-
公开(公告)号：CN118818975A
公开(公告)日：2024-10-22
申请号：CN202410795892.2
申请日：2024-06-19
Applicant: 哈尔滨理工大学
IPC: G05B13/04
Abstract: 本发明属于足式机器人运动控制技术领域。本发明公开了一种应用于关节执行器能力缺失受限条件下的六足机器人自适应控制方法，解决了六足机器人发生关节执行器能力缺失后，运动性能下降问题，具体方法为：首先使用PPO算法，将机器人的关节效能状态作为状态输入的一部分，针对六足机器人关节执行器能力缺失受限这个条件设计奖励函数，对六足机器人每个关节执行器可能的关节能力缺失的情况进行训练，共得到十八个控制策略模型，其次通过离线蒸馏的方式，使用Transformer网络训练，最终得到一个通用的控制策略模型。本发明使六足机器人可根据机器人针对任意单个关节执行器的不同受限程度进行实时自适应调整，实现连续有效的行走和任务执行，提高了六足机器人在崎岖地形下的运动能力以及现实应用性。
-
公开(公告)号：CN118721187A
公开(公告)日：2024-10-01
申请号：CN202410795890.3
申请日：2024-06-19
Applicant: 哈尔滨理工大学
IPC: B25J9/16
Abstract: 本发明公开一种基于多目标优化与学习策略融合的多移动机械臂协同搬运控制方法。其技术方案是：首先运用层级动力学解析建模的方法，建立一种考虑协同搬运时机械臂‑负载‑机械臂和机械臂‑移动底盘紧耦合关系的多移动机械臂协同搬运无约束动力学模型，在此的基础上，确保搬运过程中多移动机械臂系统稳定性与快速性，建立多目标优化方程。构建多移动机械臂协同搬运过程的马尔科夫决策过程模型，基于深度确定性策略梯度和回放经验库算法，通过强化学习与环境进行交互训练，得到协同搬运轨迹和力矩的决策值。最后根据多移动机械臂系统的实际需求和性能要求，定义自适应权重函数，合理分配多目标优化算法和学习算法的控制权重，实现智能协同搬运控制。
-
公开(公告)号：CN117272037A
公开(公告)日：2023-12-22
申请号：CN202311304378.6
申请日：2023-10-09
Applicant: 哈尔滨理工大学
IPC: G06F18/2136 , A61B5/374 , A61B5/00 , G06F18/214 , G06F18/24 , G06N3/049 , G06N3/08
Abstract: 本发明涉及医疗技术领域，公开了棘波识别模型构建方法、棘波识别方法、装置及设备，构建方法包括：获取脑电信号；对脑电信号进行分割，得到棘波脑电信号段；对棘波脑电信号段进行脉冲编码，得到脉冲序列；基于脉冲序列以及神经元动力学机制构建初始神经元模型；基于神经元突触内部可塑性调节机制，对初始神经元模型进行更新，构建自适应神经元模型；基于自适应神经元模型，构建脉冲神经网络，脉冲神经网络用于对脉冲序列进行特征映射；基于神经元突触内部可塑性调节机制，对脉冲神经网络进行更新，得到目标棘波识别模型。该目标棘波识别模型，兼顾兴奋性神经元和抑制性神经元，保证脉冲神经网络特征映射的合理性，提高识别非侵入可溯型癫痫样棘波的准确性。
-
公开(公告)号：CN117056713A
公开(公告)日：2023-11-14
申请号：CN202311008837.6
申请日：2023-08-10
Applicant: 哈尔滨理工大学
IPC: G06F18/2136 , G06F18/214 , G06F18/24 , G06N3/049 , G06N3/04 , G06N3/08 , A61B5/00 , A61B5/372 , G06F123/02
Abstract: 本发明涉及医疗技术领域，公开了棘波识别模型构建方法、棘波识别方法、装置及设备，包括：获取脑电信号；对脑电信号进行分割，得到棘波脑电信号段；对棘波脑电信号段进行稀疏脉冲编码，得到稀疏脉冲序列；设置时间步长，基于时间步长，对稀疏脉冲序列进行权重分配，得到脉冲耦合序列；基于神经元模型，对脉冲耦合序列进行特征映射，构建脉冲神经网络；基于神经元突触学习机制，对脉冲神经网络进行更新，得到目标棘波识别模型，本发明通过选用稀疏脉冲编码，将脑电信号编码为稀疏脉冲序列，在稀疏脉冲编码的基础上，耦合运用不同类别编码，更新脉冲神经网络，得到更为理想且通用的目标棘波识别模型，提高了可溯型癫痫样识别精度。
-
公开(公告)号：CN117272036A
公开(公告)日：2023-12-22
申请号：CN202311304347.0
申请日：2023-10-09
Applicant: 哈尔滨理工大学
IPC: G06F18/2136 , G06F18/214 , G06F18/24 , G06N3/049 , G06N3/0499 , G06N3/08 , A61B5/374 , A61B5/00 , G06F123/02
Abstract: 本发明涉及医疗技术领域，公开了棘波识别模型构建方法、棘波识别方法、装置及设备，构建方法包括：获取脑电信号；对脑电信号进行分割，得到棘波脑电信号段；对棘波脑电信号段进行脉冲编码，得到脉冲序列；基于脉冲序列以及神经元动力学机制构建初始神经元模型；基于初始神经元模型，构建前馈脉冲神经网络，前馈脉冲神经网络用于对脉冲序列进行特征映射；基于神经元突触自反馈时延调节机制，对前馈脉冲神经网络进行更新，得到目标棘波识别模型。基于自反馈时延性的神经元突触调节机制，加速前馈脉冲神经网络全局收敛的同时，保证了识别模型高精度识别非侵入可溯型癫痫样棘波。
