-
公开(公告)号：CN110794842A
公开(公告)日：2020-02-14
申请号：CN201911116875.7
申请日：2019-11-15
Applicant: 北京邮电大学
IPC: G05D1/02
Abstract: 本发明提供了一种面向复杂环境下基于势场的强化学习机器人路径规划算法，属于智能算法优化领域，针对场景内存在大规模数量的可移动障碍物的环境条件，实现了复杂动态环境下的机器人路径规划。本方法首先利用传统人工势场法对环境空间进行建模，再根据势场模型定义马尔科夫决策过程中的状态函数、奖励函数和动作函数，并利用深度确定性策略梯度的强化学习算法，在仿真环境中对其进行训练，最终使机器人具备在复杂障碍物环境下进行无碰撞的路径规划的决策能力。实验结果表明，该方法决策时间短、系统资源占用低、具备一定的鲁棒性，能够实现在复杂环境条件下的机器人路径规划。
-
公开(公告)号：CN104589368B
公开(公告)日：2016-09-21
申请号：CN201410784247.7
申请日：2014-12-16
Applicant: 北京邮电大学 , 中国人民解放军装备学院
IPC: B25J17/00
Abstract: 本发明涉及空间机器人研究和工程领域，具体是基于十字轴结构的软接触关节，包括驱动传动机构、阻尼组件和传感部件。所述的驱动传动机构主要包括电机驱动单元、控制器、内壳、外壳、滑块和滑轨等，阻尼组件主要包括直线式磁流变阻尼器、离合器、旋转式磁流变阻尼器、弹簧机构和扭簧机构等，传感部件包括编码器、直线位移传感器等。所述的机械臂关节主要利用离合器和阻尼组件中的磁流变阻尼器控制关节的总体柔性，根据操作任务可实现俯仰和偏航两自由度刚性驱动功能和空间六维动量卸载相互转换，从而实现空间操作的软接触。
-
公开(公告)号：CN104589368A
公开(公告)日：2015-05-06
申请号：CN201410784247.7
申请日：2014-12-16
Applicant: 北京邮电大学 , 中国人民解放军装备学院
IPC: B25J17/00
Abstract: 本发明涉及空间机器人研究和工程领域，具体是基于十字轴结构的软接触关节，包括驱动传动机构、阻尼组件和传感部件。所述的驱动传动机构主要包括电机驱动单元、控制器、内壳、外壳、滑块和滑轨等，阻尼组件主要包括直线式磁流变阻尼器、离合器、旋转式磁流变阻尼器、弹簧机构和扭簧机构等，传感部件包括编码器、直线位移传感器等。所述的机械臂关节主要利用离合器和阻尼组件中的磁流变阻尼器控制关节的总体柔性，根据操作任务可实现俯仰和偏航两自由度刚性驱动功能和空间六维动量卸载相互转换，从而实现空间操作的软接触。
-
公开(公告)号：CN103273477A
公开(公告)日：2013-09-04
申请号：CN201310205386.5
申请日：2013-05-29
Applicant: 北京邮电大学
IPC: B25J5/00
Abstract: 本发明公开了一种可跳跃的移动机器人，包括弹簧锁定释放装置、弹簧跳跃机构、轮式移动装置、落地缓冲及姿态调整机构。轮式移动装置和锁定释放装置通过弹簧跳跃机构连接。弹簧锁定释放装置包括控制电机、一组减速齿轮，不完全齿轮和卷筒，卷筒通过钢丝绳与弹簧跳跃机构连接。弹簧跳跃机构包括两根连杆，两根连根一端固结一对同步齿轮，另一端分别连接一个滑块，两个滑块之间连接拉伸弹簧并可沿着导轨滑动。本发明通过自平衡系统控制轮式移动装置可实现机器人的平移运动，通过锁定释放装置控制跳跃机构，并结合水平方向的轮式移动实现机器人的跳跃运动；当机器人跳跃落地时可使用落地缓冲及姿态调整机构保护机器人本体并调整自身姿态。
-
公开(公告)号：CN102358421A
公开(公告)日：2012-02-22
申请号：CN201110262699.5
申请日：2011-09-06
Applicant: 北京邮电大学
Abstract: 一种飞行球形机器人，它包括一网状球壳，其内设依次连接的长轴电机、一圆环框架、长轴以及长轴转动支撑套，该长轴电机周围设有外配重，所述圆环框架内设依次连接的短轴电机、短轴、螺旋桨侧摆电机、弯轴、连接轴和短轴转动支撑套，所述螺旋桨侧摆电机侧向连接有内配重，另一方向连接带有螺旋桨的螺旋桨电机；所述长轴电机、短轴电机、螺旋桨侧摆电机、螺旋桨电机与设置在所述网状球壳内部的中央控制器相连。本发明飞行球形机器人既能在地面上滚动还能在空中飞行的飞行球形机器人。
-
Patent Agency Ranking
公开(公告)号：CN101281069A
公开(公告)日：2008-10-08
申请号：CN200810106346.4
申请日：2008-05-12
Applicant: 北京邮电大学
IPC: G01L3/00
