-
公开(公告)号：CN109884419B
公开(公告)日：2020-05-19
申请号：CN201811600818.1
申请日：2018-12-26
Applicant: 中南大学
Abstract: 本发明公开了一种智慧电网电能质量在线故障诊断方法，包括：实时采集待检测电能质量监测点的电压信号；采用极值点包络的动态测试法获取电压信号的n个电压极值点，以及采用离散小波变换方法获取电压信号的小波能熵有效值、小波能熵均值、小波能熵方差、相角偏移、扰动持续时间、小波能量，组成电压信号的特征向量；然后采用压缩感知原理进行数据的压缩、传输与解压缩；再而在云端服务器对重构的特征向量进行特征值选择，构成预处理特征向量；最后基于ELM神经网络训练得到的电能质量扰动分类器根据预处理特征向量输出扰动类型。本发明能够大大提升电能数据的传输效率，对信号采集器与中继节点的硬件性能要求低，且最终的分类诊断效率高。
-
公开(公告)号：CN110361207A
公开(公告)日：2019-10-22
申请号：CN201910677416.X
申请日：2019-07-25
Applicant: 中南大学
IPC: G01M17/08
Abstract: 本发明公开了一种智能列车走行部在线状态预测系统，包括列车走行部分解模块、列车走行部历史数据获取模块、列车走行部实时数据获取模块和列车走行部状态预测模块；列车走行部分解模块对列车走行部进行分解；列车走行部历史数据获取模块获取列车走行部历史数据信息；列车走行部实时数据获取模块获取列车走行部的实时数据信息；列车走行部状态预测模块建立针对不同类别走行部的列车走行部状态预测模型并对列车走行部的状态进行在线实时预测。本发明还公开了所述智能列车走行部在线状态预测系统的方法。本发明能够实时预测列车走行部的状态，提高检修效率和检修准确度，保证列车的行车安全以及行车舒适度，而且可靠性高，实时性好。
-
公开(公告)号：CN105787478B
公开(公告)日：2019-09-20
申请号：CN201610230290.8
申请日：2016-04-14
Applicant: 中南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于神经网络和灵敏度参数的人脸转向识别方法，包括步骤：对采集到的单帧彩色图像逐一进行第一静态人脸朝向识别，包括将单帧彩色图像进行预处理并提取脸部特征向量，根据脸部特征向量中眼睛和\或鼻子的位置判断单帧彩色图像的人脸朝向是正面、朝左还是朝右；在给定的采集时间内，对采集到的所有单帧彩色图像都进行第一静态人脸朝向识别，得出一个按照时序依次排列的第一人脸朝向结果集和多个脸部特征向量；采用神经网络分类对多个脸部特征向量和第一人脸朝向结果集进行过程分析，识别指令意图，得出人脸转向过程给出的第一指令结果。本发明能在光照很强烈，采集的图像背光很强烈的情况下实现准确地识别面部的转向。
-
公开(公告)号：CN108044625B
公开(公告)日：2019-08-30
申请号：CN201711364995.X
申请日：2017-12-18
Applicant: 中南大学
Abstract: 本发明公开了一种基于多Leapmotion虚拟手势融合的机器人机械臂操控方法，包括以下步骤：步骤1：设置手势采集装置；步骤2：基于手势采集装置采集控制机械臂的手势的leapmotion序列图像，并利用基于核极限学习机的手势识别模型对手势进行识别；步骤3：利用预设的控制手势与机械臂实际操作手势比例因子，获取机械臂操作目标终点；步骤4：获得机械臂运动方案；步骤5：选取最佳机械臂的操控方案。该方案使用多Leapmotion传感器采集手势序列图像，使用加权融合算法将手势图像进行融合，具有很强的容错性；使用多leapmotion手势识别装置，相比于现有机械臂示教器与体感设备，操控装置成本低，且操控性强、准确度高。
-
公开(公告)号：CN109297699A
公开(公告)日：2019-02-01
申请号：CN201811493246.1
申请日：2018-12-07
Applicant: 中南大学
CPC classification number: G01M13/00 , G01M7/025 , G06K9/6247 , G06N3/006
Abstract: 本发明公开了一种混合分解与提取的智能旋转机械故障诊断方法，包括：获取旋转机械的原始振动序列进行去噪处理，得到已去噪处理的振动序列；采用不同消失矩的母小波包函数，对已去噪处理的振动序列进行分解操作，得到各自若干个振动子序列；采用主元分析法，对每个振动子序列进行特征提取，得到旋转机械的特征参数矩阵；获取旋转机械训练样本，且已知训练样本的故障类型，使用训练样本训练支持向量机模型得到旋转机械故障诊断分类器；实时采集待检测旋转机械的原始振动序列，获取其特征参数矩阵，并输入到旋转机械故障诊断分类器，从而判断待检测旋转机械的故障类型。本发明提高了对旋转机械故障诊断的时效性和精度。
