-
公开(公告)号：CN108093423A
公开(公告)日：2018-05-29
申请号：CN201711369019.3
申请日：2017-12-18
Applicant: 北京工业大学
Abstract: 本发明公开一种基于Ransac算法的用户话单大数据中基站位置异常的发现方法，包括：针对待检测话单数据，统计预设时间内连接该基站之前与之后连接其他两基站的信息；选取预定数量基站，计算这些基站的中心和中心到这些基站的距离，作为Ransac算法采用的参数模型；利用该参数模型，对剩余基站进行统计，依据Ransac算法原理，如新获得的计算中心参数或中心距参数使符合该参数模型的基站位置信息低于某一阈值时，则判断这个基站为位置异常基站。本发明通过对用户话单中连接该基站之前与之后连接其他两基站相关信息的挖掘、分析与计算，找出当前存疑基站信息。
-
公开(公告)号：CN108093417A
公开(公告)日：2018-05-29
申请号：CN201711366688.5
申请日：2017-12-18
Applicant: 北京工业大学
Abstract: 本发明公开一种基于基站分布密度自适应的基站位置纠偏方法，包括：步骤1、针对待检测基站，统计预设时间内连接该基站前、后连接其他基站的信息；步骤2、对于这些基站，选取与该判断基站连接频次最高的多个基站，计算这些基站之间的两两距离，进而得出存疑基站所处地区基站的大概距离分布密度；步骤3、基于某一区域地貌、环境状况相近，基站架设距离密度也大致相似的原理，利用该距离分布密度模型，在当前区域选取一点，使该点到上述基站各点距离对这一区域距离密度模型的影响最小；步骤4、通过对距离密度模型统计曲线变动的分析与计算，基于对密度影响最小的原则，给出该基站的最佳经、纬度估计。
-
公开(公告)号：CN107729940A
公开(公告)日：2018-02-23
申请号：CN201710982406.8
申请日：2017-10-20
Applicant: 北京工业大学
IPC: G06K9/62
CPC classification number: G06K9/6278 , G06K9/6256
Abstract: 本发明公开一种基于 的用户话单大数据基站连接信息用户关系推定方法，包括如下步骤：(1)基于话单大数据信息，发掘能从根本上反映不同用户之间关系亲疏程度的相关特征数据；(2)对所要分析用户间上述话单数据中基站数据进行分析，对上述相关特征信息进行提取、分析和处理；(3)根据上述特征信息，采用 分类算法，对分类模型进行训练并基于训练所得分类模型在上述地点中对用户关系的紧密程度进行计算，进而基于该计算结果推断用户之间可能的亲密程度。
-
公开(公告)号：CN1915953A
公开(公告)日：2007-02-21
申请号：CN200610113042.1
申请日：2006-09-08
Applicant: 北京工业大学
Abstract: 本发明涉及一种金属卟啉催化空气氧化制备樟脑醌的方法，在0.1－1mol溴代樟脑中加入摩尔百分比0.01－0.1％具有通式(I)、(II)结构的单核金属卟啉或通式(III)结构的μ－氧－双核金属卟啉作为催化剂，选用50－500mL乙二醇，硝基苯，N，N－二甲基亚砜或N，N－二甲基甲酰胺为溶剂，选用碘化钠，硫醇，偶氮类或过氧化物类为自由基引发剂，其用量为溴代樟脑摩尔百分比的0.5－4倍，通入空气，流速控制在5－15L/h，控制反应温度为100－160℃，反应0.5－3h，得到樟脑醌粗品，采用常规方法分离、提纯后，得到樟脑醌纯品，m.p.196－198℃，采用高效液相色谱法测定樟脑醌纯度大于99.5％，其收率最高可达99.8％。本发明方法成本低、污染小，收率高。
-
公开(公告)号：CN112558605B
公开(公告)日：2022-12-16
申请号：CN202011419778.8
申请日：2020-12-06
Applicant: 北京工业大学
IPC: G05D1/02
Abstract: 本发明公开了一种基于纹状体结构的机器人行为学习系统及其学习方法，属于仿生学技术领域。机器人行为学习系统由感觉皮质、运动皮质、海马体、丘脑、黑质致密部、腹侧被盖区和纹状体组成，其中纹状体包括纹状小体和基质。纹状小体接收由海马体位置细胞产生的定位信息和由黑质致密部和腹侧被盖区产生的多巴胺信息，同时根据操作条件反射机制更新机器人的取向性信息。基质接收纹状小体的取向性信息，同时根据改进的ε‑greedy算法进行动作的选取。机器人与环境进行一段时间交互后可以形成行为习惯。本发明不仅给出动物习惯性行为生成的一种可能的解释，而且可以指导机器人自主行为学习。本发明的方法可应用到机器人导航、生理学、动物行为学等诸多领域。
-
Patent Agency Ranking
公开(公告)号：CN114603571A