Abstract: 本发明公开了一种装置内走线干扰力矩测试系统及测试方法。在测试系统中，底座平台上放置步进电机、转矩传感器和被测装置，步进电机输出轴经联轴器与转矩传感器旋转轴一端相连，转矩传感器旋转轴另一端经联轴器与被测装置上的固定轴相连，步进电机驱动器和转矩传感器与计算机相连。测试方法为：将未走线的被测装置置于装置支架上，调整设备轴高，连接被测装置，电机旋转，采样瞬时扭矩值，计算平均扭矩值，相似地，对安装全部走线的被测装置采样瞬时扭矩值，计算平均扭矩值；将两次测得的平均扭矩值相减，即得干扰力矩。本发明测试系统结构简单，装配精度高，测量结果准确。本发明测试方法可精确得到不同角度下内部走线装置的走线干扰力矩值。
-
公开(公告)号：CN114117674B
公开(公告)日：2024-07-19
申请号：CN202111415205.2
申请日：2021-11-25
Applicant: 北京邮电大学
IPC: G06F30/17 , G06F30/27 , G06F119/02 , G06F119/04
Abstract: 本发明提出一种基于机械设备时序信号的剩余寿命预测方法，针对有监督学习却没有足够初始特征的问题，采用嵌入门控循环单元和线性回归单元的栈式自编码网络，将解决类似任务的已知模型不断叠加并逐一复用，实现特征提取和寿命预测。本发明采用贪婪分层学习算法，采用自底向上的方式逐层对栈式自编码网络进行预训练，将预训练网络的每一层按照自编码器的形式进行堆叠，其中每一层都需要前层初始化完成之后才可以继续训练。本发明可实现对时间序列信号数据的初始化预训练，从而对整个深度神经网络进行微调，可以达到扩充数据信息联系、发掘数据信息潜在关系、降低网络训练深度的目的。
-
公开(公告)号：CN117113067A
公开(公告)日：2023-11-24
申请号：CN202310297233.1
申请日：2023-03-23
Applicant: 北京邮电大学
IPC: G06F18/2131 , A61B5/372 , G06F18/2136 , G06F18/2431 , G06N3/006
Abstract: 本发明提供了一种基于鲸鱼优化算法的混合时频空脑电特征提取方法，包括五个步骤：预处理、变分模态分解、鲸鱼优化、信号重构和特征提取。其中，变分模态分解和鲸鱼优化是本发明的关键环节，具体是指模拟鲸鱼的群体行为，对变分模态分解算法的分解参数进行优化，在改进变分模态分解算法特征提取性能的同时实现了数据自我优化，由此得到最佳本征模态数值和最优惩罚因子，使频带信号完成重构。最后，通过引入小波包算法和共空间滤波器，提取最终的混合时频空脑电特征。本发明提供的技术方案，不仅能从源头上解决信号模态混叠问题，提高脑电波的纯净性，还能通过对时、频、空域的充分挖掘，加强各特征域之间的联系，改善脑电信号分类精度。
-
公开(公告)号：CN112307220B
公开(公告)日：2023-08-18
申请号：CN202011191658.7
申请日：2020-10-30
Applicant: 北京邮电大学
Abstract: 本发明专利提供了一种数控加工领域知识图谱的数据分类模型，所述数据分类模型采用自顶向下的构建方法，以企业生产活动为线索，构建数控加工知识信息类、数控加工任务类技术劳动者类、以及产品信息类。以数控加工产品信息类为中心，串联知识图谱中各个知识信息。构建数控加工行业的知识本体层，在知识本体层的基础上抽象出元本体层，用来管理知识本体层的知识信息以及知识之间的联系，发掘知识图谱中隐藏的联系。通过本发明，能够为数控行业知识图谱模型的构建提供线索，本发明的数控行业知识图谱模型便于数控领域知识图谱的构建与信息维护，同时能够基于本数据模型开发数控加工行业的信息推荐系统，用于企业技术管理与员工培训。
-
公开(公告)号：CN114147706A
公开(公告)日：2022-03-08
申请号：CN202111415248.0
申请日：2021-11-25
Applicant: 北京邮电大学
IPC: B25J9/16
Abstract: 本发明专利提供了一种基于数字孪生的协作机器人远程监测系统与方法，所述监测系统基于数字孪生五维模型概念，以协作机器人为例，构建数字孪生远程监测系统。与传统远程监测系统相比，本发明有以下特点：实时性，数据来源于传感器，可以更准确反映出所监测对象的状态；持久性，数据最终会持久化至数据库中，便于对数据进行分析与处理；低时延，对虚拟模型进行简化，降低系统实时渲染的资源与时间消耗，增强实时性；实时健康状态评估，本发明采用模糊综合评价法实时评估机器人健康度，不需要大量历史数据训练模型，评估响应快。本发明可应用于复杂装备的人机共融场景的远程监测，可实时掌握装备状态，及时预警，减少安全事故的发生。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.043 seconds)
