-
公开(公告)号：CN114047753B
公开(公告)日：2023-02-03
申请号：CN202111291019.2
申请日：2021-11-03
Applicant: 哈尔滨鹏路智能科技有限公司 , 哈尔滨理工大学
IPC: G05D1/02
Abstract: 本发明提供了一种基于深度视觉的扫地机器人障碍物识别和避障方法，用于使扫地机器人提前感知前方工作区域内的障碍物，并根据障碍物类型采取对应的避障方式。一种基于深度视觉的扫地机器人障碍物识别和避障方法主要包括六个步骤：首先利用深度相机对扫地机器人前方区域进行信息采集；然后提取深度图像中各像素点的空间位置信息，标记出地面区域；再在深度图像中标记出路径空间区域，并分割出障碍物的图像；根据障碍物图像利用x轴和y轴像素分布直方图和深度直方图区分出障碍物类别；根据障碍物类别，选择绕行避障方式或折返避障方式，并执行避障操作；最后扫地机器人向前行驶，进行正常清扫工作，并循环执行前五个步骤。
-
公开(公告)号：CN106644481B
公开(公告)日：2018-10-30
申请号：CN201611230706.2
申请日：2016-12-27
Applicant: 哈尔滨理工大学
IPC: G01M13/04
Abstract: 基于数学形态学和IFOA‑SVR的滚动轴承可靠度预测方法，涉及滚动轴承可靠度预测技术领域。为保证预测精度同时增加预测步长而提出的预测方法。该方法首先提取振动信号的包络信号，计算该包络信号的数学形态学分形维数，将其作为滚动轴承性能退化状态特征；其次，利用IFOA对SVR中的参数C，g以及ε同时进行寻优，建立预测模型。同时，利用极大似然估计结合IFOA建立威布尔比例故障率模型，进而得到可靠度模型；最后，将退化状态特征作为IFOA‑SVR预测模型的输入，采用长期迭代预测法获取特征预测结果，并将该结果嵌入到可靠度模型中，从而预测出轴承运行状态的可靠度。实验表明，利用所提方法在保证预测精度的前提下增加预测步长。
-
公开(公告)号：CN105528504A
公开(公告)日：2016-04-27
申请号：CN201610115922.6
申请日：2016-03-01
Applicant: 哈尔滨理工大学
IPC: G06F17/50
CPC classification number: G06F17/5009 , G06F2217/76
Abstract: 基于CFOA-MKHSVM的滚动轴承健康状态评估方法，属于轴承故障评估技术领域。本发明是为了更有效评估滚动轴承性能退化程度。本发明方法先提取轴承振动信号的时域、频域统计特征及基于小波包的时频特征。针对滚动轴承各状态数据分布不均匀、数据异构的问题，采用超球体支持向量机识别并进行多核凸组合优化。为消除人为选择分类器多参数的盲目性，以及容易选入局部最优问题，将果蝇算法与混沌理论相结合，对多参数进行寻优。同时构建混沌优化果蝇算法——多核超球体支持向量机CFOA-MKHSVM模型，并提出归一化差别系数评估指标。经实验，与SVDD算法评估指标进行对比，验证了所提指标的有效性，实现了滚动轴承健康状态的定量评估。
-
公开(公告)号：CN105448110A
公开(公告)日：2016-03-30
申请号：CN201510869071.X
申请日：2015-12-01
Applicant: 哈尔滨理工大学
IPC: G08G1/07
Abstract: 本发明公开了一种智能遥控交通灯系统，包括发射系统和接收控制系统，发射系统包括第一单片机，第一单片机分别连接按键模块、无线发送模块、第一GPS模块和SD卡存储模块，接收控制系统包括第二单片机，第二单片机连接无线接收模块、第二GPS模块和数据存储模块，第二单片机通过第一驱动电路模块连接LED三色灯控制模块，LED三色灯控制模块连接交通灯，第二单片机通过第二驱动电路模块连接数码管模块，无线发送模块通过无线方式连接无线接收模块。本发明的有益效果是该系统能够灵活控制各个方向交通灯的点亮时间，有效提高城市交通道路的利用率。
-
公开(公告)号：CN114067206A
公开(公告)日：2022-02-18
申请号：CN202111351580.5
申请日：2021-11-16
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种基于深度图像的球形果实识别定位方法，用于解决弱光环境及近色背景果实识别困难的问题，属于图像处理技术领域。一种基于深度图像的球形果实识别定位方法主要包括六个步骤：首先对果树进行深度图像信息采集；利用深度图像计算各个像素点的梯度求出梯度向量场；计算梯度向量场的散度并根据散度最大原则，搜索出辐散中心点；利用等深图像从辐散中心点中筛选出果实中心点；以果实中心点为原点搜索果实边界点得到果实图像区域；最后将果实图像区域内的像素点导入到三维点云中利用RANSAC算法求出果实的拟合球形，得到果实的空间坐标及半径大小。本发明从三维形态角度进行果实识别定位，可以不受果实颜色以及光照等自然环境的影响。
-
