-
公开(公告)号：CN107272705A
公开(公告)日：2017-10-20
申请号：CN201710643365.X
申请日：2017-07-31
Applicant: 中南大学
IPC: G05D1/02
CPC classification number: G05D1/0221 , G05D2201/0216
Abstract: 本发明公开了一种智能环境下机器人路径的多神经网络控制规划方法，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，利用神经网络的非线性拟合特性，快速的找到全局最优解，避免了常见的路径规划中陷入局部最优的问题。
-
公开(公告)号：CN107126224A
公开(公告)日：2017-09-05
申请号：CN201710470384.7
申请日：2017-06-20
Applicant: 中南大学
CPC classification number: A61B5/18 , A61B5/0205 , A61B5/024 , A61B5/11 , A61B5/1103 , A61B5/1128 , A61B5/6893 , A61B5/746 , G06K9/00221 , G06K9/00389 , G06K9/0061 , G06K9/00845 , G06K9/6247 , G06K9/6256 , G10L15/22 , G10L15/26 , G10L2015/223
Abstract: 本发明公开了一种基于Kinect的轨道列车驾驶员状态的实时监测和预警方法与系统，该方法通过对Kinect传感器进行巧妙的设置，综合利用Kinect传感器的各项检测功能，只使用一种Kinect传感器，实现了列车启动检测、驾驶员心率监测、疲劳监测、误判监测多种功能，利用Kinect传感器获取的彩色图像数据、深度图像数据、骨骼图像数据和语音数据进行数据处理；融合使用各项检测数据，结合轨道列车驾驶员语音信息、驾驶员手势信息、列车指令信号信息特征融合的方法，从技术方案上直接避免司机看错误判信号和指令的情况；该系统结构简单、操作方便，大大的降低了监测和预警系统的成本，且具有准确的监测和预警效果。
-
公开(公告)号：CN107097812A
公开(公告)日：2017-08-29
申请号：CN201710300346.7
申请日：2017-04-30
Applicant: 中南大学
CPC classification number: B61L25/021 , B61L25/04 , B61L27/04 , B64C39/02 , B64C2201/126 , B64D47/00 , G01D21/02 , G06F17/5009 , G06K9/0063
Abstract: 本发明公开了一种铁路强降雨量无人机实时智能测量方法及系统，该方法通过引入无人机降雨量测量装置对受控列车局部移动环境实现主动降雨量测量，利用无人机降雨量测量装置携带微波式雨量计、列车测速装置、温度计、湿度计对列车所处的温湿度、降雨量、速度测量，实时计算当前降雨条件下列车安全行车速度限值，从技术方案上避免铁路沿线降雨量的“监控盲区”；根据采集的降雨量、列车速度和线路坡度信息，实时计算列车的视距，利用无人机装置的机动性，采用无人机图像传输装置实时将列车视距外的线路图像传回列车车载显示装置，扩大列车驾驶员在强降雨条件下的视距，提高高速列车在强降雨环境下的运营安全性。
-
公开(公告)号：CN106372731B
公开(公告)日：2017-07-28
申请号：CN201611024045.8
申请日：2016-11-14
Applicant: 中南大学
Abstract: 本发明公开了一种强风高速铁路沿线风速空间网络构造预测方法，该方法通过3种预测模型构建最优加权组合模型来预测风速。其中，第1个预测模型利用多测风站短时历史风速数据，第2个预测模型利用单测风站短时历史风速数据，第3个预测模型利用多测风站历史风速数据和对应的历史气象数据。该方法融入了空间、时间、气象等多种元素，利用了当前时段辅助测风站和目标测风站数据、历史辅助测风站和目标测风站气象数据、风速数据等多种数据，保证了数据的多样性；将时间相关性和空间相关性有机结合，提高了预测的可靠性；通过利用3个基本模型在预测过程中存在数据交织，减少了计算量；预测稳定性高，可以实现超前多步预测，具有工程应用价值。
-
公开(公告)号：CN106779148A
公开(公告)日：2017-05-31
申请号：CN201611020632.X
申请日：2016-11-14
Applicant: 中南大学
CPC classification number: G06Q10/04 , G06N3/006 , G06N3/04 , G06N3/0445 , G06N3/08 , G06N3/084 , G06N99/005 , G06Q50/30
Abstract: 本发明公开了一种多模型多特征融合的高速铁路沿线风速预测方法，该方法包括以下步骤：1.在该测风站位置周围安装5个辅助测风站；2.将原始风速数据用交互多模型卡尔曼滤波法进行处理；步骤3：利用滤波后的数据进行小波处理，并对小波处理后的低频数据构建预测子模型；步骤4：将空间‑目标测风站超前多步预测模型、自我‑目标测风站超前多步预测模型以及气象‑目标测风站超前多步预测模型获得的目标测风站超前多步预测值和天气预报目标测风站风速预测值输入贝叶斯组合模型，获取最终的目标测风站预测值；本发明能不仅能避免单一测风站硬件故障造成的数据中断，而且能给恶劣风环境下的高速铁路安全行车提供更长的应急处理时间。
