公开(公告)号：CN113485375B

公开(公告)日：2023-03-24

申请号：CN202110929934.3

申请日：2021-08-13

Applicant: 苏州大学

Inventor： 迟文政 ,  刘杰 ,  吕勇 ,  袁媛 ,  陈国栋 ,  孙立宁

IPC: G05D1/02

Abstract: 本发明公开了一种基于启发式偏置采样的室内环境机器人探索方法，其包括：A、初始化；B、进行定位和建图；C、利用所述两棵快速生长随机树进行边界点的提取，记为RRT边界点；在所述先验区域内通过偏置采样快速搜索随机树算法提取边界点，记为房间边界点；剔除RRT边界点和房间边界点中的无效边界点；D、机器人优先选择收益值最大的房间边界点作为目标点进行探索，并在所有房间边界点探索完成后优先选择收益值最大的RRT边界点作为目标点进行探索；E、引导机器人向目标点导航并更新地图；F、当先验区域内检测不到边界点时，销毁先验区域；G、循环步骤A‑F，直至完成整个环境探索。本发明可有效减少探索过程中的回溯现象，提升探索效率。

公开(公告)号：CN114821556A

公开(公告)日：2022-07-29

申请号：CN202210411831.2

申请日：2022-04-19

Applicant: 苏州大学

Inventor： 卞剑锋 ,  迟文政 ,  洪阳 ,  刘杰 ,  陈国栋 ,  孙立宁

IPC: G06V20/60 ,  G06V10/40 ,  G06V10/82 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Faster R‑CNN的药盒检测方法、介质、电子设备及系统，该方法包括：S1、将Faster R‑CNN网络模型中的特征提取层替换为新的特征提取网络得到改进后的Faster R‑CNN网络模型；S2、对数据集中药盒图片进行标定；S3、利用标定后的数据集对改进后的Faster R‑CNN网络模型进行训练；S4、利用训练好的Faster R‑CNN网络模型对药盒进行检测。本发明通过将Faster R‑CNN网络模型中的特征提取层替换为新的特征提取网络，新的特征提取网络采用深度可分离卷积，以及带线性瓶颈结构的反向残差结构，在保证模型准确率的前提下，解决了模型训练过程中梯度消失、占用内存大的问题，有效提升了模型的实时性，使得本发明的药盒检测方法具有占用内存小、检测时效性好、检测准确率高的优点。

公开(公告)号：CN113485373A

公开(公告)日：2021-10-08

申请号：CN202110926163.2

申请日：2021-08-12

Applicant: 苏州大学

Inventor： 迟文政 ,  袁媛 ,  刘杰 ,  陈国栋 ,  孙立宁

IPC: G05D1/02

Abstract: 本发明公开了一种基于高斯混合模型的机器人实时运动规划方法，包括：S1、提供一张环境地图，使用高斯混合模型获取环境地图中的环境结构特征，并实时提取机器人的节点位姿信息；S2、使用角速度通道和距离融合对机器人节点进行特征初步提取，获得初始特征点集，并更新特征地图；S3、再次使用距离融合对初始特征点集进行进一步提取，获得最终特征点集；S4、使用欧式距离对环境地图更新，得到最终特征地图，完成实时特征提取；S5、在所述最终特征地图中找到机器人起点和终点对应的特征编号，根据所述最终特征点集得到特征矩阵和行人矩阵，并形成特征点的特征搜索树，输出启发式路径。本发明具有导航成功率高、效率高、占用资源少的优点。

公开(公告)号：CN113110482A

公开(公告)日：2021-07-13

申请号：CN202110475488.3

申请日：2021-04-29

Applicant: 苏州大学

Inventor： 迟文政 ,  刘杰 ,  袁媛 ,  丁智宇 ,  陈国栋 ,  孙立宁

IPC: G05D1/02

Abstract: 本发明涉及一种基于先验信息启发式的室内环境机器人探索方法及系统，包括以下步骤：机器人通过自身携带的传感器采集周围环境信息的数据；基于周围环境信息的数据更新一部分地图为已知区域，获得更新后的地图；使用两棵快速搜索随机树对更新后的地图进行边界提取，获得RRT边界点；识别启发式物体并对其进行位置估计，以启发式物体的位置为基准构建先验区域，在先验区域内提取边界点，获得房间边界点；基于RRT边界点和房间边界点，机器人进行室内环境探索。其优先探索先验区域内的环境，可以使机器人优先探索完一个房间区域再转向其它区域，有效减少探索过程中的回溯现象，提升探索效率。

公开(公告)号：CN111224167B

公开(公告)日：2021-05-14

申请号：CN202010029274.9

申请日：2020-01-13

Applicant: 苏州大学

Inventor： 钱涛 ,  晏成林 ,  刘杰

IPC: H01M10/0569 ,  H01M10/052

Abstract: 本发明涉及漏液自修复锂金属电池电解液，包括有机溶剂和锂盐，有机溶剂包括第一溶剂和第二溶剂，第一溶剂为选自碳酸酯类溶剂、醚类溶剂、羧酸酯类溶剂、砜类溶剂和腈类溶剂中的一种或两种，第二溶剂为氰基丙烯酸酯类溶剂。本发明通过将氰基丙烯酸酯类溶剂与常用液态电解液和锂盐混合，在电池发生破损时，破损处暴露在空气中的电解液可以发生迅速聚合，终止漏液的持续发生，防止液态电解液的持续氧化和挥发；既能保持高离子电导率和对电极的亲和性，又提高了电池安全性，杜绝了电解液持续漏液；有助于在锂金属表面形成均匀稳定的SEI，促进锂均匀沉积，有效抑制枝晶生长，增加电池的实际循环寿命；制备方法简单，性能优异，有效提高电池的循环性能。

