-
公开(公告)号：CN111947657B
公开(公告)日：2024-04-19
申请号：CN202010532832.3
申请日：2020-06-12
Applicant: 南京邮电大学
IPC: G01C21/20 , G01S17/06 , G01S17/931
Abstract: 本发明涉及一种适用于密集排架环境的移动机器人导航方法。属于移动机器人领域，具体包括以下步骤：(1)、获取密集排架环境地图；(2)、基于矩形检测方法定位密集排架；(3)、构建行为树选择路径模式；(4)、在路径参考点间使用A*算法生成规划路径，再使用基于机器人运动学模型的预测控制方法跟踪路径实现导航，在狭长排架通道内定位不准的情况下使用局部激光观测信息提取的直线特征提供参考。该方法实现了密集排架环境下机器人的工作路径最优划分，排除了人工设置路标点带来的误差，与现有技术相比能够在狭窄的排架环境中完成多种移动机器人的导航，适应不同的巡航速度。
-
公开(公告)号：CN107329469A
公开(公告)日：2017-11-07
申请号：CN201710348826.0
申请日：2017-05-17
Applicant: 南京邮电大学
IPC: G05D1/02
Abstract: 本发明提供一种自主机器人的乱架图书管理系统，该方法为书架的每一层编码并制作二维码，机器人上的扫描枪模块扫码获取书架信息，扫描书脊上的条码获取图书信息。扫码时自主机器人获取当前位置在2D导航地图中的坐标，实现图书信息与位置信息的结合，解决图书馆中的图书识别定位问题。读者查找图书时机器人可根据图书对应的位置信息，自主导航到达图书位置，引导读者找到图书。机器人扫描整个书架上的图书条码比对原始位置信息判断图书是否错架，实现乱架图书管理。本发明对现有图书馆的设施改动较少，只需增加原有图书的条形码到书脊处，同时书架间预留一定的空间供机器人自主移动。利用本发明的方法可解决图书归位问题，降低图书馆人工管理成本，提高图书馆服务质量和自动化水平。
-
公开(公告)号：CN116128316A
公开(公告)日：2023-05-16
申请号：CN202211654652.8
申请日：2022-12-22
Applicant: 南京邮电大学
IPC: G06Q10/0637 , G06Q50/04 , G06F18/23 , G06N3/04
Abstract: 本发明公开了一种基于深度强化学习的离散制造工业数据表征方法，包括采集离散制造工业数据，构建时空数据库；将离散制造工业数据划分为离散特征和连续特征，构建数据耦合编码网络，并将编码网络中编码向量转换为表征向量，构建数据表征模型；通过聚类评价指标量化表征数据类别的区分度；将不同维度的聚类评价指标加权作为动态奖励，构建深度强化学习模型，通过表征模型与离散制造决策分析系统的交互关系，更新深度强化学习的神经网络参数。本发明能够表征动态变化的混合数据，基于深度强化学习将离散制造工业数据进行表征增强处理，通过聚类评价指标与离散工业系统进行交互，不断反馈动态奖励信息，以获得最优的数据表征形式。
-
公开(公告)号：CN119475157A
公开(公告)日：2025-02-18
申请号：CN202411508905.X
申请日：2024-10-28
Applicant: 国网河北省电力有限公司信息通信分公司 , 南京邮电大学 , 国家电网有限公司
IPC: G06F18/2433 , G06F18/25 , G06N3/0442 , G06N3/045 , G06N3/08 , G06Q50/06
Abstract: 本发明提供一种电力系统异常数据检测方法及装置，属于电力数据检测领域。该方法包括：获取电力系统数据，根据电力系统数据筛选可疑数据，根据可疑数据构建可疑数据集；将图模型各节点的可疑数据输入至多头图注意力网络模型，输出综合特征；其中，综合特征由空间特征和时间特征融合得到；获取门控循环单元前一时刻的隐藏状态，将当前时刻的综合特征和前一时刻的隐藏状态输入至门控循环单元，得到输出特征；根据输出特征计算可疑数据为异常数据的概率，当概率高于异常阈值时，将可疑数据判断为异常数据。本发明能够解决精准检测异常数据的问题。
-
公开(公告)号：CN111947657A
公开(公告)日：2020-11-17
申请号：CN202010532832.3
申请日：2020-06-12
Applicant: 南京邮电大学
IPC: G01C21/20 , G01S17/06 , G01S17/931
Abstract: 本发明涉及一种适用于密集排架环境的移动机器人导航方法。属于移动机器人领域，具体包括以下步骤：(1)、获取密集排架环境地图；(2)、基于矩形检测方法定位密集排架；(3)、构建行为树选择路径模式；(4)、在路径参考点间使用A*算法生成规划路径，再使用基于机器人运动学模型的预测控制方法跟踪路径实现导航，在狭长排架通道内定位不准的情况下使用局部激光观测信息提取的直线特征提供参考。该方法实现了密集排架环境下机器人的工作路径最优划分，排除了人工设置路标点带来的误差，与现有技术相比能够在狭窄的排架环境中完成多种移动机器人的导航，适应不同的巡航速度。
