-
公开(公告)号：CN108273761A
公开(公告)日：2018-07-13
申请号：CN201810201864.8
申请日：2018-03-12
Applicant: 华侨大学
CPC classification number: B07C5/34 , B07C5/02 , B07C5/361 , B07C5/362 , B07C2501/0063
Abstract: 本发明公开一种分拣建筑垃圾的装置及方法，其是基于六自由度机械手采用激光传感器获取物料的轮廓、位置及高度等信息，然后再指导六自由度机械手抓取物料的过程中，通过六自由度机械手上的拉力传感器，获得抓取物料的重量信息。最后利用物料的重量信息及空间体积信息即可大致估算出该物料的密度，从而判断出物料的类型。采用密度识别的方法对建筑垃圾进行精确的分拣，大大减低了分拣的错误率，通过智能规划六自由度机械手的运动路径，既能快速定位物料坐标，也保证物料的分类效率，实现准确分拣物料，大大提高工作效率，节省人力资源。
-
公开(公告)号：CN104819722B
公开(公告)日：2018-04-17
申请号：CN201510236744.8
申请日：2015-05-11
Applicant: 华侨大学
Abstract: 一种行车跟随方法和系统，具体步骤如下：1)用户通过具有定位功能和无线通信功能的移动终端登入；2)判断用户类别，若用户为导向车，则将其位置信息转发给跟随车，同时接收跟随车的位置信息并显示相关信息；若用户为跟随车，则将其位置信息发送给导向车，同时接收导向车的位置信息处理得到导向车的行进路径并显示相关信息。本发明方法和系统利用手机自带的GPS模块实现行车跟随，相较于传统的肉眼跟随方式和普通GPS导航系统具有不易跟丢、不依赖地图数据库的依赖，安全性高的优点。
-
公开(公告)号：CN107092738A
公开(公告)日：2017-08-25
申请号：CN201710235713.X
申请日：2017-04-12
Applicant: 华侨大学
Abstract: 本发明涉及一种载荷未知条件下多点振动响应频域预测的实验装置；一种载荷未知条件下多点振动响应频域预测的实验数据生成方法；以及利用该实验装置和实验数据，在不相关多源未知载荷联合激励下，利用频域响应数据线性关系的多元一次线性回归模型和最小二乘广义逆法，根据系统已知测点的频域振动响应预测未知测点的频域振动响应的方法。直接利用频域响应数据线性关系的多元一次线性回归模型和最小二乘广义逆法不需要已知或辨识系统的传递函数或载荷大小甚至载荷位置。本发明主要针对不相关多源未知载荷联合激励工况环境下，利用已知测点的振动响应对未知结点进行振动响应预测，可以预测一个未知结点和多个未知结点的振动响应情况。
-
公开(公告)号：CN104298857B
公开(公告)日：2017-04-12
申请号：CN201410481791.4
申请日：2014-09-19
Applicant: 华侨大学
IPC: G06F19/00
Abstract: 本发明一种多因素耦合作用下的机构可靠度计算方法，首先基于多刚体动力学、间隙碰撞模型和柔性体离散化方法对机构进行建模，获得机构输出的数值计算，从而实现对杆件尺寸误差、装配误差、间隙、摩擦、载荷、速度以及变形等多种影响因素的考虑，然后，在机构建模的模型中，对机构输出有影响的上述多种因素进行参数化；最后，基于本发明提出的最小抽样方法，进行机构可靠度高效高精度计算。本发明提出的机构可靠度计算方法，考虑因素更多，因此更加符合实际工程应用。
-
公开(公告)号：CN105159865B
公开(公告)日：2017-04-05
申请号：CN201510377630.5
申请日：2015-07-01
Applicant: 华侨大学
IPC: G06F17/14
Abstract: 本发明涉及一种声振载荷联合施加的试验装置，以及利用该装置在复杂的声振模拟环境下进行不相关多源频域载荷识别的三种方法，分别是最小二乘广义逆法、改进的正则化方法以及多输入多输出支持向量回归机法，三种方法均能根据系统上多个测点的振动响应同时识别出多个不相关频域载荷源的大小本发明的最小二乘广义逆法不需要测定传递函数的相位；改进的正则化方法对应的每一个频率都有最佳的正则化参数；多输入多输出支持向量回归机法能够有避免过学习现象。
-
Patent Agency Ranking
公开(公告)号：CN106446502A
公开(公告)日：2017-02-22
申请号：CN201610576822.3
申请日：2016-07-21
Applicant: 华侨大学
IPC: G06F19/00
CPC classification number: G06F19/00
