-
公开(公告)号：CN117571005A
公开(公告)日：2024-02-20
申请号：CN202311254954.0
申请日：2023-09-26
Applicant: 北京信息科技大学
Inventor： 谷玉海
IPC: G01C21/34
Abstract: 本发明涉及一种基于改进A*算法的路径规划方法及系统，其包括：将起始节点放入OPEN列表中，并选择OPEN列表中代价值最小的节点n，该代价值由优化后的启发函数计算得到；将节点n从OPEN列表中移除，放入CLOSED列表中，并判断该节点n是否为目标节点，若不是目标节点则判断该节点n是否具有子节点，有则将节点n的相邻子节点放入OPEN列表，若没有子节点则将该节点n放入OPEN列表；若该节点n为目标节点则输出近似最优路径，将近似最优路径进行拐点数量优化，得到最优路径。本发明能减少规划路径中不必要的拐点数，提升路径规划结果的平滑性，有效缩短运行时间；可以在无人车驾驶路径规划领域中应用。
-
公开(公告)号：CN116543358A
公开(公告)日：2023-08-04
申请号：CN202310302650.0
申请日：2023-03-27
Applicant: 北京信息科技大学
Inventor： 谷玉海
Abstract: 本发明涉及一种基于改进SOLO的非结构化道路场景实例分割方法及系统，其包括：将获取的图像数据集进行预处理后，将图像数据集划分为训练集和测试集；将训练集输入预先构建的改进的SOLOV2实例分割模型中，对该模型进行训练，得到训练好的改进的SOLOV2实例分割模型；其中，改进的SOLOV2实例分割模型为在SOLOV2实例分割模型的颈部网络添加增强路径，以减少特征传递过程的损失，并采用双重注意力指导特征选择，自适应地选择重要特征；将测试集输入训练好的改进的SOLOV2实例分割模型中，输出实例分割结果。本发明能减少特征损失，提高不同尺度目标的分割能力。
-
公开(公告)号：CN112066976A
公开(公告)日：2020-12-11
申请号：CN202010929771.4
申请日：2020-09-07
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种自适应膨胀处理方法、系统、机器人及存储介质，其包括：获取机器人所处环境的栅格地图，对障碍点坐标进行初始标记；获得障碍点的坐标后，填充机器人传感器位置到障碍点之间的栅格以及该障碍点栅格的初始代价值；对障碍点进行自适应膨胀处理，根据栅格代价值填充障碍点周围膨胀区栅格的代价值，完成对代价地图的膨胀处理。本发明提升了移动机器人自主导航过程中应对复杂环境的安全性和鲁棒性。
-
公开(公告)号：CN107942943B
公开(公告)日：2019-12-31
申请号：CN201711421534.1
申请日：2017-12-25
Applicant: 北京信息科技大学
IPC: G05B19/408
Abstract: 本发明涉及一种基于多源信息融合的高端数控装备状态识别方法，其步骤：利用现有现场采集传感器采集高端数控装备运行状态的多源传感器信息，并进行信息融合；对融合信号的时域、频域、小波域进行特征获取，并对提取的时域特征、频域特征和小波域特征进行特征融合；重构初始特征的多源多域高维相空间，采用局部线性嵌入结构进行降维，优化本征维数，构建能够反映低维流形的局部线性特性的邻域，获得运行状态高维空间中的低维流形变化；采用距离判据获得低维敏感特征，构建低维流形特征的增殖相似度实现对不同状态的识别。本发明基于实时监测和有效感知的信息对数控装备运行状态进行有效识别和判断，准确地识别了数控设备的不同状态。
-
公开(公告)号：CN104156591B
公开(公告)日：2017-02-15
申请号：CN201410384078.8
申请日：2014-08-06
Applicant: 北京信息科技大学
IPC: G06F19/00
Abstract: 本发明涉及一种马尔可夫故障趋势预测方法，其步骤：(1)用转子实验台模拟旋转机械设备正常运行状态，采集正常运行状态下振动信号；故障程度、中度故障程度和重度故障程度，采集三种故障下振动信号；(3)计算所有振动信号中每组振动信号的1.5维谱；(4)计算振动信号的1.5维谱频带能量均值；(5)获得频带能量区间，并标记状态序列和状态空间；(6)采集实际旋转机械设备的振动信号，进行步骤(3)～(4)得到各组振动信号的1.5维谱频带能量均值，并获得实际旋转机械设备的状态序列；(7)利用马尔可夫链对实际旋转机械设备的状态进行趋势预测。本发明能广泛在旋转机械故障趋势预测中应用。(2)用转子实验台模拟旋转机械设备故障的轻度
-
Patent Agency Ranking
公开(公告)号：CN106356069A
公开(公告)日：2017-01-25
申请号：CN201510425529.2
申请日：2015-07-17
Applicant: 北京信息科技大学
Inventor： 谷玉海
IPC: G10L21/0208 , G10L21/0224 , G10L21/0232 , G10L25/27
