-
公开(公告)号：CN119844292A
公开(公告)日：2025-04-18
申请号：CN202510060448.0
申请日：2025-01-15
Applicant: 无锡北微传感科技有限公司
IPC: F03D7/04
Abstract: 本发明公开了基于Mems传感器的偏航过程误差补偿方法及系统，属于风力发电机控制技术领域。该方法包括：获取并分析Mems传感器基本参数得到误差影响值；采集并分析环境影响参数，得到Mems传感器的误差变化值；偏航控制器提取Mems传感器采集信息获取风电机的初始偏航角，综合误差影响值和误差变化值得到误差补偿值，偏航控制器根据误差补偿值对风电机的偏航角进行误差补偿；监测并分析偏航控制器驱动系统的表现性能数据对偏航控制器驱动系统进行调节。本发明通过根据Mems传感器的基本特征和环境特征进行误差补偿并调节偏航控制器驱动系统，达到了准确地对风机的偏航过程进行误差补偿，解决了现有技术中无法准确地对风机的偏航过程进行误差补偿的问题。
-
公开(公告)号：CN118228681B
公开(公告)日：2024-12-20
申请号：CN202410223838.0
申请日：2024-02-28
Applicant: 无锡北微传感科技有限公司
IPC: G06F30/398 , G06F30/337
Abstract: 本发明公开了一种数字系统电源分配网络阻抗的优化方法及系统，涉及电源分配网络技术领域。该数字系统电源分配网络阻抗的优化方法，基于数字系统电源的寄生参数匹配PDN去耦方案集；利用PDN去耦方案集对数字系统电源的贴装PCB和微系统基板进行去耦，确定PDN去耦效果最好的PDN去耦方案为基准PDN去耦方案；基于基准PDN去耦方案匹配得到优化方案集；利用匹配得到优化方案集对基准PDN去耦方案进行优化，获取最优PDN去耦方案。通过匹配得到的PDN去耦方案集和优化方案集，考虑了数字系统电源的寄生参数、贴装PCB和微系统基板的去耦需求，解决了微系统内部空间有限与去耦电容需求量大的矛盾。
-
公开(公告)号：CN117544957A
公开(公告)日：2024-02-09
申请号：CN202311477005.9
申请日：2023-11-08
Applicant: 无锡北微传感科技有限公司
IPC: H04W12/122 , H04W40/32 , H04W84/18
Abstract: 本发明涉及安全分析的技术领域，公开了一种无线传感网络安全分析方法，所述方法包括：将传感器节点划分为中心节点和叶子节点；构建无线传感网络叶子节点安全度评估模型并对叶子节点进行安全度评估；构建无线传感网络中心节点安全度评估模型并对中心节点进行安全度评估；分别确定叶子节点和中心节点的自适应信任阈值；将安全度评估结果低于信任阈值的传感器节点从无线传感网络中筛除。本发明根据传感器节点的通信频率、通信行为以及所感知数据的可靠程度对传感器节点的安全度进行评估，分别确定叶子节点和中心节点的自适应信任阈值，将安全度评估结果低于信任阈值的传感器节点从无线传感网络中筛除，实现无线传感网络的安全分析。
-
公开(公告)号：CN110887481B
公开(公告)日：2020-07-24
申请号：CN201911262998.1
申请日：2019-12-11
Applicant: 中国空气动力研究与发展中心低速空气动力研究所 , 无锡北微传感科技有限公司
Abstract: 一种基于MEMS惯性传感器的载体动态姿态估计方法，包括以下步骤：获取三轴加速度计数据并通过加速度计噪声模型进行处理；获取三轴陀螺仪数据并通过陀螺仪噪声模型进行处理；将以上三轴陀螺仪处理后的数据和三轴加速度计数据处理后的数据通过EKF滤波器处理，然后再进行多传感信息融合，求取姿态角，更新姿态信息。由此，通过加速度计噪声模型对加速度计数据进行处理，通过陀螺仪噪声模型对陀螺仪数据进行处理，将以上三轴陀螺仪处理后的数据和三轴加速度计数据处理后的数据通过EKF滤波器进行多传感信息融合，进而稳定准确地得到动态载体的姿态信息。
-
公开(公告)号：CN110887480A
公开(公告)日：2020-03-17
申请号：CN201911262990.5
申请日：2019-12-11
Applicant: 中国空气动力研究与发展中心低速空气动力研究所 , 无锡北微传感科技有限公司
Abstract: 本发明公开了基于MEMS传感器的飞行姿态估计方法及系统，该方法包括：采集加速度计和磁力计的数据，确定载体坐标系；将载体坐标系转化成地面坐标系，并求误差；使用误差校正陀螺仪输出的数据；使用校正后的陀螺仪数据进行四元数更新，得到新的姿态角；使用新的姿态角进行卡尔曼滤波得到飞行姿态估计结果。本发明提供的基于MEMS传感器的飞行姿态估计方法及系统，通过加速度计和磁力计的数据计算载体坐标系，再求误差，使用该误差来校正陀螺仪的输出，使陀螺仪的输出更准确，有效解决陀螺仪产生累计漂移误差的问题，增加卡尔曼滤波器输出结果的精确度；使用四元数参与计算，降低整体的运算量，降低运算成本。
-
Patent Agency Ranking
公开(公告)号：CN109067381A
公开(公告)日：2018-12-21
