-
公开(公告)号：CN118633430A
公开(公告)日：2024-09-13
申请号：CN202410915378.8
申请日：2024-07-09
Applicant: 西南林业大学
Abstract: 本申请涉及农业自动化设备技术领域，公开了一种坚果仿生采摘机器人及其使用方法，包括底板，所述底板的上表面固定连接有第一支撑板，所述第一支撑板的上表面中心处固定连接有第一电动滑轨，所述第一电动滑轨的上表面滑动连接有第一滑块，所述第一滑块的上表面固定连接有驱动盘，所述驱动盘的上表面固定连接有放置块，所述放置块的上表面固定连接有电机，所述电机的输出端固定连接有螺纹杆。通过底板上的第一电动滑轨和滑块组合，机器人能够精确控制移动的方向和位置，实现精确的位置调整。第三液压杆和第一液压杆的使用进一步确保了夹持块可以精确地对准和夹持目标坚果，从而提高采摘效率和精度。
-
公开(公告)号：CN116439017A
公开(公告)日：2023-07-18
申请号：CN202310296655.7
申请日：2023-03-24
Applicant: 西南林业大学
IPC: A01D46/30
Abstract: 本发明公开了一种山地坚果自动采摘装置，至少包括承载主体和设置在承载主体上部的采摘爪，以及设置在承载主体两侧的驱动结构；所述采摘爪包括底部连接承载主体的升降机构，以及设置在升降机构顶端的采摘爪，所述的采摘爪以相互转动连接的弧块作为支臂，并通过在关节处设置步进电机驱动支臂自适应动作，所述的支臂关节处至少包括一组能探测周围环境的传感器，且支臂顶端设有自驱动的剪裁机构；所述驱动结构包括至少一组摇臂以及至少一组连接在摇臂外端头的驱动轮，所述摇臂内端头与所述的承载主体转动连接，并通过可变长度的支撑构件稳定形态；本发明设计可多自由度转动且能避开障物的支臂及剪切机构，避免了采摘时的登高动作，且提升了采摘效率。
-
公开(公告)号：CN112373443B
公开(公告)日：2022-12-20
申请号：CN202011345085.9
申请日：2020-11-26
Applicant: 西南林业大学
IPC: B60T1/16
Abstract: 本发明提供了一种车辆减速伞制动设备及其制动方法，涉及车辆制动领域，减速伞制动设备包括减速伞、气体发生器、伞枪、收绳器，伞枪为筒状，减速伞压缩成伞包，并将气体发生器包裹其中，伞枪内安装有用于将伞包弹出的弹簧装置，并通过电控单元控制伞枪和弹簧装置的启动；收绳器设置在伞枪底部通过绳索与减速伞连接；车辆还包括：行车制动系统，安装在车辆前端的车距传感器。在行车制动功能受限无法避免车辆碰撞的发生时本发明提供附近的制动力来减少车辆碰撞的可能。
-
公开(公告)号：CN107894399A
公开(公告)日：2018-04-10
申请号：CN201711450021.3
申请日：2017-12-27
Applicant: 西南林业大学
CPC classification number: G01N21/17 , G01N1/2205 , G01N1/2252
Abstract: 本发明提供一种便携式农用拖拉机N2O排放检测系统，包括能够放置在农用拖拉机上的柜体，设置在柜体内的N2O分析装置、通讯模块、电源模块，设置在柜体外的尾气取样装置、定位模块，检测平台。所述尾气取样装置包括气体流量计、过滤器。所述N2O分析装置分别与尾气取样装置、电源模块、通讯模块相连。还提供了一种基于便携式农用拖拉机N2O排放检测系统的测试方法。本发明的有益效果是：开辟了一种新的农用拖拉机N2O排放检测的途径，解决了现有条件下无法检测农用拖拉机尾气N2O的问题，能够实时测量农用拖拉机尾气N2O的浓度和质量，弥补农用拖拉机N2O排放实时测量的空白，具有成本低、效率高的优点。
-
公开(公告)号：CN117854636B
公开(公告)日：2024-04-30
申请号：CN202410256992.8
申请日：2024-03-07
Applicant: 西南林业大学
IPC: G16C20/70 , G16C20/20 , G06F18/213 , G06F18/243 , G06F18/27 , G06N20/20 , G06N5/01 , G06N3/0442 , G06N3/09 , G06F123/02
Abstract: 本发明公开了一种柴油车瞬态过程颗粒物数量排放预测方法，属于颗粒物排放预测技术领域；通过改进EMD算法对柴油车的PN排放数据进行分解，降低了瞬态数据的波动性和随机性，将排放数据预处理分解的结果并结合测试运行数据分别对XGBoost算法和门控循环单元模型进行训练以及修正，通过将训练修正的XGBoost和GRU进行组合获取组合预测模型，实现不同训练技术的联立整合，可以有效提高后续瞬态过程颗粒物数量排放的预测效果；本发明用于解决现有方案中只是基于单一的神经网络算法来对现有的测试数据进行训练获取测试模型，不能将不同的训练技术进行联立整合导致瞬态过程颗粒物数量排放的预测效果不佳的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116238927A