Abstract: 本发明公开了一种带遗忘因子的特征值特征向量递推的主元分析线性时变结构工作模态参数在线实时识别方法，该方法在经典主元分析线性时不变结构工作模态参数识别的基础上，引入“遗忘因子”、“在线递推”、“特征值特征向量递推”和“矩阵秩-1修正”的思想，能够仅从非平稳振动响应信号中识别出线性时变结构的时变瞬态模态振型和固有频率。本发明是直接对特征值特征向量进行在线递推更新，避免了传统递推主元分析时变工作模态参数识别方法需要反复更新主元模型的缺点，减少了算法时间和空间复杂度，实现了时变工作模态参数识别的在线实时，能够有效监测结构工作模态参数的动态变化特性，可被用于设备故障诊断、健康监测以及系统结构分析与优化。
-
公开(公告)号：CN106445070A
公开(公告)日：2017-02-22
申请号：CN201610816506.9
申请日：2016-09-12
Applicant: 华侨大学
CPC classification number: Y02D10/24 , G06F1/329 , G06F9/4881
Abstract: 本发明公开了一种硬实时系统偶发任务资源受限能耗优化调度方法，包括：利用单调速率策略为任务分配优先级；根据任务Ti是否释放实例，计算出动态低速度；当有新任务Tj到达时，判断新任务Tj是否被阻塞；如果新任务Tj被阻塞，根据任务的真实阻塞时间，计算出此时的动态高速度，此时任务Ti以动态高速度执行直到其完成执行；如果新任务Tj没有被阻塞，其将抢占任务Ti的执行，且其执行速度为动态低速度；任务完成执行后，如果此时的空闲时间大于处理器状态切换开销，利用动态功耗管理技术关闭处理器，否则，处理器进入空闲状态。本发明利用任务真实阻塞时间计算出动态低速度和动态高速度，充分利用处理器的空闲时间，有效地降低系统能耗。
-
公开(公告)号：CN106324097A
公开(公告)日：2017-01-11
申请号：CN201610887809.X
申请日：2016-10-12
Applicant: 华侨大学
IPC: G01N29/04
CPC classification number: G01N29/045 , G01N2291/023
Abstract: 本发明公开的一种基于声波传感测定材料碰撞恢复系数的方法，一、将一由碰撞材料制成的碰撞球从高度为H的位置落下至一碰撞板上，在碰撞板上位于碰撞球下落区域的旁边设置一声音传感器，该声音传感器与采集卡及计算机依次连接；二、碰撞球与掉落至碰撞板，碰撞后弹起，进而又落下与碰撞板再次碰撞，碰撞过程进行到碰撞球停止在碰撞板上为止；三、在碰撞过程中，采集卡采集声音传感器检测到的音频信号，并将音频信号实时发送至计算机，计算机生成显示音频随时间变化曲线；四、根据音频随时间变化曲线计算碰撞恢复系数。本发明方法利用碰撞产生的音频信号，分析音频信号随时间变化规律，即可精确获得其碰撞恢复系数，速度快、精度高。
-
公开(公告)号：CN105547883A
公开(公告)日：2016-05-04
申请号：CN201510915458.4
申请日：2015-12-10
Applicant: 华侨大学 , 福建南方路面机械有限公司
IPC: G01N3/56
CPC classification number: G01N3/565 , G01N2203/0076
Abstract: 本发明一种复杂工况条件下的磨蚀性指数AI的预测方法，增加考虑磨料材料硬度的影响，以试验数据为基础，通过预测公式可以快速获得不同工况条件下的磨蚀性指数AI，同时该预测公式形式简单，便于工程应用；与标准试验不同，本发明进一步考虑了磨料材料硬度的影响，适合预测不同地域磨料组成对设备磨损影响的预测；本发明所进行的试验均是以标准试验为基础，只改变某一条件，其他条件均与标准试验的条件一致，因此，试验结果可信度高，可以方便获得单个因素对试验结果的影响。
-
公开(公告)号：CN104809527A
公开(公告)日：2015-07-29
申请号：CN201510236530.0
申请日：2015-05-11
Applicant: 华侨大学
Abstract: 一种手机打车的订单自动选择方法，1)若已接订单列表尚未存在订单，则进入步骤2)，若已接订单列表存在订单，则进入步骤3)；2)判断司机能否在规定的时间内完成从当前地点至新订单接客地点的路程，并判断新订单效率值是否为正，若均满足，则将新订单加入订单列表，若否，则拒绝新订单；3)先根据接客开始时间判断新订单处于订单列表的位置，而后针对不同位置，分别进行时间冲突判断及对应的订单效率值判断，若均满足，则将新订单加入订单列表，若否，则拒绝订单。本发明能使司机利益最大化的同时还避免了司机对订单做出判断时存在的安全隐患，另一方面可以合理地调度的士资源，缓解“打车难”、“空载多”的问题。
-
-
-
-
-
-
-
-
-
Search Results
335
records
(took 0.051 seconds)
