-
公开(公告)号：CN112505737B
公开(公告)日：2024-03-01
申请号：CN202011281769.7
申请日：2020-11-16
Applicant: 东南大学
IPC: G01S19/47 , G01C21/16 , G06N3/0499 , G06N3/084
Abstract: 本发明公开了一种基于Elman神经网络在线学习辅助的GNSS/INS组合导航方法，包括两部分：（1）、实现基于常规的GNSS/MEMS‑INS组合导航算法，设计卡尔曼滤波器对GNSS信号和惯性导航的数据进行融合，输出融合后的导航数据；2）、在步骤（1）的基础上设计神经网络模型，然后将步骤（1）得到的惯性导航数据和卡尔曼滤波器输出的数据，分别作为训练神经网络的样本输入和样本输出，对神经网络模型进行训练，本发明在无人机导航系统GNSS信号丢失的情况下预测惯性导航系统的输出误差，并用该误差数据对惯性导航系统的输出进行补偿和修正，以实现导航系统在GNSS信号丢失的情况下，惯性导航系统能在神经网络算法的辅助下输出精确的导航数据。
-
公开(公告)号：CN112405539A
公开(公告)日：2021-02-26
申请号：CN202011255261.X
申请日：2020-11-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于肌电信号和脑电错误电位的机器人自然控制方法，该方法主要包括以下步骤：实验人员按照提示执行四种自然动作；采集肌电信号和IMU数据，并对数据进行预处理、特征提取和分类器分类，根据分类结果控制UR5机械臂对目标执行相应动作；在控制UR5机械臂的同时触发开始获取脑电信号，并对数据进行预处理、特征提取和分类器分类，检测是否产生错误电位，若产生错误电位停止UR5机械臂当前动作，反之则不作干扰。本发明与传统的肌电信号控制方法相比，提出了对自然动作的肌电识别，同时将肌电信号和IMU信号融合进行数据处理和分类识别，再通过对脑电错误电位的识别完善机器人控制过程中的纠错机制，提高了机器人的控制效率和准确率。
-
公开(公告)号：CN112148011A
公开(公告)日：2020-12-29
申请号：CN202011013015.3
申请日：2020-09-24
Applicant: 东南大学
IPC: G05D1/02
Abstract: 本发明公开了一种未知环境下脑电移动机器人共享控制方法，所述共享控制方法：首先采集使用者的运动想象脑电信号并进行预处理、特征提取，将左右两侧脑电信号进行自适应权重线性求和，得到脑电‑速度控制信号；移动机器人根据自主进行的路径规划，得到自主避障‑速度控制信号；移动机器人受脑电‑速度控制信号和自主避障‑速度控制信号的共享控制，在未知环境下行驶。与现有发明相比，本发明可以用脑电‑速度控制信号控制移动机器人线速度的大小，用自主避障‑速度控制信号控制移动机器人线速度的方向，通过连续共享控制使行驶过程更加稳定。
-
公开(公告)号：CN112022175A
公开(公告)日：2020-12-04
申请号：CN202010938236.5
申请日：2020-09-09
Applicant: 东南大学
IPC: A61B5/22 , G06K9/00 , G06K9/62 , A61B5/0476
Abstract: 本发明公开了一种手部自然动作脑电测量装置，包括手部自然动作测量装置、脑电测量装置、语音提示模块及PC终端。所述手部自然动作测量装置包括相互独立的推拉力测量模块、双手插拔力测量模块和双手旋转力测量模块，连接到六路同步数据采集卡，读取来自三个手部自然动作测量模块的数据，并通过USB通信发送到PC终端。所述脑电测量装置包括脑电帽和Neuroscan脑电仪，用于发送脑电信号到PC终端，所述PC终端包括数据预处理模块、特征提取模块和分类识别模块，语音提示模块受到PC终端控制发出操作提示语音；通过本装置，手部动作更加复杂多样，能够为脑-机接口系统带来更多的控制指令；操作简单，测量结果精确。
-
公开(公告)号：CN116050238A
公开(公告)日：2023-05-02
申请号：CN202211323015.2
申请日：2022-10-27
Applicant: 东南大学
IPC: G06F30/27 , G06N3/048 , G06N3/084 , G06F119/08
Abstract: 本发明公开了一种基于数据处理和神经网络模型的过热汽温预测方法，涉及燃煤机组过热汽温预测技术领域，解决了过热汽温控制中缺乏数据处理和预测模型而导致预测不够精准的技术问题，其技术方案要点是对机组数据进行预处理，得到预处理后数据；然后构建RBF神经网络模型并进行训练，得到过热汽温RBF神经网络模型；最后将预处理后数据输入至过热汽温RBF神经网络模型，对过热汽温进行预测。系统化地对燃煤机组实时运行参数进行数据预处理并根据预处理后的数据建立神经网络预测模型，解决了传统燃煤机组过热汽温PID串行控制缺少汽温预测模型的问题，实现了用机组实时测量数据对过热汽温进行预测的目标。