申请号：CN201810730273.X
申请日：2018-07-05
Applicant: 无锡北微传感科技有限公司
CPC classification number: H03H21/0025 , G01C19/00 , G01C21/16 , H03H21/0043
Abstract: 本发明公开了一种MEMS陀螺仪随机噪声的实时滤波系统，包括MEMS陀螺仪和微处理器MCU，陀螺仪与MCU通过信号线连接。算法模块包括AMA模块、以及FAKF滤波器；所述FAKF滤波器包括RLS模块、FLC模块以及AKF模块。本发明的实时滤波方法采用改进的RLS拟合ARMA时间序列模型各项系数，对获得的陀螺仪的噪声序列实时更新模型中的系数a1、a2、c1和σ2，有效解决离线模型中的噪声模型与长时间运动后的噪声特性不一致的问题。本发明通过采用AMA方法检测陀螺仪运动过程中的突变点，对稳态运动状态采用较小Qi值，以提高其精度，而对剧烈变加速运动状态采用较大的Qi值，以提高其对运动的跟随能力，解决动态运动精度和跟随能力的问题。
-
公开(公告)号：CN118194802B
公开(公告)日：2024-11-08
申请号：CN202410297156.4
申请日：2024-03-15
Applicant: 无锡北微传感科技有限公司
IPC: G06F30/373
Abstract: 本发明涉及电源完整性仿真技术领域，具体公开基于微系统的电源完整性仿真方法和系统，该方法包括：获取基于微系统的电源数据集，根据微系统的电源数据集得到基于微系统的电源模型特征值，获取基于微系统的电源模型特征比对偏差值，比对得到基于微系统的电源网络PDN阻抗仿真参数阈值，结合电源网络PDN阻抗仿真数据集得到电源网络PDN阻抗仿真评估值，比对得到电源网络完整性特征值，使工程师能够精确分析电源系统的性能，有助于避免潜在的电源问题，仿真数据可用于优化PDN设计，确保系统在各种负载和工作条件下都能提供稳定的电源，这有助于降低系统中电源噪声、电压下降等问题的发生。
-
公开(公告)号：CN118151884A
公开(公告)日：2024-06-07
申请号：CN202410278874.7
申请日：2024-03-11
Applicant: 无锡北微传感科技有限公司
Abstract: 本发明公开了一种芯片焊盘跌落抗击优化方法，涉及电路板跌落测试领域。该芯片焊盘跌落抗击优化方法，通过获取历史芯片焊盘测试数据，并进行预处理；对预处理之后的历史芯片焊盘测试数据进行分析，获得芯片焊盘的损害焊点位置数据；基于芯片焊盘损害焊点位置数据剔除芯片焊盘上的损害焊点，并基于随机算法对芯片焊盘上剩余焊点进行初次排列，获得多组焊点位置不同的初次排列芯片焊盘；读取多组焊点位置不同的初次排列芯片焊盘，本发明通过利用历史测试数据和随机算法，通过多次排列和计算，找到最优的焊点位置参数，提高了芯片焊盘的跌落抗击能力，有望减少损害焊点的发生，增强产品的可靠性和耐用性。
-
公开(公告)号：CN117527570B
公开(公告)日：2024-05-17
申请号：CN202311735253.9
申请日：2023-12-18
Applicant: 无锡北微传感科技有限公司
Abstract: 本发明属于通信技术领域，公开了基于边缘强化学习的传感器集群位置优化方法，方法包括：每个异构传感器负责收集传感数据；每个预定区域设置一个边缘计算节点，区域中的异构传感器将收集到的传感数据传输到边缘计算节点进行边缘计算；各个区域的边缘计算节点将边缘计算后的数据发送到中心服务器，中心服务器对数据进行强化学习，学习如何优化传感器的位置和关系以达到最优的系统性能；根据最优策略，中心服务器向边缘计算节点发送指令，指导各个传感器调整位置和状态；传感器位置调整后，中心服务器再次进行强化学习直到获得最优部署位置。本发明通过边缘计算，在数据源近处进行计算，节省网络带宽，提高数据处理速度，提高网络效率。
-
公开(公告)号：CN116881846B
公开(公告)日：2024-04-05
申请号：CN202310869792.5
申请日：2023-07-17
Applicant: 无锡北微传感科技有限公司
IPC: G06F18/25 , G06N3/04 , G06N3/08 , G06F18/2411 , G01D21/02
Abstract: 本发明属于铁塔监控技术领域，公开了一种基于多传感器信息融合的多模态通信铁塔监测方法，步骤包括：采集风速、塔身振动响应、塔身倾斜位移、桁架架构形变、塔基沉降参数；从采集的参数中提取时域和频域特征；从所有特征选择最敏感特征或参数的几个特征，放入敏感特征组，其余特征放入非敏感特征组；构造样本集，将样本集中的特征分为敏感特征和非敏感特征分别输入深度神经网络模型中进行训练，得到敏感特征的识别模型和非敏感特征的识别模型；将两个识别模型进行融合，得到最终的故障识别结果，并输出故障识别结果的置信度。本发明对各种类型铁塔进行多模态分析，实现通信铁塔从设计到运营的全周期、多模态监测。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.041 seconds)
