-
公开(公告)号:CN106074089A
公开(公告)日:2016-11-09
申请号:CN201610553123.7
申请日:2016-07-14
Applicant: 南昌大学
CPC classification number: A61H1/0218 , A61H1/0285 , A61H1/0288 , A61H2201/1207 , A61H2201/1269 , A61H2201/1659 , A61H2201/50 , A61H2201/5069 , A61H2205/065 , A61H2205/067 , B25J11/008
Abstract: 本发明公开了一种双手跟踪式手指康复机器人系统,包括正常手端的三指结构和恢复手端的三指结构,康复过程实现单元包括运动感知单元、训练学习单元和动作执行与监测单元;运动感知单元分别分布在正常手和恢复手,其输出端均与训练学习单元输入端连接;动作执行与监测单元的输入端与恢复手的运动感知单元输出端连接,通过正常手的动作习惯牵引患者手指进行运动;系统首先通过EMG传感器Ⅰ、三维角度传感器Ⅰ和三维角度传感器Ⅱ对正常手动作结果进行测量,并输出给微控制系统进行分析、训练与学习,微控制系统根据判断结果控制恢复手端进行对称运动。本发明采用双手跟踪式康复设计,可以有效刺激患者大脑恢复并建立正常手与恢复手的对称联系,加快相关功能的恢复;且采用三指结构,重量轻、便于携带,适用于家庭康复。
-
公开(公告)号:CN103205798B
公开(公告)日:2016-02-24
申请号:CN201310090079.7
申请日:2013-03-21
Applicant: 南昌大学
CPC classification number: Y02P70/521
Abstract: 本发明公开了铸硅制造方法和以铸硅实体为材料的太阳能电池制造方法。该铸硅制造方法包括在至少一个表面上放置与包含单晶硅的至少一个硅籽晶接触的硅原料;将硅原料和所述至少一个硅籽晶加热到硅的熔融温度;在熔融处理的过程中利用能量积分的方式进行精确控制,以获得更理想的铸造单晶硅。
-
公开(公告)号:CN103862473A
公开(公告)日:2014-06-18
申请号:CN201410075423.X
申请日:2014-03-04
Applicant: 南昌大学
CPC classification number: B25J3/00 , B25J9/1602 , B25J9/1664
Abstract: 本发明公开一种基于从端本地数据的波变量位移跟踪控制方法,旨在解决在有时延条件下,波变量引起主端机、从端机的跟踪偏差的技术问题,本发明的方法是针对有时延的波变量主从遥操作系统,根据从端机的本地数据,对波变量变换引起的主从遥操作系统中主端机、从端机的位移偏差进行补偿,使得从端机的速度和位移都能准确地跟踪主端机的速度和位移,以提高主从遥操作系统的稳定性及跟踪性能。
-
公开(公告)号:CN103205798A
公开(公告)日:2013-07-17
申请号:CN201310090079.7
申请日:2013-03-21
Applicant: 南昌大学
CPC classification number: Y02P70/521
Abstract: 本发明公开了铸硅制造方法和以铸硅实体为材料的太阳能电池制造方法。该铸硅制造方法包括在至少一个表面上放置与包含单晶硅的至少一个硅籽晶接触的硅原料;将硅原料和所述至少一个硅籽晶加热到硅的熔融温度;在熔融处理的过程中利用能量积分的方式进行精确控制,以获得更理想的铸造单晶硅。
-
公开(公告)号:CN117094239A
公开(公告)日:2023-11-21
申请号:CN202310504931.4
申请日:2023-05-06
Applicant: 南昌大学
IPC: G06F30/28 , G06F30/25 , G06F17/13 , G06F17/16 , G06F119/14 , G06F119/12 , G06F111/04 , G06F113/08
Abstract: 本发明提出一种基于动态压力校正的高粘性流体流变模拟方法,该方法首先计算出隐式粘性力速度后,将密度的随体导数作为源项,并将校正压力定义为压强的逆梯度形式,完成了密度动态校正系数的解算,其次通过将校正压力作为下一次速度场的预测迭代量,最后将实际密度与静态密度的残差作为源项,并将拉格朗日连续方程用欧拉积分进行展开后带入求解新的散度校正系数的解算,之后通过将校正压力作为上一次预测速度的迭代量。本发明能够解决传统SPH算法中造成速度变化上的截断误差,而导致体积误差随时间的累积,造成体积的衰减,另一方面会造成密度校正稳态误差过大,导致密度震荡的发生以及高粘性模拟不稳定的问题。
-
公开(公告)号:CN112549010B
公开(公告)日:2022-11-08
