调幅频偏心振动式月壤材料冲击岩破试验平台及其应用

    公开(公告)号:CN109974957A

    公开(公告)日:2019-07-05

    申请号:CN201910146981.3

    申请日:2019-02-27

    Abstract: 本发明涉及一种调幅频偏心振动式月壤材料冲击岩破试验平台及其应用,设有立板(1)、底板(2)、伺服电机(3)、梅花形弹性联轴器(4)、轴套(5)、输入主轴(6)、对顶螺母(7)、飞轮(8)、偏心盘轴(9)、连杆(10)、上滑块(11)、滑块一(12)、下滑块(13)、滑块二(14)、滑轨(15)、压力传感器(16)、钻夹头连接杆(17)、钻头(18)、台钳(19)、台钳升降移动楔形块(20)、支撑光轴(21)、摇把子(22)、铜螺母(23)、铜螺母垫块(24)、丝杠螺母机构(25)、罩子(26);具有刀具互换性高,岩破强度大、岩破深度与岩破幅值可调、产生振动稳定、整体稳定性好、安全系数高、试验数据易获得等优点。

    一种滑槽式空间自重构细胞机器人的连接单元

    公开(公告)号:CN109571451B

    公开(公告)日:2022-10-14

    申请号:CN201811578457.5

    申请日:2018-12-24

    Abstract: 本发明涉及一种滑槽式空间自重构细胞机器人的连接单元,其特征在于:所述连接单元的外形为正六面体,包括六个连接面、两组主动连接盘、连接块、四组随机被动连接盘、导轨支撑架和主动连接机构,其中:所述两组主动连接盘分别设置于所述六个连接面的其中一组相对连接面上,并分别通过沿圆周均匀布置的四组长方体连接块依靠螺钉固连;所述四组随机被动连接盘设置在除主动连接盘占用的一组相对连接面以外的四个连接面上,根据连接需要用螺钉固连或拆除;本发明具备两个相对方向的主动连接功能,并且在连接过程中互不影响,增强了连接单元的功能适应性,主动连接机构的连接强度大,接口脱离是接口连接的逆运动,节省了自重构时间。

    一种滑槽式空间自重构细胞机器人的连接单元

    公开(公告)号:CN109571451A

    公开(公告)日:2019-04-05

    申请号:CN201811578457.5

    申请日:2018-12-24

    CPC classification number: B25J9/08

    Abstract: 本发明涉及一种滑槽式空间自重构细胞机器人的连接单元,其特征在于:所述连接单元的外形为正六面体,包括六个连接面、两组主动连接盘、连接块、四组随机被动连接盘、导轨支撑架和主动连接机构,其中:所述两组主动连接盘分别设置于所述六个连接面的其中一组相对连接面上,并分别通过沿圆周均匀布置的四组长方体连接块依靠螺钉固连;所述四组随机被动连接盘设置在除主动连接盘占用的一组相对连接面以外的四个连接面上,根据连接需要用螺钉固连或拆除;本发明具备两个相对方向的主动连接功能,并且在连接过程中互不影响,增强了连接单元的功能适应性,主动连接机构的连接强度大,接口脱离是接口连接的逆运动,节省了自重构时间。

    一种基于数字孪生及生成式AI的数据合成与增强方法

    公开(公告)号:CN118747719A

    公开(公告)日:2024-10-08

    申请号:CN202411014875.7

    申请日:2024-07-26

    Inventor: 赵阳 陈康宇 孟冉

    Abstract: 本发明属于计算机视觉技术领域,且公开了一种基于数字孪生及生成式AI的数据合成与增强方法,通过图像三维重建构建植株数字模型,利用多视角图像和计算机视觉技术实现,基于三维模型合成数据集,通过三维图形软件设计与渲染获得二维图像及标注,合成数据集并测试其效果,利用生成式AI模型生成植株三维模型,合成数据用于训练,本发明利用计算机合成数据增强的方法可解决图像分割等深度学习算法训练数据缺乏等问题,并且通过生成式人工智能与数字孪生技术为合成数据增强,利用三维重建技术构建真实世界中植物的数字模型,利用生成式AI技术生成植物三维数字模型,以生成合成数据的方法解决图像分割任务中训练数据难以获得的问题。

    一种基于深度强化学习的动态频率和深度学习模型卸载联合调节方法及系统

    公开(公告)号:CN115827239A

    公开(公告)日:2023-03-21

    申请号:CN202211603470.8

    申请日:2022-12-13

    Abstract: 本发明提出了一种基于深度强化学习的动态频率和深度学习模型卸载联合调节方法及系统,首先建立边缘设备能耗最小化模型;然后构建基于DVFS的边云协同推理框架,以联合优化边缘设备的能耗和端到端延迟;再构建基于DRL的增强型DVFS优化算法DVFO,通过联合优化边缘设备的计算频率和特征图的卸载比例来减少边缘设备的整体能耗;最后建立卸载机制,以解决特征图的卸载瓶颈问题,避免特征图的大小直接影响边云协同推理的端到端延迟;本发明用于云边协同推理中的DNN特征图卸载,使用“边移动边思考”并发策略的强化学习算法为每个任务计算特征图的最佳卸载比和边缘设备的计算频率,以最小化边缘设备的能耗。

Patent Agency Ranking