平动匀速夹紧机械手爪

    公开(公告)号:CN101497196A

    公开(公告)日:2009-08-05

    申请号:CN200910096414.8

    申请日:2009-03-02

    Abstract: 本发明涉及平动匀速夹紧机械手爪。现有技术外形尺寸大、控制复杂度高。本发明包括步进电机、固定套筒、十字连杆和四个手指。十字连杆设置在固定套筒内,四个端部伸出导向槽设置,步进电机通过丝杆螺母运动副与十字连杆连接。四个手指分别与十字连杆的四个端部连接。手指包括指尖、限位连杆、移动连杆、斜撑架。移动连杆中的第二移动杆具有延伸部分,延伸部分为弧形,开有弧形滑槽,斜撑架上的固定销与弧形滑槽位置配合,弧形延伸部分利用弧形滑槽沿固定销移动。本发明采用单电机驱动,手爪的四个手指沿中心轴对称,当驱动电机匀速转动时,手爪指尖的夹紧或张开速度是均匀平动,有利于指尖与目标物体的接触与手爪对目标物体的整体抓握。

    基于twins多层级特征的行人重识别方法

    公开(公告)号:CN114419665A

    公开(公告)日:2022-04-29

    申请号:CN202111579207.5

    申请日:2021-12-22

    Abstract: 本发明公开了一种基于twins多层级特征的行人重识别方法,方法流程如图1所示。首先提取twins的第三阶段和第四阶段的特征图,将第三阶段的特征图经过设计的一个Convblock,其中包括二维卷积,均值归一化层,SE注意力层,激活函数层,水平切分得到两局部特征图,再经过池化,降维等操作得到两个特征向量;将第四阶段的特征图经过池化降维等操作得到一个特征向量。将这三个特征向量分别经过三个分类层得到三个预测分类。最后将特征向量送入三元组损失,预测分类送入交叉熵损失和中心损失进行联合训练。训练80个迭代后,模型进入拟合状态,最后用数据集的query集和gallery集来评估模型的性能。

    基于多通道表面肌电信号分解的传递熵耦合分析方法

    公开(公告)号:CN114041808A

    公开(公告)日:2022-02-15

    申请号:CN202111564088.6

    申请日:2021-12-20

    Abstract: 本发明公开了一种基于多通道表面肌电信号分解的传递熵耦合分析方法,本发明首先运用卷积核补偿方法将多通道表面肌电信号进行运动单元分解,将原先由多个运动单元叠加在一起的肌电信号分解。运动单元分解后,使用传递熵建立相关性矩阵,运用阈值法或固定加权边法去除较弱的连接边,构建与运动功能相关的肌间网络模型,绘制肌电各频段无向图,计算出连通率、小世界特性等肌间网络指标建立复杂网络,揭示肢体运动区之间的功能连接和相互影响。通过运动单元分解,计算传递熵构建复杂网络从根本上分析肌电信号的耦合特性。为研究肌间耦合分析提供新方法。

    基于U-net网络的多通道视网膜血管图像分割方法

    公开(公告)号:CN112465842A

    公开(公告)日:2021-03-09

    申请号:CN202011526420.5

    申请日:2020-12-22

    Abstract: 本发明公开了一种基于U‑net网络的多通道视网膜血管图像分割方法。本发明首先对数据集图像进行扩增处理和一系列的预处理,提高图像质量;其次将多尺度匹配滤波算法与改进的形态学算法相结合,构建U‑net网络的多通道特征提取结构;随后对三个通道进行网络训练,获得所需的分割网络,并对输出结果采用自适应阈值处理。本发明方法结合了U‑net网络与多尺度的匹配滤波算法,与单纯的U‑net网络相比,能够提取到更多的血管特征,具有更高的分割准确性和灵敏度,缓解视网膜血管图像细小血管分割不足以及错误分割的问题。

    基于共同空间模式特征宽度学习的脑电分类方法

    公开(公告)号:CN109685071A

    公开(公告)日:2019-04-26

    申请号:CN201811454615.6

    申请日:2018-11-30

    CPC classification number: G06K9/46 G06K9/36

    Abstract: 本发明涉及一种基于共同空间模式特征宽度学习的脑电分类方法,旨在利用共同空间模式方法提取出运动想象脑电信号的本质特征之后利用宽度学习算法对其进行准确且快速的分类,以达到良好的分类效果。本发明首先获取多通道运动想象脑电信号,对其进行预处理操作,接着利用一对多的共同空间模式算法从预处理以后的脑电信号中提取出多类脑电特征,结合宽度学习方法构建多类运动想象脑电信号分类框架,然后利用新的脑电特征信号对模型进行分类测试。本发明采用宽度结构神经网络代替深度结构神经网络来训练模型可以有效的提高分类准确率同时大大降低训练的耗时,在脑电信号处理以及分类领域具有广阔的应用前景。