申请号:CN202011529953.9
申请日:2020-12-22
Applicant: 南昌大学
Abstract: 本发明公开的一种基于改进Serpenoid曲线的多关节蛇形机器人自适应轨迹跟踪控制器设计方法,属于仿生机器人运动控制领域。本发明包括如下步骤:根据多关节蛇形机器人的自身结构和关节特征,通过坐标变换建立机器人的运动学模型;制定轨迹跟踪控制器的控制目标;提出多关节蛇形机器人改进Serpenoid曲线的控制方程;设计轨迹跟踪控制器,实现机器人对连杆角、关节角和运动位置的控制作用;寻找Lyapunov函数来验证控制器的渐进稳定性;通过实验,观察多关节蛇形机器人的运动方式,分析机器人的运动轨迹,验证所提出的控制器的有效性。本发明要解决的技术问题是设计基于改进Serpenoid曲线的多关节蛇形机器人自适应轨迹跟踪控制器,为蛇形机器人的路径跟踪控制奠定了理论基础。
-
公开(公告)号:CN114050293A
公开(公告)日:2022-02-15
申请号:CN202111200486.X
申请日:2021-10-15
Applicant: 南昌大学
IPC: H01M8/04298 , H01M8/04992 , H01M8/04664
Abstract: 本发明公开了一种固体氧化物燃料电池系统的工况辨识方法,包括构建固体氧化物燃料电池系统机理模型和构建径向基神经网络模型,利用机理模型、径向基神经网络模型构建混合模型;系统的输出数据与机理模型的输出偏差用于训练径向基神经网络补偿模型,用以修正机理模型来获得跟踪性能良好的高精度固体氧化物燃料电池系统模型。高精度模型的训练采用的数据有系统的燃料、空气、去离子水、电压和负载的输入值,输出值包括固体氧化物燃料电池电堆的温度、尾气燃烧室的温度以及系统的输出电流值。再构建系统电堆的工况决策阈值,当实验数据低于额定信号的百分比阈值时,则可以判断系统工况的变化。此方法可以有效地确认系统工况的实时变化。
-
公开(公告)号:CN113144543A
公开(公告)日:2021-07-23
申请号:CN202110436946.2
申请日:2021-04-22
Applicant: 南昌大学
Abstract: 本发明公开了一种基于IMU惯导传感器的虚拟现实人体康复训练系统,包括IMU惯导传感器、PC端数据接收模块、虚拟现实数据处理模块、虚拟现实显示设备、IMU传感器固定绑带和IMU惯导传感器防护外壳;所述IMU惯导传感器通过IMU传感器固定绑带固定在用户关节部位,所述IMU惯导传感器防护外壳内部集成有IMU惯导传感器数据测量模块、IMU惯导传感器蓝牙通信模块和电源模块,IMU惯导传感器防护外壳外壁安装有LED指示灯和传感器开关。本发明可有效的为脑卒病人提供肢体康复训练,由于传统的康复训练枯燥乏味,利用基于IMU惯导传感器的虚拟现实人体康复训练,可以有效的为病人带来更好的康复训练体验。
-
公开(公告)号:CN112549010A
公开(公告)日:2021-03-26
申请号:CN202011529953.9
申请日:2020-12-22
Applicant: 南昌大学
Abstract: 本发明公开的一种基于改进Serpenoid曲线的多关节蛇形机器人自适应轨迹跟踪控制器设计方法,属于仿生机器人运动控制领域。本发明包括如下步骤:根据多关节蛇形机器人的自身结构和关节特征,通过坐标变换建立机器人的运动学模型;制定轨迹跟踪控制器的控制目标;提出多关节蛇形机器人改进Serpenoid曲线的控制方程;设计轨迹跟踪控制器,实现机器人对连杆角、关节角和运动位置的控制作用;寻找Lyapunov函数来验证控制器的渐进稳定性;通过实验,观察多关节蛇形机器人的运动方式,分析机器人的运动轨迹,验证所提出的控制器的有效性。本发明要解决的技术问题是设计基于改进Serpenoid曲线的多关节蛇形机器人自适应轨迹跟踪控制器,为蛇形机器人的路径跟踪控制奠定了理论基础。
-
公开(公告)号:CN111047038A
公开(公告)日:2020-04-21
申请号:CN201911084979.4
申请日:2019-11-08
Applicant: 南昌大学
Abstract: 本发明公开了一种利用分块循环矩阵的神经网络压缩方法,涉及神经网络压缩方法领域,通过读取神经网络中最长基础随机符号向量,在神经网络的每层生成与该层输入维度相等的符号向量并与输入向量元素相乘得到新的输入向量,并训练构成新的块循环网络,存储最长基础随机符号向量和神经网络模型参数;采用细粒度的神经网络压缩方法对模型进行剪枝,进一步降低模型复杂度。通过引入随机符号向量,减少投影向量之间的相关性,从而保证模型的收敛,达到有效减少存储和带宽的目的。同时,避免了处理分块循环矩阵压缩神经网络时,由于分块大小增大而引起的性能下降的问题。
-
-
-
-
-
-
-
-
-