一种智能环境运载机器人识别楼层的参数化测量多模型智能融合方法

    公开(公告)号:CN107368858B

    公开(公告)日:2018-04-13

    申请号:CN201710630336.X

    申请日:2017-07-28

    Applicant: 中南大学

    Abstract: 本发明提供了一种智能环境运载机器人识别楼层的参数化测量多模型智能融合方法,利用成本较低的温度、湿度、气压传感器搜集数据,建立数据库,针对气压随高度变化的特性,采用大数据处理技术,利用KH算法优化的小波神经网络模型完成预测模型的建立,实现运载机器人在各种环境下的电梯楼层自适应辨识,有效解决了不同环境下同一高度气压值变动导致楼层辨识不准的情况。此外,本发明无需对电梯内部或外部进行改造,具有极高的普适性。

    一种基于智能大数据的人体健康特征建模测量方法与平台

    公开(公告)号:CN107863153A

    公开(公告)日:2018-03-30

    申请号:CN201711194263.0

    申请日:2017-11-24

    Applicant: 中南大学

    Inventor: 刘辉 李燕飞

    CPC classification number: G06K9/00268 G06N3/006

    Abstract: 本发明公开了一种基于智能大数据的人体健康特征建模测量方法与平台,该方法包括:步骤1:构建人体自然体征数据库和人体极限运动数据库;步骤2:利用搭载在无人机上的ZED相机获取的人体身高,筛选出待识别人体群;步骤3:基于Hadoop平台对待识别人体脸部图像利用灰色神经网络进行快速识别;步骤4:无人机跟踪已识别人体,利用穿戴设备获取待识别人体的健康数据并传输至远程服务器;步骤5:将获取的健康数据输入基于小波神经网络的人体健康评估模型,得到待识别人体的健康检测程度。本发明基于大数据平台,运用穿戴设备、无人机、双目相机对户外运动人体健康信息采集,进行实时健康监测,从而做出合理决策。

    一种基于气象传感时序模式的运载机器人智能识别楼层的方法

    公开(公告)号:CN107423412B

    公开(公告)日:2018-03-27

    申请号:CN201710631966.9

    申请日:2017-07-28

    Applicant: 中南大学

    Abstract: 本发明公开了一种基于气象传感时序模式的运载机器人智能识别楼层的方法,包括:步骤1:构建楼层信息数据库;步骤2:对楼层信息数据进行聚类,得到每个楼层的天气模式集合;步骤3:获取用于构建基于天气模式的气压楼层预测模型的训练集合;步骤4:构建基于天气模式的气压楼层预测模型;步骤5:利用机器人当前所在楼层层号和天气观测值,调用对应天气模式的气压楼层预测模型;步骤6:利用机器人实时采集的气压和气压楼层预测模型,预测机器人所在楼层层号;该方法利用简易的温度、湿度、气压传感器搜集数据,建立环境数据库,并针对气压随高度变化而变化的特性,采用数据挖掘技术,实现机器人在不同环境条件下的电梯楼层自动高准确度、高稳定性识别。

    一种运载机器人手臂操控多层映射智能控制方法及系统

    公开(公告)号:CN107414830B

    公开(公告)日:2018-03-23

    申请号:CN201710636699.4

    申请日:2017-07-31

    Applicant: 中南大学

    Abstract: 本发明公开了一种运载机器人手臂操控多层映射智能控制方法及系统,该方法包括:1:对运载机器人手臂进行多次抓取训练,获得运载机器人在不同固定抓取点完成抓取任务的抓取样本集;步骤2:利用抓取样本集构建并训练运载机器人手臂关节控制值预测模型;步骤3:从抓取样本集中随机选取测试集,获得在不同运载机器人基座到抓取台底部边缘的距离下的最优手臂关节控制值预测模型;步骤4:利用运载机器人基座与抓取台底端边缘之间的距离选取对应的最优手臂关节控制值预测模型,输出所有关节的控制值,完成抓取任务。本发明通过建立机器人基座、抓取台之间距离与机器人手臂姿态之间的映射,避免了繁琐的运动学方程建立。

    一种高速铁路沿线风速多点多层耦合预测方法

    公开(公告)号:CN106779151B

    公开(公告)日:2018-03-20

    申请号:CN201611023996.3

    申请日:2016-11-14

    Applicant: 中南大学

    Inventor: 刘辉 李燕飞

    Abstract: 本发明公开了一种高速铁路沿线风速多点多层耦合预测方法,该方法包括以下步骤:1.在目标测风站位置周围安装5个辅助测风站;2.将原始风速数据进行滤波和分解后,再进行小波降噪;3.信号求和重构;4.选取与目标测风站显著性较高的m个辅助测风站;5.对所选辅助测风站各频层子序列的各PF分量分别建立预测模型;6.以选出的m个辅助测风站的各频层的PF分量为输入,以目标测风站的各频层的PF分量为输出,采用GA优化的RBF神经网络进行训练;7.利用m个辅助测风站的超前多步预测值,得到目标测风站的超前多步风速预测值。本发明能对铁路沿线风速进行高精度超前多步预测用于高速铁路强风环境下的列车有效调度指挥,并能避免单一测风站硬件故障造成的数据中断。

    一种运载机器人手臂操控多层映射智能控制方法及系统

    公开(公告)号:CN107414830A

    公开(公告)日:2017-12-01

    申请号:CN201710636699.4

    申请日:2017-07-31

    Applicant: 中南大学

    CPC classification number: B25J9/16 B25J9/161 B25J9/1656 B25J9/1689

    Abstract: 本发明公开了一种运载机器人手臂操控多层映射智能控制方法及系统,该方法包括:1:对运载机器人手臂进行多次抓取训练,获得运载机器人在不同固定抓取点完成抓取任务的抓取样本集;步骤2:利用抓取样本集构建并训练运载机器人手臂关节控制值预测模型;步骤3:从抓取样本集中随机选取测试集,获得在不同运载机器人基座到抓取台底部边缘的距离下的最优手臂关节控制值预测模型;步骤4:利用运载机器人基座与抓取台底端边缘之间的距离选取对应的最优手臂关节控制值预测模型,输出所有关节的控制值,完成抓取任务。本发明通过建立机器人基座、抓取台之间距离与机器人手臂姿态之间的映射,避免了繁琐的运动学方程建立;获取准确的关节控制值,控制灵活。

    一种智能环境下机器人运动路径深度学习控制规划方法

    公开(公告)号:CN107368076A

    公开(公告)日:2017-11-21

    申请号:CN201710640558.X

    申请日:2017-07-31

    Applicant: 中南大学

    CPC classification number: G05D1/0221

    Abstract: 本发明公开了一种智能环境下机器人运动路径深度学习控制规划方法,该方法包括:步骤1:对运载机器人运载区域构建全局地图三维坐标系,获取在全局地图三维坐标系下的可行走区域坐标;步骤2:获取训练样本集;步骤3:构建运载机器人的全局静态路径规划模型;步骤4:将运输任务中的起点和终点坐标输入至基于模糊神经网络的全局静态路径规划模型,获得对应的运载机器人最优规划路径。本发明通过分别建立全局静态路径规划模型和局部动态避障规划模型,利用深度学习的极强的非线性拟合特性,快速的找到全局最优路径,避免了常见的路径规划中陷入局部最优的问题。

Patent Agency Ranking