-
公开(公告)号：CN118148866A
公开(公告)日：2024-06-07
申请号：CN202410258747.0
申请日：2024-03-07
Applicant: 北京理工大学
Abstract: 本发明公开了一种飞轮式人体足部机械能收集装置，该机械能收集装置安装于鞋底内，脚踏板转动安装于底座，脚踏板的底面设置有下行传动齿条和上抬传动齿条；扭簧套设于踏板轴上；飞轮的两侧内缘设置有互为镜像的齿状表面，齿状表面形成棘轮被动轮；飞轮的两侧依次分布有棘爪、棘轮主动轮以及微型发电机；棘爪互为镜像结构；棘爪转动连接于棘轮主动轮，与齿状表面咬合且形成单向传动机构；微型发电机的发电机轴与飞轮共轴相连，并与飞轮同步旋转；棘轮主动轮空套于发电机轴上；一个棘轮主动轮与上抬传动齿条啮合，另一个棘轮主动轮与下行传动齿条啮合。上述机械能收集装置能够将人体行走时释放的泛在机械能不间断地转化为直流电能。
-
公开(公告)号：CN113947280A
公开(公告)日：2022-01-18
申请号：CN202111053478.7
申请日：2021-09-09
Applicant: 北京理工大学
Abstract: 本发明提出了一种基于反馈调整权值的组合评价方法，能够充分体现不同待评价对象之间的差异性特征以及相似性特征，便于方案决策和排序。本发明评价方法基于离差最大化的组合评价方法得到初始权值，将加权误差平方和作为优化目标对初始权值进行调整，得到最终权值组合，利用最终权值组合进行组合评价，得到综合评价结果，充分体现了不同待评价对象之间的差异性特征，同时使加权误差平方和最小，充分体现了不同待评价对象之间的相似性特征。本发明评价方法组合结果一致性更强、组合效果更好。整个评价过程概念清楚、定义明确，并且计算方法简单，便于应用。
-
公开(公告)号：CN112318555B
公开(公告)日：2021-07-20
申请号：CN202011226701.9
申请日：2020-11-06
Applicant: 北京理工大学
Abstract: 本发明公开了一种视触觉感知装置及微小型机器人。该装置包括：视觉感知模块、触觉感知模块、控制模块和信号传输模块；信号传输模块分别与视觉感知模块、触觉感知模块和控制模块连接，视觉感知模块用于获取装置周围环境的图像信息；触觉感知模块用于获取装置周围环境的触觉信息；信号传输模块用于将图像信息和触觉信息传输至控制模块；控制模块用于根据图像信息和触觉信息生成控制指令，并发送控制指令。采用本发明的视触觉感知装置及微小型机器人，能够同时获取周围环境的图像信息和触觉信息，进而使得本发明在远距离和近距离均能对周围环境的信息进行准确获取，兼顾对周围环境全局和局部的感知，具有感知精度高的特点。
-
公开(公告)号：CN112613534A
公开(公告)日：2021-04-06
申请号：CN202011416110.8
申请日：2020-12-07
Applicant: 北京理工大学
IPC: G06K9/62 , G06F16/332
Abstract: 本发明涉及一种多模态信息处理及交互系统，用于解决多模态交互系统中存在的模态融合方式简单，对话机制呆板的问题。包括多模态信息认知模块，多模态信息融合模块，以及多模态对话管理模块，其中，多模态信息认知模块用于对用户各模态交互信息进行识别，多模态信息融合模块利用D‑S证据理论将用户所有模态的交互信息进行意图融合，确定用户的最终交互意图，并得到对应于用户最终交互意图的可供机器识别的形式化指令；多模态对话管理模块针对多模态人机交互场景，采用有限状态机与信息槽填充方法相融合的对话管理模型，用于控制对话流程以及生成应答；本发明有效提高了用户交互意图识别准确率，实现了自然灵活的人机交互。
-
公开(公告)号：CN112613349A
公开(公告)日：2021-04-06
申请号：CN202011402943.9
申请日：2020-12-04
Applicant: 北京理工大学
Abstract: 本发明提供一种基于深度混合卷积神经网络的时序动作检测方法及装置，所述方法包括获取待检测视频；将视频输入训练好的深度混合卷积神经网络，所述深度混合卷积神经网络模型包括特征编码模块、第一子网及第二子网；所述特征编码模块通过双流网络从原始视频数据中提取片段特征，所述第一子网基于所述特征编码模块提取的片段特征，获得一组提议特征，所述第二子网接收所述提议特征，基于所述提议特征之间的关系构建图，将构建的图输入GCN模型，扩大提议特征的接受区域；输出所述待检测视频的动作类别与动作起始、终止时间。根据本发明的方案，有效利用提议之间的关系，提高了时序动作检测的准确率，有效解决了时序动作检测。
-
Patent Agency Ranking
公开(公告)号：CN109084800A
