圆图像的识别与分割。本发明能够同时对缺陷模式进行识别和分割，解决了当前人工标注数据不足的问题，在实际工业生产中具有很好的应用前景。
-
公开(公告)号：CN118348506A
公开(公告)日：2024-07-16
申请号：CN202410297373.3
申请日：2024-03-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明涉及基于平面地图的激光SLAM定位方法及系统，其中方法包括：获取三维激光雷达采集周围环境的点云数据，去除点云中的运动畸变，得到去畸变后的激光雷达点云，计算当前帧位姿的初始估计；基于体素化的方式，由粗到精分割去畸变后的输入点云，提取输入平面，并通过区域增长的方式得到输入平面集合，所述输入平面包括平面特征体素和非平面特征体素；在平面地图中进行输入平面的特征匹配，通过迭代计算当前帧输入平面集合与平面地图之间的变换关系实现最优位姿估计；利用当前帧最优位姿估计以及输入平面，对平面地图进行更新。本发明只需利用几百个输入平面利用角度和距离进行特征匹配，高效实现位姿估计，大大提高激光SLAM方法的实时性。
-
公开(公告)号：CN117893481A
公开(公告)日：2024-04-16
申请号：CN202311782021.9
申请日：2023-12-22
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06T7/00 , G06V10/26 , G06V10/42 , G06V10/44 , G06V10/762 , G06V10/77 , G06V10/774 , G06V10/82
Abstract: 本发明提供一种基于自监督对比学习的混合型晶圆缺陷识别分割方法，包括以下步骤：收集大量无标签混合型晶圆数据，生成少量有像素级别标签的混合型晶圆数据；将有像素级别标签的混合型晶圆数据集划分为训练集和测试集；构建深度学习图像识别分割网络，将整个网络划分为编码器和解码器；网络预训练阶段，基于无标签数据集构建自监督任务；网络微调阶段，使用有标签数据的训练集重新训练图像分割网络，并在测试集上进行准确率验证；输出重新训练完成的图像识别分割网络，并进行混合型晶圆图像的识别与分割。本发明能够同时对缺陷模式进行识别和分割，解决了当前人工标注数据不足的问题，在实际工业生产中具有很好的应用前景。
-
公开(公告)号：CN119359156B
公开(公告)日：2025-04-18
申请号：CN202411897737.8
申请日：2024-12-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06Q10/0639 , G06Q50/04 , G06F18/213 , G06F18/10 , G06F18/214 , G06N3/0455 , G06N3/042 , G06N3/0499 , G06N3/08
Abstract: 本发明涉及基于自编码器和图注意力网络的多工序制造质量预测方法。其中的方法包括：获取生产线上各工序的流程工艺传感器检测获得的时序特征数据，构建总流程工艺数据集，输入到半导体多工序质量预测模型中，对数据集进行预处理，按照阶段数量对特征进行分组后，将每个阶段内的特征输入到多层堆叠自编码器中，以特征降维到同一维度得到最后的中间特征，将获得中间特征作为图注意力网络的节点输入，迭代更新得到最终的节点输出，其中，图注意力网络采用残差机制，将最终的节点输出作为最后的前馈神经网络的输入，获得质量特征回归预测。本发明通过自编码器特征降维技术和图神经网络数据挖掘技术结合，实现多维度多阶段建模。
-
公开(公告)号：CN119758928A
公开(公告)日：2025-04-04
申请号：CN202411948930.X
申请日：2024-12-27
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G05B19/418
Abstract: 本发明涉及一种多工序制造过程质量监控方法、装置及存储介质，所述的方法包括基于智能传感器和数据收集技术，从多工序制造过程中获取多模态数据和质量数据；预处理多模态数据；确定对最终产品质量影响最大的制造工序，在关键工序建立质量检查点；建立和训练人工神经网络自编码器模型，对多模态数据进行融合和特征提取；分别建立单工序、跨工序和多工序的在线监控体系；对监控中发现的异常问题进行诊断和根因分析，并按需更新检测策略和模型。本发明针对多工序制造过程的特点，建立全面在线监控体系，实时在线指导生产工序的质量过程管控，对异常情况做出诊断，提升问题处理和决策的能力。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.084 seconds)