公开(公告)号：CN112428271A

公开(公告)日：2021-03-02

申请号：CN202011262159.2

申请日：2020-11-12

Applicant: 苏州大学

Inventor： 迟文政 ,  袁媛 ,  刘杰 ,  丁智宇 ,  陈国栋 ,  孙立宁

IPC: B25J9/16

Abstract: 本发明公开了一种基于多模态信息特征树的机器人实时运动规划方法，包括获取环境地图，实时提取机器人的位姿信息，判断特征点对该环境地图的表征度是否已经完备，如果还未完备则使用角速度和距离融合对机器人的节点位姿进行特征初步提取，直到特征点的表征度完备获得最优特征点，得到最终特征点集，更新特征地图；如果已经完备则使用欧式距离对环境地图更新，得到特征地图；然后根据特征点集得到特征矩阵，根据起点、终点以及特征矩阵生成特征点的多模态信息特征树，得到启发式路径。本发明通过构建多模态信息特征树和实时提取特征点的方式快速找出可行区域的候选节点来优化基于随机采样的路径规划，解决陷阱空间、提高移动机器人的智能化。

公开(公告)号：CN106700013A

公开(公告)日：2017-05-24

申请号：CN201610971296.0

申请日：2016-11-07

Applicant: 苏州大学

Inventor： 晏成林 ,  刘杰 ,  钱涛

IPC: C08G18/64 ,  C08G18/32 ,  C09J175/04 ,  H01M4/62 ,  H01M10/0525

Abstract: 本发明涉及一种强极性聚合物粘结剂、合成方法及其在锂电池中的应用，它的化学结构通式为：或。本发明强极性聚合物粘结剂具有较强极性、高粘结性的特点，同时存在很强的电化学极性，能够吸附产生于锂硫电池循环过程中的极性的多硫化物，使用该粘结剂制备的极片的电池具有循环性能优异和库伦效率高的特点；该粘结剂绿色环保，对锂硫电池的多种正极活性物质具有良好的粘结性。实验表明，使用该粘结剂的锂硫电池在0.5C电流密度下循环200次后的容量保持率最高可达91%。

公开(公告)号：CN104445204B

公开(公告)日：2016-04-20

申请号：CN201410767151.X

申请日：2014-12-12

Applicant: 苏州大学

Inventor： 晏成林 ,  刘杰 ,  钱涛

IPC: C01B33/021 ,  B82Y30/00 ,  B82Y40/00

Abstract: 本发明涉及一种使用冶金级硅制备多孔硅纳米线的方法，它包括以下步骤：（a）将冶金级硅浸入不同有机溶液中，分别超声处理15~30分钟；（b）将超声处理后的冶金级硅浸入氧化溶液中，在50~90℃条件下反应0.5~5小时得氧化冶金级硅；（c）置于质量浓度为10~30%氢氟酸溶液；（d）真空溅射30~60秒得到银沉积冶金级硅；（e）将所述银沉积冶金级硅浸入氢氟酸与强氧化物的混合溶液中，在40~80℃条件下超声1~5小时后取出放入管式炉中通含氟气体2~3小时并进行干燥；（f）表面进行剥离得到多孔硅纳米线。一方面离子溅射仪沉积的银纳米粒子颗粒均匀，有利于在硅纳米线上形成孔径均匀的多孔结构；另一方面缩短时间、提高效率；而且该发明简单易行，适于大规模生产。

公开(公告)号：CN115469662A

公开(公告)日：2022-12-13

申请号：CN202211110233.8

申请日：2022-09-13

Applicant: 苏州大学

Inventor： 迟文政 ,  陈鼎峰 ,  徐晴川 ,  刘杰 ,  邹美塬 ,  孙立宁

IPC: G05D1/02

Abstract: 本发明涉及一种环境探索方法，包括获取环境信息、生成广义维诺图并构建GVD节点集；从GVD节点集中选取节点构建启发式边界点集并融合，剔除冗余节点，生成融合后的启发式边界点集；融合GVD节点集，剔除冗余节点，构建GVD特征节点集；将GVD特征节点集、融合后的启发式边界点集与机器人当前位姿求并集，得到GVD特征节点全集；在GVD特征节点全集中任选两特征节点进行碰撞检测，得到带有边信息的特征矩阵；根据信息增益与特征矩阵计算融合后的边界点集中各节点的收益函数值；根据收益函数值选取目标节点，向目标节点导航，更新地图数据；重复探索，直至整个环境探索完成。通过融合边界点，剔除冗余节点，减少了机器人边界决策时的计算消耗，减少了回溯，提高了探索效率。

公开(公告)号：CN109671978B

公开(公告)日：2022-02-11

申请号：CN201811562050.3

申请日：2018-12-20

Applicant: 苏州大学

Inventor： 晏成林 ,  刘杰 ,  钱涛

IPC: H01M10/0565 ,  H01M10/052

Abstract: 本发明涉及一种耐高电压的固态聚合物电解质、制备方法及其应用，它包括聚合物基体以及包含在所述聚合物基体内的锂盐，所述聚合物基体是将含氟有机单体在催化剂的作用下进行聚合反应制得的，所述含氟有机单体为含氟的环状或不饱和链状有机单体。应用于高电压固态聚合物电池循环时可以避免被氧化分解，从而实现长期稳定循环；该固态聚合物电解质有着较高的室温离子电导率。