-
Patent Agency Ranking
公开(公告)号：CN106772695A
公开(公告)日：2017-05-31
申请号：CN201611029514.5
申请日：2016-11-14
Applicant: 中南大学
IPC: G01W1/10
Abstract: 本发明公开了一种融合多测风站实测数据的铁路沿线风速预测方法，包括以下几个步骤：步骤1，在目标测风站位置安装辅助测风站，采集风速数据；步骤2，对风速数据样本进行滤波处理；步骤3，利用2层小波分解去除高频跳跃特征，取最后一层的低频数据；步骤4，选出与目标测风站数据显著性较高的m个辅助测风站数据；步骤5，对目标测风站和选出的m个辅助测风站的低频数据层分别进行2层小波包分解；步骤6，训练PSO‑MLP神经网络模型；步骤7，将实测的m个辅助测风站风速值输入到预测模型，得到目标测风站的风速预测值。本发明所述方法能够有效提高铁路沿线风速预测精度、保证预测模型的稳定，且能避免单测风站传感器硬件故障造成的预测中断。
-
公开(公告)号：CN106094575B
公开(公告)日：2017-05-17
申请号：CN201610743319.2
申请日：2016-08-26
Applicant: 中南大学
IPC: G05B17/02
Abstract: 本发明公开了一种机器人运输虚拟可视化控制方法及系统，运用Solidworks对机器人及所在的仿真环境建立三维模型，并将建立的三维模型导入3DCreate中；通过3DCreate平台中的Python API编程进行可视化仿真参数定义；将机器人以及仿真环境中部件的运动状态信息发送至可视化远程服务器；对收到的信息进行过滤和匹配，将过滤和匹配后的信息利用3DCreate的COM API加载给3DCreate可视化环境中的对应三维模型上，驱动各个三维模型同步显示。通过对信息的过滤和匹配，滤去了大量的与可视化无关的硬件指令信息，将可视化仿真中的信息处理速度得到了质的提升，准确将机器人动作进行可视化仿真。
-
公开(公告)号：CN106078771B
公开(公告)日：2017-04-26
申请号：CN201610654716.2
申请日：2016-08-10
Applicant: 中南大学
Abstract: 本发明提供了一种基于多Kinect协同的移动机器人室内全视角识别装置及其控制系统和方法，全视角识别装置采用了一种基于多Kinect协同的圆盘阵列装置，该圆盘阵列装置设计巧妙，现了移动机器人对运动周围环境的360°全视角测量，做到对室内环境无死角的测量；并具有冗余式设计，具有价格便宜、安装维修方便等优点。在控制系统中，通过引入多Kinect分组切换模块，实现对多个kinect的同时开启或任意kinect的控制，使得机器人可以根据需要任何开启某个方向或是某几个方向的kinect实现对人、物等对象的测量与识别。利用该控制方法对识别装置进行控制时，控制过程简单，操作方便且准确度高。
-
公开(公告)号：CN102722661B
公开(公告)日：2015-02-25
申请号：CN201210231810.9
申请日：2012-07-05
Applicant: 中南大学
IPC: G06F19/00
Abstract: 本发明公开了一种高速列车通过长大隧道时隧道出口微压波的预测方法，所述预测方法的步骤包括分区、网格生成、网格计算和预测结果输出；依据微压波的形成原理，划分出区域1到区域n共n个区域，区域1采用Delaunay三角化方法生成非结构网格，用于计算压缩波的形成；区域2到区域n-1采用求解椭圆形方程的方法生成结构网格，用于计算压缩波的传播；区域n采用求解椭圆形方程的方法生成结构网格，用于计算微压波的形成和传播；在区域2至区域n-1的各区域的指定位置，设置一个用于计算判断压缩波是否全部传入该区域的压力阈值；在区域n的指定位置，设置一个用于计算判断微压波是否全部传入隧道出口区域n的压力阈值。
-
公开(公告)号：CN119181501A
公开(公告)日：2024-12-24
申请号：CN202411313294.3
申请日：2024-09-20
Applicant: 中南大学
IPC: G16H50/30 , G06N3/0442 , G06N3/048 , G06N3/0464 , G06N3/049 , G06N3/08 , G06T5/73 , G06T3/4053 , G06F17/14 , G06F18/25 , A61B5/00
Abstract: 本发明提供了一种基于深度学习的帕金森病风险预测方法、电子设备及介质，本发明通过整合来自不同源的医疗数据，通过CNN从手绘螺旋线图像中提取视觉特征，通过LSTM从运动传感数据和语音数据捕捉运动和语音中的动态变化，能够综合分析多种数据源；通过注意力机制来加权不同源特征的重要性，从而实现更为动态和自适应的特征融合；本发明能够捕捉不同数据类型之间的复杂关系和相互作用，识别出帕金森病的微妙且复杂的病理特征，提高了帕金森病风险预测的准确性和效率。
-
-
-
-
-
-
-
-
-
Search Results
218
records
(took 0.091 seconds)