-
Patent Agency Ranking
公开(公告)号：CN112148011B
公开(公告)日：2022-04-15
申请号：CN202011013015.3
申请日：2020-09-24
Applicant: 东南大学
IPC: G05D1/02
Abstract: 本发明公开了一种未知环境下脑电移动机器人共享控制方法，所述共享控制方法：首先采集使用者的运动想象脑电信号并进行预处理、特征提取，将左右两侧脑电信号进行自适应权重线性求和，得到脑电‑速度控制信号；移动机器人根据自主进行的路径规划，得到自主避障‑速度控制信号；移动机器人受脑电‑速度控制信号和自主避障‑速度控制信号的共享控制，在未知环境下行驶。与现有发明相比，本发明可以用脑电‑速度控制信号控制移动机器人线速度的大小，用自主避障‑速度控制信号控制移动机器人线速度的方向，通过连续共享控制使行驶过程更加稳定。
-
公开(公告)号：CN112405539B
公开(公告)日：2022-03-04
申请号：CN202011255261.X
申请日：2020-11-11
Applicant: 东南大学
Abstract: 本发明公开了一种基于肌电信号和脑电错误电位的机器人自然控制方法，该方法主要包括以下步骤：实验人员按照提示执行四种自然动作；采集肌电信号和IMU数据，并对数据进行预处理、特征提取和分类器分类，根据分类结果控制UR5机械臂对目标执行相应动作；在控制UR5机械臂的同时触发开始获取脑电信号，并对数据进行预处理、特征提取和分类器分类，检测是否产生错误电位，若产生错误电位停止UR5机械臂当前动作，反之则不作干扰。本发明与传统的肌电信号控制方法相比，提出了对自然动作的肌电识别，同时将肌电信号和IMU信号融合进行数据处理和分类识别，再通过对脑电错误电位的识别完善机器人控制过程中的纠错机制，提高了机器人的控制效率和准确率。
-
公开(公告)号：CN112036354B
公开(公告)日：2022-04-29
申请号：CN202010938581.9
申请日：2020-09-09
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于黎曼几何的自然动作脑电识别方法，用于分类识别自然动作的脑电信号，在采集多通道脑电信号后，通过分析观察剔除干扰大的通道再进行零相位带通滤波，并根据自然动作力信息对脑电信号时域进行截取，进而计算多通道脑电信号的协方差矩阵，并将协方差矩阵投影到以黎曼均值为切点的黎曼切空间上，最后在黎曼几何切空间中使用收缩线性判别分析算法完成自然手部动作的脑电信号分类，本发明提供了一种高效的信号处理手段，算法新颖高效，可靠性高，具有重要的应用价值和实际紧迫性。
-
公开(公告)号：CN112036354A
公开(公告)日：2020-12-04
申请号：CN202010938581.9
申请日：2020-09-09
Applicant: 东南大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于黎曼几何的自然动作脑电识别方法，用于分类识别自然动作的脑电信号，在采集多通道脑电信号后，通过分析观察剔除干扰大的通道再进行零相位带通滤波，并根据自然动作力信息对脑电信号时域进行截取，进而计算多通道脑电信号的协方差矩阵，并将协方差矩阵投影到以黎曼均值为切点的黎曼切空间上，最后在黎曼几何切空间中使用收缩线性判别分析算法完成自然手部动作的脑电信号分类，本发明提供了一种高效的信号处理手段，算法新颖高效，可靠性高，具有重要的应用价值和实际紧迫性。
-
公开(公告)号：CN112505737A
公开(公告)日：2021-03-16
申请号：CN202011281769.7
申请日：2020-11-16
Applicant: 东南大学
Abstract: 本发明公开了一种基于Elman神经网络在线学习辅助的GNSS/INS组合导航方法，包括两部分：（1）、实现基于常规的GNSS/MEMS‑INS组合导航算法，设计卡尔曼滤波器对GNSS信号和惯性导航的数据进行融合，输出融合后的导航数据；（2）、在步骤（1）的基础上设计神经网络模型，然后将步骤（1）得到的惯性导航数据和卡尔曼滤波器输出的数据，分别作为训练神经网络的样本输入和样本输出，对神经网络模型进行训练，本发明在无人机导航系统GNSS信号丢失的情况下预测惯性导航系统的输出误差，并用该误差数据对惯性导航系统的输出进行补偿和修正，以实现导航系统在GNSS信号丢失的情况下，惯性导航系统能在神经网络算法的辅助下输出精确的导航数据。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.028 seconds)
