-
公开(公告)号：CN104984535A
公开(公告)日：2015-10-21
申请号：CN201510334691.3
申请日：2015-06-13
Applicant: 常州大学
Abstract: 本发明公开了一种基于脑波控制的乒乓球发球机的应用系统。系统包括脑电信号采集部分和乒乓球发球机部分。脑电信号采集部分包括脑电采集帽、便携式脑电采集装置、数据处理模块、蓝牙数据传输模块。乒乓球发球机部分包含可以通过转换开关进行切换的两个系统：常规发球机系统和脑电控制的发球机系统。通过左右运动想象控制旋转摩擦轮，从而发出上旋球或下旋球等不同性质的球；通过注意力的集中程度来控制电机旋转速度，从而控制出球速度。本发明不仅可以作为残疾人娱乐产品，而且可以应用于运动训练和康复治疗领域，通过该脑控乒乓球发球机不断的训练，可以辅助实现运动功能的康复，运动想象能够有效的提高运动的执行能力和运动的学习能力。
-
公开(公告)号：CN103479353B
公开(公告)日：2015-02-25
申请号：CN201310399405.2
申请日：2013-09-05
Applicant: 常州大学
IPC: A61B5/0488 , G08C17/02 , A61F5/48
Abstract: 本发明公开了一种卧床失禁病人无线预警系统及方法。该系统包括用户端和数据终端，用户端包括肌电信号采集模块、肌电信号调制模块、无线发射模块和无线网关模块，数据终端包括有线收发模块、信息存储模块、监控预警模块和移动通信终端。肌电信号采集模块实时采集肌电信号，并进行调制，由无线发射模块发送。无线网关模块对信号进行解调和模数转换，再将预处理和特征匹配后的结果传送给有线接收模块。有线接收模块将数据存入信息存储模块，并由监控预警模块向管理人员显示预警信息。本发明能够使卧床失禁病人及监护者摆脱传统陪床监护模式的束缚，提高病人生活质量，改善护理机构的集中监护效果，同时也为推广社区护助养老体系提供了便利。
-
公开(公告)号：CN103479353A
公开(公告)日：2014-01-01
申请号：CN201310399405.2
申请日：2013-09-05
Applicant: 常州大学
IPC: A61B5/0488 , G08C17/02 , A61F5/48
Abstract: 本发明公开了一种卧床失禁病人无线预警系统及方法。该系统包括用户端和数据终端，用户端包括肌电信号采集模块、肌电信号调制模块、无线发射模块和无线网关模块，数据终端包括有线收发模块、信息存储模块、监控预警模块和移动通信终端。肌电信号采集模块实时采集肌电信号，并进行调制，由无线发射模块发送。无线网关模块对信号进行解调和模数转换，再将预处理和特征匹配后的结果传送给有线接收模块。有线接收模块将数据存入信息存储模块，并由监控预警模块向管理人员显示预警信息。本发明能够使卧床失禁病人及监护者摆脱传统陪床监护模式的束缚，提高病人生活质量，改善护理机构的集中监护效果，同时也为推广社区护助养老体系提供了便利。
-
公开(公告)号：CN103428965A
公开(公告)日：2013-12-04
申请号：CN201310289586.3
申请日：2013-07-11
Applicant: 常州大学
CPC classification number: Y02B20/48
Abstract: 本发明公开了一种基于脑波控制的智能LED变色灯及其智能控制方法，该智能LED变色灯包括脑电耳机控制单元、LDE变光单元和用于给所述脑电耳机控制单元和LDE变光单元提供电源的电源单元，所述脑电耳机控制单元包括Mindwave脑电耳机、脑波传感器模块、数据处理器模块、无线数据传输模块，所述LDE变光单元包括包含有控制芯片的信号传输处理模块、LED驱动模块、LED变光灯。本发明基于Mindwave脑电耳机的数据处理算法，提取集中度和冥思度作为灯的控制参量，采用无线通信方式进行脑电信号的采集与LED变色灯的智能控制。本发明增加了家居的智能性，可以有效的配合医学康复治疗，提高集中度与冥思度。
-
公开(公告)号：CN103268069A
公开(公告)日：2013-08-28
申请号：CN201310190740.1
申请日：2013-05-22
Applicant: 常州大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于Hammerstein模型的自适应预测控制方法，具体包括以下步骤：（1）数据采集通道实时采集间歇化工生产过程的工艺参数值，进行数据预处理；（2）处理后的数据传递给神经网络辨识器，由神经网络辨识器进行建模，建模后的模型经过仿真修正；（3）混合自适应预测控制器读取模型参数，生成控制参数，控制执行机构动作；（4）控制算法实现。本发明结合间歇化工过程模型特点，采用基于hammerstein模型的控制方法设计控制系统，引入非线性求逆环节，针对线性环节做预测策略设计，再通过求解非线性代数方程组来确定实际控制量，从而降低在线优化的计算量，实现间歇化工过程精确有效控制。