-
Patent Agency Ranking
公开(公告)号：CN119294118A
公开(公告)日：2025-01-10
申请号：CN202411481430.X
申请日：2024-10-23
Applicant: 哈尔滨理工大学
IPC: G06F30/20 , G06F111/10 , G06F111/18
Abstract: 本发明公开了一种基于四面体模型的精确碰撞检测方法，涉及计算机虚拟检测技术领域。本发明解决了传统碰撞检测方法不包含内部检测信息的问题，不受模型是否为凸体的限制，能实现对象的自碰撞检测；通过对模型的最小四面体基元进行数值计算，实现对模型的精确距离检测。本发明专利在检测过程中还包含最近点、相距距离、碰撞点和穿透距离等信息，为后续碰撞响应变形模拟等提供必要信息，尤其适用于可变形体对象的碰撞检测。
-
公开(公告)号：CN119033388A
公开(公告)日：2024-11-29
申请号：CN202411460791.6
申请日：2024-10-18
Applicant: 哈尔滨理工大学
IPC: A61B5/374 , A61B5/00 , G06F18/213 , G06N3/0464 , G06N3/08
Abstract: 本发明属于癫痫发作预测技术领域，公开了一种基于多元深度自注意卷积网络的癫痫发作预测方法，包括以下步骤：S1、基于数据收集模块，获取癫痫发作前期和间期的脑电信号；S2、基于数据处理模块，对脑电信号进行滤波提纯以及分割，获得时间窗信号片段；S3、基于模型构建与训练模块，构建多元深度自注意卷积网络，实现高精度癫痫发作预测。本发明采用上述一种基于多元深度自注意卷积网络的癫痫发作预测方法，对时间窗信号片段进行高相关性时序上下文预测特征，合理描述波形片段间的时序相关性，增强原始数据的辨识力，提高癫痫发作的预测精度。
-
公开(公告)号：CN117067223B
公开(公告)日：2024-01-05
申请号：CN202311332423.9
申请日：2023-10-16
Applicant: 哈尔滨理工大学
Abstract: 的步态序列，提高机器人在非预知环境中的运动本发明公开了一种基于运动稳定性估计的 稳定性与环境适应性。六足机器人自由步态规划方法，属于足式机器人运动控制技术领域，包括以下步骤：首先，求解并量化六足机器人实时运动稳定裕度与估计稳定裕度，通过稳定裕度估计提高机器人对其运动稳定性判断的前瞻性；其次，基于稳定裕度估计值规划六足机器人的自由步态序列，以提前规划调整步态的方式提高机器人的运动稳定性。本发明采用上述的一种基于运动稳定性估计的六足机器人自由步态规划方法，可以使六足机器人能够(56)对比文件李清等.四足轮腿式移动机器人的步态分析及轨迹规划《.机械传动》.2021,第45卷(第4期),第69-74页.桑董辉等.由2自由度并联髋关节构成的脊柱式四足步行机器人步态规划和稳定性分析.《兵工学报》.2020,第1188-1200页.
-
公开(公告)号：CN117067223A
公开(公告)日：2023-11-17
申请号：CN202311332423.9
申请日：2023-10-16
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于运动稳定性估计的六足机器人自由步态规划方法，属于足式机器人运动控制技术领域，包括以下步骤：首先，求解并量化六足机器人实时运动稳定裕度与估计稳定裕度，通过稳定裕度估计提高机器人对其运动稳定性判断的前瞻性；其次，基于稳定裕度估计值规划六足机器人的自由步态序列，以提前规划调整步态的方式提高机器人的运动稳定性。本发明采用上述的一种基于运动稳定性估计的六足机器人自由步态规划方法，可以使六足机器人能够通过自身历史运动稳定性变化信息估计未来一段时间内的运动稳定性变化趋势，并根据稳定性估计结果超前、自发地生成具有更好运动稳定性的步态序列，提高机器人在非预知环境中的运动稳定性与环境适应性。
-
公开(公告)号：CN116911176A
公开(公告)日：2023-10-20
申请号：CN202310832623.4
申请日：2023-07-08
Applicant: 哈尔滨理工大学
Abstract: 本发明属于轮式移动机器人感知决策领域。本发明公开了一种基于轮式移动机器人速度和振动状态的地形可通过性预测方法，解决了轮式机器人以不同指令速度通过地形时，地形可通过性程度不同的问题，具体方法为：以高度地图和指令速度做输入，机器人振动矢量和速度损失做输出，构建用于训练CNN网络的数据集；经训练得到的CNN预测模型的输出作为模糊逻辑算法的输入，综合评价地形可通过性；预测阶段，根据预测模型以及综合评价方法，以不同指令速度和局部高程地图作为输入，预测对应速度下局部地形的可通过性。本发明使机器人在执行运动规划前，提供不同速度对应不同局部地形可通过性的分布情况作为先验条件，提高了轮式机器人导航的高效性和安全性。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.027 seconds)
