-
公开(公告)号：CN118356596A
公开(公告)日：2024-07-19
申请号：CN202410342413.1
申请日：2024-03-25
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: 本发明公开了一种基于A型超声信号的超声聚焦导航方法及相关设备，所述方法包括：获取聚焦电信号和感知电信号，分别进行放大处理得到聚焦激励电信号和感知激励电信号，分别进行转化处理得到聚焦超声波和A型超声信号；当将聚焦超声波和A型超声信号发射至目标人体组织时得到对应的第一回波信号和第二回波信号，分别进行预处理得到聚焦位置信息及波形曲线信息；根据波形曲线信息得到形态学信息，并根据形态学信息和聚焦位置信息调整得到目标聚焦区域。本发明通过使用A型超声信号检测肌肉形态信息，以调整超声探头的位置和相控阵的相位，实现对焦点位置的优化调整，从而实现更精确而有效的聚焦刺激，并且适应更加多样化的使用场景。
-
公开(公告)号：CN118331040A
公开(公告)日：2024-07-12
申请号：CN202410277401.5
申请日：2024-03-12
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: G05B13/04
Abstract: 本发明涉及无人机技术领域，特别涉及一种针对多无人机吊挂载荷系统的自适应协同搬运方法。包括步骤：S1.建立多无人机协同搬运系统模型：S11.负载及无人机的运动学及动力学建模；S12.无人机通信图建模；S2.设定多无人机吊挂载荷协同搬运控制目标；S3.负载轨迹跟踪控制算法设计；S4.缆绳拉力及期望编队队形设计；S5.无人机期望编队队形设计；S6.多无人机编队控制；S7.扰动补偿控制。通过设计通用障碍函数的方法实现对刚体负载的姿态和位置跟踪，利用无人机和负载之间通过缆绳耦合的位置关系推算出多无人机的期望编队队形，并设计了基于一致性和扰动观测器的多无人机协同控制算法，实现无人机跟踪期望编队队形，从而实现了对多无人吊挂载荷系统的搬运控制。
-
公开(公告)号：CN118281834A
公开(公告)日：2024-07-02
申请号：CN202410305323.5
申请日：2024-03-18
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: 本发明涉及直流微电网次级控制领域，特别涉及一种基于归一化的直流微电网分布式协调控制方法。其包括步骤：S1.构建直流微电网模型；S2.建立归一化目标函数并求解；S3.初始化电网运行；S4.定期比较实际误差与误差限；S5.电网中全部导纳值估计；S6.新增连接线的导纳值估计；S7.将移除的连接线导纳值置0。本发明通过归一化的方法将电压调节的目标函数的数值范围调整至与比例负载分配函数的数值范围接近，增强了权重系数的调节效果，并通过分布式算法使直流微电网中各总线状态收敛至最优解。此外，针对于现有控制算法需要导纳值的情况，本发明提出了一种分布式的导纳估计算法，与控制算法结合，实现对直流微电网的完全分布式控制。
-
公开(公告)号：CN116612779A
公开(公告)日：2023-08-18
申请号：CN202310620353.0
申请日：2023-05-29
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)
IPC: G10L21/0272 , G10L25/30 , G06N3/08
Abstract: 本发明提供一种基于深度学习的单通道语音分离的方法，包括以下步骤：步骤1，编码阶段：接收单个麦克风采集的混合语音信号，并将所接收的混合语音信号的时域波形划分为多个短段，再将多个短段转换为中间特征空间中对应的高维特征表示输出到下一步骤；步骤2，分离阶段：接收步骤1的高维特征表示并输出每个源信号对应的掩蔽估计，进而在特征空间中得到分离源的特征表示，以实现分离，从而得到分离特征，将分离特征输出到下一步骤；步骤3，解码阶段：接收步骤2输出的分离特征并将其转换为对应源信号的时域波形估计。本发明的有益效果是：1.本发明方法提升了语音分离的性能。
-
公开(公告)号：CN118356596B
公开(公告)日：2025-02-11
申请号：CN202410342413.1
申请日：2024-03-25
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: 本发明公开了一种基于A型超声信号的超声聚焦导航方法及相关设备，所述方法包括：获取聚焦电信号和感知电信号，分别进行放大处理得到聚焦激励电信号和感知激励电信号，分别进行转化处理得到聚焦超声波和A型超声信号；当将聚焦超声波和A型超声信号发射至目标人体组织时得到对应的第一回波信号和第二回波信号，分别进行预处理得到聚焦位置信息及波形曲线信息；根据波形曲线信息得到形态学信息，并根据形态学信息和聚焦位置信息调整得到目标聚焦区域。本发明通过使用A型超声信号检测肌肉形态信息，以调整超声探头的位置和相控阵的相位，实现对焦点位置的优化调整，从而实现更精确而有效的聚焦刺激，并且适应更加多样化的使用场景。
-