Abstract: 本发明公开一种信号处理方法和装置，包括：对第一信号执行自相关运算，并对自相关运算的结果执行时频变换运算，获取对应的第二信号；对第一信号执行时频变换运算，获取对应的第三信号；根据第二信号获取噪声信号对应的频率信息；根据噪声信号对应的频率信息，对第三信号中噪声信号对应的频率分量进行滤除操作，并得到滤除噪声之后的第四信号；对第四信号执行时频变换运算对应的频时变换运算，从而获取第一信号对应的滤除噪声信号之后的第五信号。该信号处理方法和装置对以周期成分为主的数字信号具有较好的去噪效果，尤其是在等转速条件下采集的振动信号，对于其他的以周期信号为主的数字信号也具有很好的消噪效果。
-
公开(公告)号：CN106096154A
公开(公告)日：2016-11-09
申请号：CN201610431875.6
申请日：2016-06-17
Applicant: 北京信息科技大学
CPC classification number: G06F17/5086 , G06K9/0051 , G06K9/00536
Abstract: 本发明涉及一种小波包时域信号流形学习故障诊断方法，其步骤：对采集到的振动信号进行N层小波包分解，将振动信号分解为多层数据，生成2N个分量时域信号；对分解产生的各分量时域信号分别采用希尔伯特变换进行包络解调，获得代表故障状态的低频解调信号；对解调信号采用FIR低通滤波器消除高频噪声，并以低采样频率对各分量信号进行重采样保留低频信号；对重采样信号进行自相关计算并归一化为自相关系数，将处理后的各分层数据构造形成高维数据向量；采用t‑SNE流形学习算法对高维数据向量进行降维处理，形成L×2N维矩阵，最终形成2维或3维图形，对于机电设备不同的故障形式，其最终形成的流形结构不同，进而通过流形结构的形状判断设备的故障状态。
-
公开(公告)号：CN105973584A
公开(公告)日：2016-09-28
申请号：CN201610436071.5
申请日：2016-06-17
Applicant: 北京信息科技大学
CPC classification number: G01M13/00 , G06K9/00516
Abstract: 本发明涉及一种小波包频域信号流形学习故障诊断方法，其步骤：采集旋转机械设备上的振动数据，将采集的振动数据进行N层小波包分解，生成2N个分量时域信号；对分解产生的各分量时域信号进行希尔伯特包络解调处理后，提取调制信号；对解调信号进行FIR滤波处理；以低采样频率对各分量时域信号进行重采样降低数据长度；对各分层重采样数据进行自相关计算并归一化形成自相关系数；对各分量归一化后的自相关系数值计算功率谱，采用设定阈值对功率谱数据进行阈值处理，将经过阈值处理后的功率谱数据形成高维数据向量；对高维数据向量进行降维处理，将各分量功率谱数据组合形成L×2N维矩阵，最终形成2维或3维流形，通过流形结果判断旋转机械设备的故障状态。
-
公开(公告)号：CN103042436B
公开(公告)日：2014-12-24
申请号：CN201310021815.3
申请日：2013-01-21
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种基于轴心轨迹流形学习的主轴回转误差溯源方法，其包括以下步骤：1）在主轴外周向间隔设置两个电涡流传感器，由两个电涡流传感器采集主轴振动信号；2）对检测到的主轴振动信号进行处理对主轴的运行状态进行判断；3）主轴振动信号在同一平面坐标系内交于一点，连续采样后获得轴心轨迹；4）对主轴轴心轨迹进行误差分离获得主轴实际回转精度A；5）根据主轴的实际回转精度A和流形敏感特征Qij获得映射函数图谱数据库Q:{f(i)＝Qij|A}；6）若主轴的实际回转精度A≥ηE，η＝0.8~1,则调用映射函数图谱数据库Q，进行主轴回转误差的溯源，并对相应故障进行维修；若主轴的实际回转精度A≥ηE，η＝0.6~0.8，则对主轴回转误差进行溯源分析监控；其中E是该机床出厂时的主轴回转精度。
-
公开(公告)号：CN104155133A
公开(公告)日：2014-11-19
申请号：CN201410384028.X
申请日：2014-08-06
Applicant: 北京信息科技大学
IPC: G01M99/00
Abstract: 本发明涉及一种机械故障程度的评价方法，其步骤：(1)利用转子实验台模拟机械设备正常运行状态，采用振动信号；(2)利用转子实验台模拟机械设备故障的轻度故障程度、中度故障程度和重度故障程度，采集振动信号；(3)对所有振动信号进行双谱操作获得双谱值矩阵；(4)将双谱值矩阵定义为劣化演化矩阵；计算正常运行状态下的劣化演化矩阵以及故障下的劣化演化矩阵；(5)计算劣化演化矩阵的特征值、均值、方差；(6)计算机械设备正常运行状态下的均值最大值、方差最大值；(7)根据以上获得劣化区间划分图；(8)采集实际设备的振动信号得到劣化均值、劣化方差，将其绘制在劣化区间划分图中，根据坐标点所处的区域判断设备运行状态。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.033 seconds)