-
Patent Agency Ranking
公开(公告)号：CN119598253A
公开(公告)日：2025-03-11
申请号：CN202411642784.8
申请日：2024-11-18
Applicant: 常州大学
IPC: G06F18/24 , G01M13/045 , G06F18/213 , G06N3/006
Abstract: 本发明涉及轴承故障诊断技术领域，尤其涉及基于改进冠豪猪优化随机森林的变转速轴承故障诊断方法，包括采集轴承振动信号；使用COT将振动信号由时域信号转换为角度域信号；使用OCSSA搜寻VMD的模态分量和惩罚因子，并利用包络熵最小的准则获取最佳的IMF分量，提取故障特征向量；使用Logistic混沌映射与循环种群缩减技术改进CPO；使用改进CPO搜寻RF的决策树数目和树的深度。本发明解决变转速滚动轴承故障特征不易提取，故障识别困难，变转速滚动故障诊断分类精确度不高的问题。
-
公开(公告)号：CN119533510A
公开(公告)日：2025-02-28
申请号：CN202411690766.7
申请日：2024-11-25
Applicant: 常州大学
IPC: G01C21/34
Abstract: 本发明涉及路径规划技术领域，尤其涉及一种基于改进蚁群算法的多采摘机器人作业路径规划方法，包括构建静态障碍物的栅格地图；蚁群参数初始化；利用改进状态转移概率选择路径；对第k只蚂蚁进行判断，如果第k只蚂蚁完成路径搜索，则第k+1只蚂蚁继续进行搜索，此时k＝k+1；如果没有完成搜索，则需要返回到步骤二继续搜索；对M只蚂蚁进行判断是否都完成了路径搜索，如果都完成路径搜索，则进行步骤六；否则回到步骤二继续搜索；当M只蚂蚁完成路径搜索后，对全局的信息素进行更新；完成改进蚁群算法的构建。本发明解决现有方法存在局部最优、寻优速度慢、收敛速度慢的问题。
-
公开(公告)号：CN119397395A
公开(公告)日：2025-02-07
申请号：CN202411450821.5
申请日：2024-10-17
Applicant: 常州大学
IPC: G06F18/2415 , G01M13/045 , G06F18/10 , G06F18/213
Abstract: 本发明涉及轴承故障诊断技术领域，尤其涉及一种基于振动包络谱特征的轴承故障诊断方法，包括采集滚动轴承的表面损伤和正常的振动信号；对降噪后的振动信号进行特征提取，在滚动轴承表面损伤的最佳特征频率范围内根据特征峰频率升序提取排名前若干个特征峰强度，及特征峰强度对应的特征峰频率；将特征峰强度和特征峰频率输入朴素贝叶斯分类器，进行故障预测；利用评估指标对朴素贝叶斯分类器的预测结果进行评估。本发明解决目前故障诊断方法存在精度和算法复杂度无法同时兼顾的问题。
-
公开(公告)号：CN119181469A
公开(公告)日：2024-12-24
申请号：CN202411208050.9
申请日：2024-08-30
Applicant: 常州大学
IPC: G16H20/30 , G06F18/2134 , G06F18/2131 , G06F18/241 , G06F18/25 , G06N3/0464
Abstract: 本发明提供一种基于脑机接口的单侧上肢康复训练方法及系统。上述方法包括：采集上肢转肩、屈肘、转腕的运动想象脑电数据；对所述运动想象脑电数据进行预处理；通过构建的神经网络对预处理后的运动想象脑电数据进行训练分类，得到分类结果；基于所述分类结果输出控制指令；利用所述控制指令控制外骨骼指定康复训练任务。本发明的方法在保证训练者便捷和舒适效果的同时，提高了患者的康复效率。
-
公开(公告)号：CN114861702B
公开(公告)日：2024-11-22
申请号：CN202210307716.0
申请日：2022-03-27
Applicant: 常州大学
IPC: G06F18/241 , G06F18/10 , G06N3/0464 , G06N3/048 , G06N3/082 , A61B5/00 , A61B5/256 , A61B5/377
Abstract: 本发明涉及神经网络算法技术领域，尤其涉及一种利用深度神经网络对EEG数据的噪声识别方法，包括S1、通过脑电帽采集被试卒中关节的组合动作时诱发的EEG数据；S2、对数据集中数据进行降采样、粗滤波和独立成分分解；S3、将IC地形图进行裁剪；S4、将IC地形图送入二维CNN卷积网络，IC激活送入一维卷积网络，并将两个卷积网络的输出值送入DNN卷积网络；S5、将DNN卷积网络输出值通过softmax分类器进行分类，并对EEG数据进行噪声剔除。本发明利用一维CNN卷积、二维CNN卷积和DDN卷积搭建深度神经网络可以有效分类出噪声成分，对实时采集的EEG噪声敏感度高，能够有效的剔除噪声成分。
-
-
-
-
-
-
-
-
-
Search Results
129
records
(took 0.019 seconds)