-
Patent Agency Ranking
公开(公告)号：CN111150566A
公开(公告)日：2020-05-15
申请号：CN202010050496.9
申请日：2020-01-17
Applicant: 南京邮电大学
Abstract: 本发明提供一种自主导航与多模人机交互共享的轮椅控制系统及方法，所述系统包括自主导航器和多模人机交互控制器分别向共享控制器发出导航指令和用户指令，并由共享控制器确定最终控制指令控制智能轮椅；人机交互控制器包括操纵杆控制方式、头姿控制方式、手势控制方式；还包括切换器完成多模人机交互控制方式间的切换。本发明可以有效降低用户驾驶轮椅的疲劳感，提高用户驾驶轮椅舒适性、平稳性和交互的流畅性，满足不同对象的需求，提高智能轮椅的应用范围。
-
公开(公告)号：CN116525103A
公开(公告)日：2023-08-01
申请号：CN202310549217.7
申请日：2023-05-16
Applicant: 南京邮电大学通达学院
Abstract: 本发明提供一种基于XGBoost机器学习的血糖采集预测方法，属于数据处理技术领域，包括数据预处理步骤、XGBoost预测步骤以及预测值检验输出步骤，数据预处理步骤用以对输入数据进行处理，以便直接带入预测模型，XGBoost预测步骤用以对数据进行训练，将数据集拆分后进行测试，以便与真实值进行比较，预测值检验输出步骤，用以将两种不同的情况输出。高效、灵活地解决数据预测问题，并进行可视化展示。
-
公开(公告)号：CN115964934A
公开(公告)日：2023-04-14
申请号：CN202211517991.1
申请日：2022-11-30
Applicant: 南京邮电大学
IPC: G06F30/27 , G06N3/092 , G06F18/214 , G06N3/096
Abstract: 本发明公开了一种基于知识自演化的人工智能跨平台模型智能计算引擎构建方法，包括如下步骤：确认源时刻和目标时刻，基于人工经验，按照划分规则将某一时刻的离散制造系统数据集划分为多个数据集；初始化动态离散制造系统模型；对数据进行预处理，构建任务池；构建元学习框架，分为训练元学习模型和快速调整目标神经网络，实现多任务之间的快速迁移；更换目标时刻，利用元学习框架将训练好的神经网络快速迁移到新的任务；迭代上一步骤直到动态离散制造系统模型收敛，收敛后保存模型参数；将动态离散制造系统模型用于新环境任务，测试其性能。本发明能够减少模型参数的收敛时间，对于实际生产中随时间扰动的动态离散制造模型的训练具有重大的意义。
-
公开(公告)号：CN115796364A
公开(公告)日：2023-03-14
申请号：CN202211518004.X
申请日：2022-11-30
Applicant: 南京邮电大学
IPC: G06Q10/04 , G06Q10/0631 , G06Q50/04 , G06F18/22 , G06F18/214 , G06N3/092
Abstract: 本发明公开了一种面向离散制造系统的智能交互式决策方法，包括如下步骤：步骤1、针对实际应用场景，建立离散制造生产调度优化模型与策略；步骤2、基于深度强化学习算法，利用已有生产数据训练调度策略，将训练过程中具有高奖励的状态存入记忆体；步骤3、利用记忆体中的先验知识更新状态；步骤4、将更新后的状态输入深度强化学习网络，得到对应的奖励，并根据其奖励更新记忆体；步骤5、反复执行步骤4，直至模型参数收敛，保存模型，投入实际生产场景。本发明利用记忆体机制降低模型训练的计算量，提高模型训练的速度，能更快的迭代出最优解。
-
公开(公告)号：CN111150566B
公开(公告)日：2022-05-10
申请号：CN202010050496.9
申请日：2020-01-17
Applicant: 南京邮电大学
Abstract: 本发明提供一种自主导航与多模人机交互共享的轮椅控制系统及方法，所述系统包括自主导航器和多模人机交互控制器分别向共享控制器发出导航指令和用户指令，并由共享控制器确定最终控制指令控制智能轮椅；人机交互控制器包括操纵杆控制方式、头姿控制方式、手势控制方式；还包括切换器完成多模人机交互控制方式间的切换。本发明可以有效降低用户驾驶轮椅的疲劳感，提高用户驾驶轮椅舒适性、平稳性和交互的流畅性，满足不同对象的需求，提高智能轮椅的应用范围。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
