-
公开(公告)号：CN105205533B
公开(公告)日：2018-01-05
申请号：CN201510628233.0
申请日：2015-09-29
Applicant: 华北理工大学
IPC: G06N3/08
Abstract: 本发明涉及了具有脑认知机理的发育自动机及其学习方法，属于智能机器人技术领域。具有脑认知机理的发育自动机，包括内部状态集合，系统输出集合，内部操作行为集合，状态转移方程，奖赏信号，系统评价函数，系统动作选择概率，多巴胺响应差分信号。本发明提供的具有脑认知机理的发育自动机及其学习方法，以学习自动机为基础框架为系统自主发育过程提供了一种泛化能力强，适用范围广的数学模型；该方法将感觉运动系统与内在动机机制相结合，提高系统的自学习与自适应能力，实现真正意义上的智能。
-
公开(公告)号：CN106096658B
公开(公告)日：2019-05-24
申请号：CN201610423487.3
申请日：2016-06-16
Applicant: 华北理工大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于无监督深度空间特征编码的航拍图像分类方法，属于图像处理技术领域。首先，采用尺度不变特征变换（SIFT）提取图像特征；其次，将局部方差相似度引入到稀疏编码中对稀疏编码进行改进，并用改进的稀疏编码对图像特征进行稀疏表示，得到一种具有稀疏判别性和空间可分性的图像特征；最后，结合深度置信网络完成对航拍图像的分类。本发明在图像特征编码时保留了图像的空间特征信息，增强了所提取图像特征的判别性和可分性，提高了航拍图像的分类精度。
-
公开(公告)号：CN107894715A
公开(公告)日：2018-04-10
申请号：CN201711117326.2
申请日：2017-11-13
Applicant: 华北理工大学
Abstract: 本发明提供了一种机器人姿态路径目标航迹优化的认知发育算法CBCLA，分为八个部分，分别为有限的内部状态集合，系统的输出集合，内部操作行为集合，状态转移方程，系统在t时刻在内部状态，评价函数，纹状体基质的动作选择概率输出，多巴胺能，可以用一个八元数组表示：CBCLA＝{SC,MC,CbA,f,r(t),BGstrio,BGmatrix,SNDPA}，本发明模拟生物体感觉运动系统的神经活动，以学习自动机为框架，结合内在动机机制驱动生物体自主学习的特点,本认知发育算法运用到移动机器人路径规划研究当中，机器人在未知环境下，通过自主学习发育，逐渐掌握运动平衡控制技能，并实现目标的实时跟踪。
-
公开(公告)号：CN106598058A
公开(公告)日：2017-04-26
申请号：CN201611182422.0
申请日：2016-12-20
Applicant: 华北理工大学
CPC classification number: G05D1/0891 , G06N3/04
Abstract: 本发明属于智能机器人技术领域，具体涉及一种内在动机驱动的极限学习机自发育系统及其运行方法。本发明的自发育系统包括内部状态集合、动作集合、状态转移函数、内在动机取向函数、奖赏信号、强化学习更新迭代公式、评价函数、动作选择概率共八部分。本发明首先利用内在动机信号，模拟人类对事物的兴趣取向性认知机理，使机器人自发地完成相关任务，解决了机器人学习自主性差的问题；其次利用极限学习机网络训练学习并存储知识与经验，使机器人在实验失败后不必从头学起，而是利用已存储的知识经验继续探索，增强其学习的快速性，解决了以往强化学习对单步学习效率低的问题。
-
公开(公告)号：CN106143718A
公开(公告)日：2016-11-23
申请号：CN201610500140.4
申请日：2016-06-30
Applicant: 华北理工大学
CPC classification number: B62K21/00
Abstract: 本发明涉及一种基于霍尔编码器阻力式两轮平衡车转向装置。包括刹车握把、闸丝、信号转换装置、扶杆，信号转换装置包括位移转动转换机构、霍尔编码器，位移转动转换机构包括并列设置的分别由闸丝拉动、在引导槽中移动、带有齿状面的连接柱，两个连接柱之间设置有分别与两个连接柱咬合的齿轮，齿轮中嵌有强力磁铁；霍尔编码器的检测轴心与齿轮同轴心设置，霍尔编码器接收齿轮的转动位移量并转换为电信号给控制器。本发明采用车闸闸丝结构恢复力较小，易于操作，且降低了对恢复弹簧的要求；用霍尔编码器测量转向信号，可提高转向的安全性；霍尔编码器的非接触性简化了结构；通过阻力式转向控制方法，增强了转弯机制的可操作性。
-
Patent Agency Ranking
公开(公告)号：CN105700526A
公开(公告)日：2016-06-22
申请号：CN201610020090.X
申请日：2016-01-13
