-
公开(公告)号:CN108647772A
公开(公告)日:2018-10-12
申请号:CN201810443688.9
申请日:2018-05-10
Applicant: 东北大学
Abstract: 本发明属于边坡监测技术领域,尤其涉及一种用于边坡监测数据粗差剔除的方法,包括如下步骤:S1、数据预处理:对需要粗差剔除的边坡检测数据进行预处理,获取特征数据;S2、建立预测矩阵:将S1中获取的特征数据分别输入m个PSO-TELM模型,根据所述m个PSO-TELM模型的输出结果,获得预测矩阵T;S3、剔除粗差数据:对预测矩阵T按列求均值得到新的矩阵T′=(a1,a2,…,an)1×n,再对矩阵T′求均值s和方差d;若T′中元素满足:ai-s>d,(i=1,2,…n),则该剔除ai所对应的特征数据,反之,则保留ai所对应的特征数据,获得精确的边坡监测数据。本发明提供的用于边坡监测数据粗差剔除的方法,具有粗差剔除正确率高的有益效果。
-
公开(公告)号:CN108647772B
公开(公告)日:2020-12-25
申请号:CN201810443688.9
申请日:2018-05-10
Applicant: 东北大学
Abstract: 本发明属于边坡监测技术领域,尤其涉及一种用于边坡监测数据粗差剔除的方法,包括如下步骤:S1、数据预处理:对需要粗差剔除的边坡检测数据进行预处理,获取特征数据;S2、建立预测矩阵:将S1中获取的特征数据分别输入m个PSO‑TELM模型,根据所述m个PSO‑TELM模型的输出结果,获得预测矩阵T;S3、剔除粗差数据:对预测矩阵T按列求均值得到新的矩阵T′=(a1,a2,…,an)1×n,再对矩阵T′求均值s和方差d;若T′中元素满足:ai‑s>d,(i=1,2,…n),则该剔除ai所对应的特征数据,反之,则保留ai所对应的特征数据,获得精确的边坡监测数据。本发明提供的用于边坡监测数据粗差剔除的方法,具有粗差剔除正确率高的有益效果。
-
公开(公告)号:CN108896024A
公开(公告)日:2018-11-27
申请号:CN201810442771.4
申请日:2018-05-10
Applicant: 东北大学
Abstract: 本发明属于边坡监测技术领域,尤其涉及一种边坡监测系统及其使用方法,包括:边坡监测主机、用于控制所述边坡监测主机测量工作的远程控制客户端;所述边坡监测主机包括:机架以及分别设置在所述机架上的虚拟主机、用于采集边坡数据信号的激光测距装置和用于所述虚拟主机与所述远程控制客户端通讯连接的通讯数据收发装置;激光测距装置能够将采集到的边坡数据信号发送给所述虚拟主机,用于构建边坡监测点坐标数据;所述虚拟主机能够根据所述远程控制客户端发送的控制命令,将从所述激光测距装置处接收到的边坡数据信号进行处理,获得构建的边坡监测点坐标数据。本发明提供的边坡监测系统,具有使用方便,监测数据精度高等有益效果。
-
公开(公告)号:CN107696034A
公开(公告)日:2018-02-16
申请号:CN201710922428.5
申请日:2017-09-30
Applicant: 东北大学
IPC: B25J9/16
CPC classification number: B25J9/1653 , B25J9/1602
Abstract: 本发明提供一种针对工业机器人的错误自主恢复方法及装置,所述方法包括:获取机器人对应的错误数据信号及所有错误数据信号的处理信息;利用PCA算法对所述错误数据信号进行预处理,获得预处理后的错误数据信号;采用ELM算法建立定量分析数学模型处理所述预处理后的错误数据信号,对所述错误数据信号进行分类处理,并确定对应错误数据信号的处理信息,机器人得以对该错误做出响应。上述方法能够快速、准确地实现工业机器人的错误自主恢复,以便提高工业机器人的可靠性。
-
公开(公告)号:CN108896024B
公开(公告)日:2019-10-08
申请号:CN201810442771.4
申请日:2018-05-10
Applicant: 东北大学
Abstract: 本发明属于边坡监测技术领域,尤其涉及一种边坡监测系统及其使用方法,包括:边坡监测主机、用于控制所述边坡监测主机测量工作的远程控制客户端;所述边坡监测主机包括:机架以及分别设置在所述机架上的虚拟主机、用于采集边坡数据信号的激光测距装置和用于所述虚拟主机与所述远程控制客户端通讯连接的通讯数据收发装置;激光测距装置能够将采集到的边坡数据信号发送给所述虚拟主机,用于构建边坡监测点坐标数据;所述虚拟主机能够根据所述远程控制客户端发送的控制命令,将从所述激光测距装置处接收到的边坡数据信号进行处理,获得构建的边坡监测点坐标数据。本发明提供的边坡监测系统,具有使用方便,监测数据精度高等有益效果。
-
-
-
-