公开(公告)日：2023-06-09
申请号：CN202310300340.5
申请日：2023-03-24
Applicant: 西南林业大学
Abstract: 本发明公开了一种坚果输送装置，包括：一缆车输送系统、若干货运缆车、一快速卸货基座，所述一缆车输送系统，设置在种植山体与坚果储存地之间；若干货运缆车，设置于缆车输送系统内，用于存储输送坚果、一快速卸货基座，设置于坚果储存地，用于快速卸装。通过快速卸货基台及输送系统配合使得现有货运缆车能够，为解决山区山坡地形复杂条件下的坚果运输问题提供了一种方案，快速卸货基台与缆车的配合进行自动进行卸货，提高了运输效率，降低了人工工作强度，规避了卸货时存在的伤人风险。
-
公开(公告)号：CN116118744A
公开(公告)日：2023-05-16
申请号：CN202310168733.5
申请日：2023-02-27
Applicant: 西南林业大学
IPC: B60W40/076 , B60W40/06 , B60W40/13 , B60W50/00 , G06F17/10
Abstract: 本发明公开了一种纯电动车起步阶段质量及道路坡度联合估计方法，包括如下步骤：S1、通过数据采集器，采集所需参数；S2、采用遗忘因子递归最小二乘法，分析车辆纵向动力学方程，建立纵向动力学模型；S3、采用带双遗忘因子的递推最小二乘法估计车辆质量；S4、将步骤S3中所估计的车辆质量作为输入参数采用自适应卡尔曼滤波估计道路坡度。本方法可低成本、精确的估计起步时整车质量和道路坡度。
-
公开(公告)号：CN112373443A
公开(公告)日：2021-02-19
申请号：CN202011345085.9
申请日：2020-11-26
Applicant: 西南林业大学
IPC: B60T1/16
Abstract: 本发明提供了一种车辆减速伞制动设备及其制动方法，涉及车辆制动领域，减速伞制动设备包括减速伞、气体发生器、伞枪、收绳器，伞枪为筒状，减速伞压缩成伞包，并将气体发生器包裹其中，伞枪内安装有用于将伞包弹出的弹簧装置，并通过电控单元控制伞枪和弹簧装置的启动；收绳器设置在伞枪底部通过绳索与减速伞连接；车辆还包括：行车制动系统，安装在车辆前端的车距传感器。在行车制动功能受限无法避免车辆碰撞的发生时本发明提供附近的制动力来减少车辆碰撞的可能。
-
公开(公告)号：CN119150184A
公开(公告)日：2024-12-17
申请号：CN202411172684.3
申请日：2024-08-26
Applicant: 西南林业大学
IPC: G06F18/2433 , G06F18/27 , G06F18/21 , G06F18/10 , G06F18/214 , G01N33/00
Abstract: 本发明涉及汽车碳排放预测技术领域，且公开了基于Boosting‑Blending与动态时空行为模式的混合动力汽车碳排放预测方法，收集与碳排放相关的数据集，并对原始数据集进行预处理，构建基于Boosting‑Blending集成学习模型，对Boosting‑Blending集成学习模型进行训练优化，将实际采集到的数据输入到优化好的Boosting‑Blending集成学习模型中，对汽车碳排放预测。该方法通过将Boosting集成算法和Blending技术相结合，选择了五种不同的Boosting基学习器进行集成，通过它们之间的互补性提高预测准确性，同时，引入动态时空行为模式的概念，以捕捉混合动力汽车在不同时间、空间和行为模式下的碳排放特性，进一步提升预测的准确性。
-
公开(公告)号：CN117786514A
公开(公告)日：2024-03-29
申请号：CN202311817929.9
申请日：2023-12-27
Applicant: 西南林业大学
IPC: G06F18/2411 , G06F18/214 , G06F18/15 , G06N3/048 , G06F18/21
Abstract: 本发明涉及交通事故严重程度分类预测方法，涉及人工智能领域，通过访问政府公开数据平台以及与保险公司数据库建立联系，收集大量有关交通事故的信息，包括车辆类型、事故严重程度，对获取的交通事故数据进行平滑处理，去除数据中的噪音和尖峰，将经过平滑处理的交通事故数据集进行数据划分，随机分成训练集和测试集，使用随机森林、支持向量机以及神经网络建立多个基础分类器，并在训练集上进行训练，得到每个分类器的预测结果，将三个基础分类器分别对测试集进行预测，将每个基础分类器的预测结果作为新的特征，构成一个新的训练集，将新的训练集输入到次级分类器中进行最终的预测，将预测结果与真实标签进行比较，并评估元分类器模型的性能。
-
-
-
-
-
-
-
-
-
Search Results
28
records
(took 0.019 seconds)