Applicant: 华北理工大学
IPC: G05D1/02
CPC classification number: G05D1/0221 , G05D2201/0217
Abstract: 本发明涉及了一种具有自主学习能力的在线序列极限学习机方法，属于智能机器人技术领域，一共分为九个部分，分别为外部状态集合、外部动作集合、奖赏信号、值函数、状态转移方程、极限学习机网络隐含层输出集合、中间参数转移方程、极限学习机输出集合、极限学习机输出权值转移方程。本发明提供的具有自主学习能力的在线序列极限学习机方法，以在线序列极限学习机为框架，结合强化Q学习，提出了一种具有自主学习能力的在线序列极限学习机方法，并将该模型运用到移动机器人路径规划研究中，使机器人根据外部环境的状态与奖励，实现自主学习导航，提高机器人在未知环境中的自主学习能力。
-
公开(公告)号：CN106143718B
公开(公告)日：2019-04-30
申请号：CN201610500140.4
申请日：2016-06-30
Applicant: 华北理工大学
Abstract: 本发明涉及一种基于霍尔编码器阻力式两轮平衡车转向装置。包括刹车握把、闸丝、信号转换装置、扶杆，信号转换装置包括位移转动转换机构、霍尔编码器，位移转动转换机构包括并列设置的分别由闸丝拉动、在引导槽中移动、带有齿状面的连接柱，两个连接柱之间设置有分别与两个连接柱咬合的齿轮，齿轮中嵌有强力磁铁；霍尔编码器的检测轴心与齿轮同轴心设置，霍尔编码器接收齿轮的转动位移量并转换为电信号给控制器。本发明采用车闸闸丝结构恢复力较小，易于操作，且降低了对恢复弹簧的要求；用霍尔编码器测量转向信号，可提高转向的安全性；霍尔编码器的非接触性简化了结构；通过阻力式转向控制方法，增强了转弯机制的可操作性。
-
公开(公告)号：CN105654496B
公开(公告)日：2018-06-29
申请号：CN201610010368.5
申请日：2016-01-08
Applicant: 华北理工大学
Abstract: 本发明涉及了一种基于人类视觉特性的图像仿生自适应模糊边缘检测方法，属于数字图像处理技术领域。本发明采用如下步骤实现：对操作图像进行全局亮度自适应增强，将原图像空间域转化为模糊域，对操作图像模糊域进行局部亮度自适应增强，对原图像模糊域进行逆变换，最后采用“Nakagowa”算子对处理后的图像边缘提取。本发明依据人眼视觉感知系统的全局和局部自适应调节特性对传统Pal算法模糊边缘检测进行优化保留了图像的低灰度值边界信息，简化了隶属度函数，具有更强的抗噪能力，能够有效地把边缘从复杂的背景中提取出来，针对不同种类的图像能够自适应地进行边缘检测。
-
公开(公告)号：CN106096658A
公开(公告)日：2016-11-09
申请号：CN201610423487.3
申请日：2016-06-16
Applicant: 华北理工大学
IPC: G06K9/62
CPC classification number: G06K9/6269
Abstract: 本发明涉及一种基于无监督深度空间特征编码的航拍图像分类方法，属于图像处理技术领域。首先，采用尺度不变特征变换（SIFT）提取图像特征；其次，将局部方差相似度引入到稀疏编码中对稀疏编码进行改进，并用改进的稀疏编码对图像特征进行稀疏表示，得到一种具有稀疏判别性和空间可分性的图像特征；最后，结合深度置信网络完成对航拍图像的分类。本发明在图像特征编码时保留了图像的空间特征信息，增强了所提取图像特征的判别性和可分性，提高了航拍图像的分类精度。
-
公开(公告)号：CN107092267A
公开(公告)日：2017-08-25
申请号：CN201710499318.2
申请日：2017-06-27
Applicant: 华北理工大学
CPC classification number: G05D1/0242 , G01M13/00 , G01R31/34 , G05D1/0255 , G05D2201/0216
Abstract: 本发明涉及运输工具，具体涉及一种应用在物流搬运系统中的轮毂电机独立驱动试验平台。包括车架，车架两侧呈对称状分别设置有步进电机，步进电机的输出轴通过传动机构连接有轮毂电机插槽，轮毂电机插槽上固定安装有轮毂电机，车架上分别设置有控制器、铁盘、红外摄像头、超声波传感器，控制器分别与步进电机、轮毂电机、红外摄像头、超声波传感器电连接。本发明的轮毂电机具有高度集成化优势，轮毂电机实时反馈旋转脉冲数供给控制器计算运行速度，方便控制器控制整台车体的运行速度，通过控制器设定步进电机的旋转角度，带动轮毂电机实现整台车体的原地90度直角旋转，对物流仓库的占用面积小，提高了物流分配和运输的工作效率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.02 seconds)