公开(公告)日：2022-06-10
申请号：CN202210167218.0
申请日：2022-02-23
Applicant: 北京工业大学 , 橙网(南京)人工智能研究院有限公司
Abstract: 本发明提供了一种负载自动均衡稳定的智能仓储搬运机器人系统，包括机器人本体，所述机器人本体顶部连接有圆柱，所述圆柱表面等距连接有多个可旋转式置物机构。本发明通过将货物放置在可旋转式置物机构两侧，从而便于通过机器人本体对货物进行搬运，通过控制装置控制可旋转式置物机构旋转使机器人本体顶部两侧货物的质量接近，随后再通过控制装置控制调平机构调节机器人本体顶部两侧货物的质量相等，当机器人本体在行驶过程中发生紧急制动时，从而可保证机器人本体与货物的稳定，有效地防止机器人本体以及货物发生倾倒，稳定机构可进一步提高机器人本体在紧急制动时的稳定性，进一步防止机器人本体以及货物发生倾倒。
-
公开(公告)号：CN119714032A
公开(公告)日：2025-03-28
申请号：CN202411885743.1
申请日：2024-12-19
Applicant: 北京工业大学
Abstract: 本发明公开了一种高空间分辨率的磁巴克豪森噪声MBN传感器及测量方法，属于微磁无损检测技术领域；采用磁巴克豪森噪声MBN无损检测方法，规避对材料表面进行打磨抛光、以及酸洗等有损操作，实现了材料晶界位置和晶界倾斜角度的测量。首先通过创新的马蹄形磁轭设计，通过优化磁轭结构并精确加工其尖端气隙，实现高空间分辨率MBN传感器制备。接着利用铁磁性材料晶界位置与晶粒内部磁信号的不同，通过平面扫描和特征值提取，能够精确区分晶粒内部与晶界区域，实现晶界位置的定位。同时，引入磁场旋转方法，通过对比分析不同磁场方向下的MBN信号，精确测量晶界的倾斜角度。该装置及方法有效提高铁磁性材料晶界等微观结构的测量效率。
-
公开(公告)号：CN116754796A
公开(公告)日：2023-09-15
申请号：CN202310522890.1
申请日：2023-05-10
Applicant: 北京工业大学
Abstract: 本发明公开了一种高空间分辨率的电磁无损检测方法，属于无损检测技术领域。将微米尺寸的无磁闭合线圈制备于原子力显微镜探针尖端或悬臂梁上构成磁力传感器感应元件，来感测探针周边的耦合磁场(背景磁场和待测样品磁场)。磁场作用下磁力传感器会引起原子力显微镜悬臂梁发生偏转，再利用原子力显微镜的光电探测系统测量悬臂梁的垂直方向上的转角，即可计算出磁力矩，再设置合适的滤波器，进而解耦测得待测样品磁场。所述的电磁无损检测方法具有高空间分辨率、背景磁场抑制检测等优点，可以实现铁磁材料的漏磁、巴克豪森噪声等电磁无损测量。
-
公开(公告)号：CN114611767A
公开(公告)日：2022-06-10
申请号：CN202210167919.4
申请日：2022-02-23
Applicant: 北京工业大学 , 橙网(南京)人工智能研究院有限公司
Abstract: 本发明公开一种全局最优的智能仓储调度优化算法，包括如下步骤：S1、构建仓储运输模型，将立体仓库三维数学模型化；S2、设定货物存取任务，根据需要系统内设定任务计划；S3、划分存取目标任务，将需要存放的货物与需要取出的货物划分为存放任务与提取任务；S4、计算存取时间，根据步骤S1中确定的仓储模型，计算每个存取任务目标的存取时间，计算货物存取点各路径的出入库时间，确定最短路径计算的最短时间；S8、优化货物存放路径，根据提取任务货物所在货架是否有空位，安排带存放货物存放路线；S9、重复进行存取任务直至存取任务全部清空。从而通过优先将货物存放在货物取货点所在货架，能够较好的缩短小车的总行走时间。
-
公开(公告)号：CN110901784A
公开(公告)日：2020-03-24
申请号：CN201911175506.5
申请日：2019-11-26
Applicant: 北京工业大学
IPC: B62D57/024
Abstract: 本发明公开了一种基于OS轮的轮足一体化特种六足机器人，由机器人本体、视觉系统、定位模块、控制模块、综合检测模块、电源模块、存储模块构成。采用的OS型转轮可以大大提高其越障能力，机身分为三段，它们中的每一个都通过一个球形铰链连接到其他节段，该铰链由三个两自由度的电机驱动。车身分割设计使机器人更灵活，可应用于各种复杂场景。此外，本发明还配备了不同的传感器，可以有效地进行报警、识别车牌等工作。本发明综合考虑轮式与足形机器人的优缺点，使其不仅具备足形机器人穿越不同地形的能力，还具备较快的移动速度，本发明对环境适应性强、穿越障碍物效率高、平地速度快、功能多样、易拆分更换、维护成本低、可人工操作等优点。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.097 seconds)