Patent Agency Ranking
公开(公告)号：CN119341043A
公开(公告)日：2025-01-21
申请号：CN202411375143.0
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: 本申请涉及直流微电网技术领域，提供了光储直柔微电网分类协调控制方法，该方法包括：光储直柔微电网的多个分布式光伏设备和分布式储能设备中每个分布式光伏设备和储能设备分别通过各自的换流器接入直流微电网；在多个协调控制器之间建立全双工通信网；分布式储能设备节点和分布式光伏设备节点的协调控制器利用全双工通信网，通过实时交互平均电压估计值实现对分布式储能设备节点所对应的母线平均电压的观测；分布式储能设备节点的协调控制器利用储能节点分布式协调控制算法，实现分布式储能设备节点所在母线的电压稳定。本申请的技术方案可以实现光伏发电输出电流均分以及出力占比可调，确保光储直柔微电网稳定运行，提高光伏发电渗透率。
-
公开(公告)号：CN119340950A
公开(公告)日：2025-01-21
申请号：CN202411222365.9
申请日：2024-09-02
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: 本发明公开了一种直流微电网分布式弹性控制系统，包括多个电源节点，每个电源节点在通信网中与邻居电源节点通过有线和/或无线通信；每个电源节点包括初级控制器和次级控制器组成的协同控制器；次级控制器包括通信链路攻击补偿器；次级控制器用于根据所在电源节点、通信网中邻居电源节点的状态信号以及通信链路攻击补偿信号，生成电压参考信号；初级控制器根据电压参考信号和所在电源节点换流器输出电流的测量信号，向该换流器控制器输出控制信号；换流器控制器用于将控制信号转换为PWM信号送到换流器，以实现对母线电压的控制。直流微电网分布式弹性控制系统能在未知通信链路攻击下，完全恢复直流微电网电压调节和精确功率分配的控制目标。
-
公开(公告)号：CN118819189A
公开(公告)日：2024-10-22
申请号：CN202410718723.9
申请日：2024-06-05
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: G05D1/695 , G05D109/20
Abstract: 本发明公开了一种基于双端自适应事件触发的无人机编队控制方法及装置，方法包括：构建无人机通信网络系统，包括领航机和多个跟随机，基于跟无人机通信网络系统跟随机和领航机的动力学模型；基于无人机通信网络系统和动力学模型建立分布式事件触发通信协议；根据跟随机的目标状态队形、相邻跟随机和领航机的状态信息、跟随机与领航者之间的通信关系以及所述分布式事件触发通信协议，获取编队控制信息。本发明可用于未知干扰下的协同编队跟踪，设计了两个不同的触发序列来确定通信和控制更新的适当时刻，从而大大降低了控制器的更新频率和通信负担。本发明在杂乱非线性扰动下开展协同编队跟踪的数值验证，验证了本发明方法的有效性与先进性。
-
公开(公告)号：CN117731971A
公开(公告)日：2024-03-22
申请号：CN202410109538.X
申请日：2024-01-25
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) , 交浦科技(深圳)有限公司
Abstract: 本发明公开了一种基于双换能器的高特异性肌肉超声聚焦系统和方法，涉及超声聚焦领域，超声聚焦系统包括信号发生模块、两台功率放大器、两个超声换能器；信号发生模块产生具有相位差的双通道信号，经过功率放大器放大，以不同相位、功率输入到两个超声换能器中，产生两束超声波束，功率放大器的增益倍数数控可调，能够控制输出功率大小，信号发生模块具备双通道信号输出功能，能够独立调节每个通道信号相位。本发明可以对换能器的夹角、相位、轴线距离等多个参数进行调节，能够使焦域呈现多种不同形状，满足不同效果的聚焦需要。
-
公开(公告)号：CN115112372A
公开(公告)日：2022-09-27
申请号：CN202210716327.3
申请日：2022-06-22
Applicant: 哈尔滨工业大学(深圳)
IPC: G01M13/045
Abstract: 本发明实施例公开了一种轴承故障诊断方法、装置、电子设备及存储介质，方法包括：将轴承的振动信号输入到预先训练好的神经网络模型的特征提取子模型，得到特征向量；神经网络模型包括目标损失函数；神经网络模型通过对多个训练样本进行训练获得，训练样本归属于对应的样本类别，目标损失函数根据每个训练样本的样本类别的权值，对交叉熵损失函数进行更新而得到；将特征向量输入到神经网络的分类子模型中，得到轴承的振动信号属于不同样本类别的多个概率输出值，基于最高的概率输出值得到轴承的振动信号对应的故障情况，每个概率输出值表示振动信号属于样本类别的概率，样本类别表示轴承振动信号的故障情况，样本类别包括故障类型以及非故障类型。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.096 seconds)