公开(公告)日：2018-12-25
申请号：CN201811181117.9
申请日：2018-10-10
Applicant: 北京理工大学
IPC: G01C21/34
CPC classification number: G01C21/3415 , G01C21/3446
Abstract: 本发明公开了一种基于空间压缩的多站接力导航下运动体路径规划方法，采用区域编码方式对路点进行编码，其位置可用局部直角坐标系下的二维坐标唯一表示，区域编码方法可表示出“眼状”交接区域内任意点的位置，具有广泛的适用性；根据导航交接约束阈值与导航站位置及有效作用半径之间的几何关系，压缩路点横坐标的取值范围，在运行路径规划算法之前直接剔除部分违反导航交接约束的不可行解，缩小了路径的规划空间，有利于路径规划算法更快找到高质量的可行解。
-
公开(公告)号：CN105005820B
公开(公告)日：2017-02-22
申请号：CN201510155893.1
申请日：2015-04-03
Applicant: 北京理工大学
Abstract: 本发明提供一种基于种群爆炸粒子群算法的目标分配优化方法，属于智能算法优化领域。本优化方法为根据寻优过程中种群的聚集情况，引入“种群爆炸算子”，结合混沌搜索以及自适应的部分原理，在一定限制条件下进行粒子的发散处理，同时进行参数调节，避免种群过早陷入局部最优，实现了在虚拟战场中坦克智能兵力间交战的目标分配问题。步骤1，将己方和对方均采用实数编码，使用混沌搜索产生良好的初始种群；步骤2，调整算法的初始参数；步骤3，采用基于种群爆炸算子”的粒子群算法进行迭代寻优搜索；步骤4，当迭代次数达到设定次数时迭代结束，获得最优方案。相比于原算法，本方法增强了粒子的全局寻优能力，并满足了高实时性的要求。
-
公开(公告)号：CN106056330A
公开(公告)日：2016-10-26
申请号：CN201610356964.9
申请日：2016-05-26
Applicant: 北京理工大学
IPC: G06Q10/08
Abstract: 本发明公开了一种基于网络化系统的多级保障部署方法，该方法针对具有多级保障层的网络化系统进行部署；包括如下步骤：对于网络化系统中的多级保障层进行信息获取，所述多级保障层包括从低到高的第1～第M级，每一级均包含多个节点；针对第m级保障层，m的初始值为1，进入优化部署过程：根据步骤1所获取的信息对网络化系统的第m级保障层建立目标函数，所述目标函数使第m级保障层所有节点的可保障率之和最大；选取收敛算法优化所述目标函数；从而确定第m级保障层的各节点的位置；m自增1，针对第m级保障层，重复优化部署过程，直至m＝M，由此完成针对每一级保障层的部署。该方法能够有效的将物资保障与选址问题相结合，完成多级保障部署。
-
公开(公告)号：CN103945395B
公开(公告)日：2016-06-01
申请号：CN201410069559.X
申请日：2014-02-27
Applicant: 北京理工大学
Abstract: 本发明公开了一种基于粒子群的无线网络传感器的快速优化部署方法，能够提高粒子群优化算法PSO的全局优化效果，减少粒子资源使用，大大加快了求解速度。该方法为：以无线网络传感器的每一种部署的可行解作为一个粒子，建立粒子群，初始化每个粒子的速度与位置，设定迭代次数，以粒子群优化算法PSO进行粒子的迭代搜索，其中在粒子的速度更新时，添加扰动项；迭代搜索进行至设定的迭代次数之后，获得最终的优化结果，实现粒子群优化；PSO以无线网络的有效覆盖率作为适应度；扰动项为扰动幅度与以标准正态分布选取的随机数的乘积，通过改变扰动幅度以增大或减小扰动项比重。本发明适用于PSO在粒子数很少的情况下得到比较满意的解。
-
公开(公告)号：CN102663219B
公开(公告)日：2015-03-04
申请号：CN201110432048.6
申请日：2011-12-21
Applicant: 北京理工大学
Abstract: 本发明公开了基于混合模型的燃料电池输出预测方法和系统，使得混合动态模型在静态、动态性能方面均有较高精度。在所述方法中，建立燃料电池输出电压的静态机理模型、燃料电池阳极气体流量和阴极气体流量的动态机理模型、静态神经网络和变结构神经网络；两个动态机理模型的输出作为静态机理模型的部分输入参数；采用静态神经网络补偿静态机理模型的输出后得到Vout；采用变结构神经网络逼近燃料电池实际输出与Vout的误差Ve的导数，对变结构神经网络的输出进行积分后得到误差估计值与Vout叠加得到燃料电池输出电压预测值。
-
-
-
-
-
-
-
-
-
Search Results
91
records
(took 0.034 seconds)