    一种结合PCA和PCANet的驾驶疲劳特征提取方法

    公开(公告)号:CN109254654A

    公开(公告)日:2019-01-22

    申请号:CN201810947723.0

    申请日:2018-08-20

    Abstract: 本发明公开了一种结合PCA和PCANet的驾驶疲劳特征提取方法。本发明包含以下步骤:1、使用脑电采集设备采集驾驶脑电信号;2、对采集到的脑电信号进行预处理,包括降频、降噪;3、对预处理后的信号通过结合PCA和PCANet的特征提取方法提取特征;4、对提取的特征使用分类器进行分类学习、识别。本发明使用结合PCA和PCANet的驾驶疲劳特征提取方法,相比单独使用PCANet产生的维度爆炸,一方面可以降低对计算机的运算要求,同时加快了计算速度,减少了运算的时间,有利于后续的实时监测;另一方面PCANet这个图像的处理方法跨领域使用在驾驶疲劳特征的提取,也使分类的准确率有了有效的提升。

    用于振动测试的电机控制与多功能保护电路

    公开(公告)号:CN104052350B

    公开(公告)日:2016-04-13

    申请号:CN201410037576.5

    申请日:2014-01-26

    Abstract: 本发明涉及一种用于振动测试的电机控制与多功能保护电路,包括直流电机运行控制电路、短路保护电路、断路检测与断路点判断电路,具体包括光控MOS管U1、电感L1、电流传感器CS1、电机M、短路比较器IC1、断路比较器IC2、光耦IC3、驱动三极管Q1、短路三极管Q2、断路三极管Q3、限流电阻R1、基极电阻R2、阻挡稳压管DW1、输入电阻R3,晶闸管VT1等。本发明利用在主电路中串接电感及与电路参数配合关系以可靠地进行短路保护;结合电机运行控制信号与实际电流信号以可靠判断主电路的断路与否,并能可靠地分辨出是主电路内部断路,还是现场电机或其连线断路。该方法准确度高、实时性强、成本低、通用性好、可靠性高。

    用于振动测试的电机控制与多功能保护电路

    公开(公告)号:CN104052350A

    公开(公告)日:2014-09-17

    申请号:CN201410037576.5

    申请日:2014-01-26

    Abstract: 本发明涉及一种用于振动测试的电机控制与多功能保护电路,包括直流电机运行控制电路、短路保护电路、断路检测与断路点判断电路,具体包括光控MOS管U1、电感L1、电流传感器CS1、电机M、短路比较器IC1、断路比较器IC2、光耦IC3、驱动三极管Q1、短路三极管Q2、断路三极管Q3、限流电阻R1、基极电阻R2、阻挡稳压管DW1、输入电阻R3,晶闸管VT1等。本发明利用在主电路中串接电感及与电路参数配合关系以可靠地进行短路保护;结合电机运行控制信号与实际电流信号以可靠判断主电路的断路与否,并能可靠地分辨出是主电路内部断路,还是现场电机或其连线断路。该方法准确度高、实时性强、成本低、通用性好、可靠性高。

    远距离自检式振动信号变送电路

    公开(公告)号:CN103808404A

    公开(公告)日:2014-05-21

    申请号:CN201410038211.4

    申请日:2014-01-26

    Abstract: 本发明涉及一种远距离自检式振动信号变送电路,包括通道自检控制电路、电荷-电压变换电路、带通滤波和电压-电流变换电路,具体包括正弦波芯片IC1、输入连接件CN1、继电器K1、转换电容C2、跟随器IC2、滤波运放IC3、放大器IC4、隔直电容C3、隔直电阻R4、高频电阻R5、高频电容C4、正端电阻R8、负端电阻R9、反馈电阻R10、偏置电阻R11、转换电阻R12、综合连接件CN2等。本发明在外控信号的作用下,工作于正常的信号处理变送状态,工作于监测通道的自检状态,利用正弦波作为通道自检的测试信号,且该变送电路可同时输出电压信号和电流信号,本发明电路实时性强、成本低、通用性好、可靠性高。

Patent Agency Ranking