-
Patent Agency Ranking
公开(公告)号：CN105912120B
公开(公告)日：2018-12-21
申请号：CN201610230284.2
申请日：2016-04-14
Applicant: 中南大学
IPC: G06F3/01
Abstract: 本发明公开了一种基于人脸识别的移动机器人人机交互控制方法，包括步骤：移动机器人通过体感传感器实时侦测行进前方的视野内是否有人；当检测到视野内有人时，对视野内所有人进行追踪，实时监视被追踪者的脸部动作和\或眼部动作；判断被追踪者的脸部动作和\或眼部动作是否符合第一授权条件；使符合第一授权条件的被追踪者成为授权人，获得移动机器人的控制权。如果机器人在安全距离内没有发现符合授权条件的授权人，它将以语音形式发出控制提醒信号。本发明采用脸部动作和\或眼部动作进行指令识别，识别准确率高计算迅速，不受电梯、工厂等拥挤嘈杂的环境限制，使得人机交互更自然准确，移动机器人应用更广泛、方便和安全。
-
公开(公告)号：CN108942946A
公开(公告)日：2018-12-07
申请号：CN201810995897.4
申请日：2018-08-29
Applicant: 中南大学
IPC: B25J9/16
Abstract: 本发明公开了一种智慧物流环境机器人装载方法与装置，该方法包括以下步骤：步骤1：实时获取货物信息；步骤2：计算货物在运送地址对应的待装载区放置位置坐标；步骤3：利用分类机器人将货物从传输带夹取至用于暂存的对应待装载区；步骤4：计算货物将在AGV智能搬运车的装载区终点位置坐标；步骤5：依据智能搬运控制模型获得的控制矩阵将货物搬运至AGV智能搬运车的装载区上。结合机器视觉自动获取货物尺寸、货物运送地址、货物位置坐标等信息，通过建立神经网络模型来利用分类机器人与智能搬运车对货物进行自动智能分类与装载，大大的减少装载错误率，提高装载效率。
-
公开(公告)号：CN107089248B
公开(公告)日：2018-10-12
申请号：CN201710298271.3
申请日：2017-04-30
Applicant: 中南大学
IPC: B61L23/00
Abstract: 本发明公开了一种列车失联时无人机智能防撞预警控制方法与系统，该方法通过对无人机进行改进，并且在铁路轨道沿线分散布置工作站，充分地利用无人机的灵活性，主动寻找失联列车并进行追踪，实现了监控的全覆盖，填补了对失联列车进行监控的盲区；此外，该系统还利用无人机预警装置在工作站进行任务交接，保证了监控任务的可靠性；同时，列车失联预警中心自动计算失联列车与前置列车、失联列车与后置列车之间的距离，并与前置安全距离和后置安全距离作比较，实现了自动控制的警报触发机制，简单可靠。
-
公开(公告)号：CN108510737A
公开(公告)日：2018-09-07
申请号：CN201810327802.1
申请日：2018-04-12
Applicant: 中南大学
Abstract: 本发明公开了一种融合风环境的无人驾驶车辆电源实时监控方法及装置，该方法针对车辆行驶路径中复杂的道路环境尤其是风环境，考虑不同车速对耗电量影响的不同，建立耗电量预测模型，该模型预测电量与电池本身无关，利用大量历史数据与实时数据训练模型，能辨识不同路况环境上车辆以不同车速作为知道车速的电量的使用情况。该模型对云端其他车辆车速进行中值法、均值法、众数法三种不同的方式进行处理，依据不同云端车速对车辆耗电量进行预测，选择出最低耗电量的数据，获取对应的行驶车速作为未来设定时间内的车速，能降低车辆行驶能耗，实现经济车速行驶目标，符合低碳出行的要求。
-
公开(公告)号：CN108044625A
公开(公告)日：2018-05-18
申请号：CN201711364995.X
申请日：2017-12-18
Applicant: 中南大学
Abstract: 本发明公开了一种基于多Leapmotion虚拟手势融合的机器人机械臂操控方法，包括以下步骤：步骤1：设置手势采集装置；步骤2：基于手势采集装置采集控制机械臂的手势的leapmotion序列图像，并利用基于核极限学习机的手势识别模型对手势进行识别；步骤3：利用预设的控制手势与机械臂实际操作手势比例因子，获取机械臂操作目标终点；步骤4：获得机械臂运动方案；步骤5：选取最佳机械臂的操控方案。该方案使用多Leapmotion传感器采集手势序列图像，使用加权融合算法将手势图像进行融合，具有很强的容错性；使用多leapmotion手势识别装置，相比于现有机械臂示教器与体感设备，操控装置成本低，且操控性强、准确度高。
-
-
-
-
-
-
-
-
-
Search Results
218
records
(took 0.032 seconds)