Patent Agency Ranking
公开(公告)号：CN109284812B
公开(公告)日：2021-11-30
申请号：CN201811098851.9
申请日：2018-09-19
Applicant: 哈尔滨理工大学
Abstract: 一种基于改进DQN的视频游戏模拟方法，为了解决DQN算法在视频游戏模拟中游戏得分低、学习策略速度慢的问题。该算法首先对激活函数进行了改进，结合ReLu和Softplus两种激活函数的优点，设计并构造一种分段激活函数。其次设计改进的Gabor滤波器，用其代替卷积神经网络中原有的可训练的滤波器。算法中将视频游戏的一帧帧图像和改进后的Gabor滤波器卷积得到多个不同方向的特征，然后将这些特征进行特征融合，用融合后的特征取代原始视频游戏图像作为卷积神经网络的输入，利用强化学习的Q‑Learning算法训练更新网络权重，得到训练模型，实现视频游戏的模拟。实验研究表明，改进的DQN算法在视频游戏模拟中游戏得分更高，且能更快地学习到策略。
-
公开(公告)号：CN106769051B
公开(公告)日：2019-07-23
申请号：CN201710144702.0
申请日：2017-03-10
Applicant: 哈尔滨理工大学
IPC: G01M13/04
Abstract: 一种基于MCEA‑KPCA和组合SVR的滚动轴承剩余使用寿命预测方法，属于轴承运行状态的预测领域。本发明的目的是为了准确预测滚动轴承的剩余使用寿命。本发明方法对提取的特征计算每个评价标准的有效性得分，自适应地确定每个评价标准的权重，筛选出有效性总得分高于其整体平均值的特征，进一步利用KPCA去除已筛选特征之间的信息冗余，建立约简后的特征矩阵。将多个轴承约简后的特征分别作为SVR的输入，当前使用寿命与全寿命的比值p即RUL作为输出，建立多个SVR模型，并采用自适应的方法确定各模型的权重，最终构建组合SVR预测模型。本发明方法可准确地对滚动轴承进行RUL预测。
-
公开(公告)号：CN108985493A
公开(公告)日：2018-12-11
申请号：CN201810649596.6
申请日：2018-06-22
Applicant: 哈尔滨理工大学
Abstract: 本发明一种基于自适应可变滤镜的地类变化预测方法属于土地利用预测领域；在本发明一种基于自适应可变滤镜的地类变化预测方法中，结合元胞自动机以及神经网络模型，建立一种自适应可变滤镜网络模型，针对特定大小区域内的土地类别数，创建多类数据集来训练不同参数的多个神经网络，可以成功预测未来土地变化的情况，这样就避免了训练单一网络时数据对网络权值的抵消，相比于传统的CA_Markov模型和CA_ANN模型，不仅总体精度提高了3％，各种地类转化精度提高了12.82％-33.33％，模型训练时间也缩减了49.47％。
-
公开(公告)号：CN107358803A
公开(公告)日：2017-11-17
申请号：CN201710728196.X
申请日：2017-08-22
Applicant: 哈尔滨理工大学
IPC: G08G1/08
CPC classification number: G08G1/08
Abstract: 一种交通信号控制系统及控制方法，该系统包括控制电路、摄像头和上位机，控制电路包括主控模块、电源模块、继电器驱动模块、信号灯控制模块和显示模块，电源模块连接主控模块，主控模块通过继电器驱动模块分别连接信号灯控制模块和显示模块，信号灯控制模块与各信号灯相连，主控模块通过网络接口模块基于局域网与上位机无线通信连接，摄像头基于局域网与上位机无线通信连接；该方法包括视频读入、灰度化、中值滤波、图像增强、昼夜检测、背景提取、取当前帧、边缘检测、阈值设定、前景二值化、图像叠加、形态学处理、图像分割及车辆统计。本发明可根据交通现场实际路况来自动调控信号灯的时间，缓解交通压力。
-
公开(公告)号：CN106886660A
公开(公告)日：2017-06-23
申请号：CN201710181336.6
申请日：2017-03-23
Applicant: 哈尔滨理工大学
Abstract: 一种EEMD‑Hilbert包络谱与DBN相结合的变负载下滚动轴承状态识别方法，属于滚动轴承故障检测领域。为了解决针对训练数据采用一种负载，测试数据选用其他负载的情况下，滚动轴承故障状态及故障程度难以准确识别的问题。首先对滚动轴承各状态振动信号进行EEMD，然后选取敏感本征模态函数，并对其进行Hilbert变换求取包络谱。最后将各状态振动信号的IMF包络谱按顺序构建新的高维数据，输入到经遗传算法优化各隐藏层节点结构的DBN中，实现变负载下滚动轴承的多状态识别。在运用DBN进行滚动轴承10种状态识别过程中，训练数据采用某种负载，测试数据选用其他负载的情况下，EEMD‑Hilbert包络谱比时域或频域幅值谱能更好地体现出滚动轴承不同负载下的多状态特征，具有更高的识别率。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.021 seconds)
