-
公开(公告)号：CN117137684A
公开(公告)日：2023-12-01
申请号：CN202311358094.5
申请日：2023-10-19
Applicant: 上海市东方医院(同济大学附属东方医院)
IPC: A61F2/24
Abstract: 本发明提供了一种经导管自膨式主动脉瓣环支架系统，包括显影输送鞘管，所述显影输送鞘管内设有导向杆及锚固环，所述显影输送鞘管的末端侧壁开有若干显影剂扩散孔，所述锚固环为可径向压缩和展开的环形结构，具有压缩状态和展开状态，所述导向杆的末端与所述锚固环通过释放装置相连，所述导向杆的前端与用于控制所述释放装置的释放手柄相连，处于所述压缩状态时所述锚固环可塞入所述显影输送鞘管内；处于所述展开状态时所述锚固环的外径与瓣膜处主动脉血管内径相配。本发明放置在主动脉血管与瓣膜之间，较少受到血流动力学影响，在使用时可以为自膨式瓣膜提供稳固的安装锚定点；同时在自膨式瓣膜膨胀到位后两者结合保证定位更加稳固。
-
公开(公告)号：CN108510153B
公开(公告)日：2022-09-16
申请号：CN201810129066.9
申请日：2018-02-08
Applicant: 同济大学
Abstract: 本发明涉及一种多工况旋转机械故障诊断方法，包括：S1、采集得到旋转机械的原始振动数据矩阵；S2、对原始振动数据依次进行傅里叶变换和归一化处理，得到规范化振动数据矩阵；S3、将规范化振动数据矩阵输入由卷积神经网络与K近邻分类器串联组合建立的故障诊断模型中，得到诊断结果。与现有技术相比，本发明通过卷积神经网络，提升了诊断模型对多变工况下对不变性特征的提取能力；通过K近邻分类器，增强诊断模型对非线性故障特征的分类能力与鲁棒性；两者结合共同提升了诊断模型对复杂工况条件下旋转机械故障诊断的准确率，为在线智能化故障诊断提供了有力支持。
-
公开(公告)号：CN108510153A
公开(公告)日：2018-09-07
申请号：CN201810129066.9
申请日：2018-02-08
Applicant: 同济大学
Abstract: 本发明涉及一种多工况旋转机械故障诊断方法，包括：S1、采集得到旋转机械的原始振动数据矩阵；S2、对原始振动数据依次进行傅里叶变换和归一化处理，得到规范化振动数据矩阵；S3、将规范化振动数据矩阵输入由卷积神经网络与K近邻分类器串联组合建立的故障诊断模型中，得到诊断结果。与现有技术相比，本发明通过卷积神经网络，提升了诊断模型对多变工况下对不变性特征的提取能力；通过K近邻分类器，增强诊断模型对非线性故障特征的分类能力与鲁棒性；两者结合共同提升了诊断模型对复杂工况条件下旋转机械故障诊断的准确率，为在线智能化故障诊断提供了有力支持。
-
公开(公告)号：CN106908775A
公开(公告)日：2017-06-30
申请号：CN201710134286.6
申请日：2017-03-08
Applicant: 同济大学
IPC: G01S7/48
Abstract: 本发明涉及一种基于激光反射强度的无人车实时定位方法，包括以下步骤：S1，车载的激光雷达对城市道路两侧进行拍摄，获取多帧点云数据，并进行路沿点提取，将路沿点转换到当前车辆坐标系下；S2，选取z轴坐标值位于设定范围内的路沿点获取其在GPS坐标系下的坐标，以无人车当前的GPS坐标点为原点，划分坐标空间得到栅格图；S3，将栅格化的高精度地图与步骤S2得到的栅格图进行匹配，获得无人车在高精度地图上的位置；S4，利用卡尔曼滤波器预测车辆位姿。与现有技术相比，本发明可以在复杂环境下实现实时精确定位，能够有效提高无人车行驶的安全性。
-
公开(公告)号：CN107045639B
公开(公告)日：2020-06-02
申请号：CN201710158942.6
申请日：2017-03-13
Applicant: 同济大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于时间自动机的跟车行为生成方法，包括以下步骤：S1，从交通数据集中提取跟车数据，将后车速度、后车与前车的相对距离和相对速度作为跟车模型的输入参数，将输入参数符号化；S2，利用时间自动机学习算法对跟车模型进行训练，得到跟车模型自动机；S3，将跟车模型自动机的隐藏状态作为跟车的子状态，对子状态聚类，用于表示跟车子行为；S4，分别对各跟车子行为建立Helly跟车模型，对各模型进行参数标定，得到对应子行为下的后车加速度，从而获得跟车轨迹。与现有技术相比，本发明通过自动机对符号进行学习，获得隐藏状态，并进行聚类，更好的体现跟车的子行为，精确的表示人类跟车行为轨迹，提高了无人车的智能化水平。
-
Patent Agency Ranking
公开(公告)号：CN106873595B
公开(公告)日：2019-09-27
申请号：CN201710146212.4
申请日：2017-03-13
Applicant: 同济大学
IPC: G05D1/02
Abstract: 本发明涉及一种基于时间自动机的跟车行为识别方法，包括以下步骤：S1，从交通数据集中提取原始跟车数据，将跟车模型的输入参数符号化；S2，利用时间自动机学习算法对跟车模型进行训练，得到跟车模型自动机；S3，将跟车模型自动机的隐藏状态作为跟车的子状态，对子状态聚类；S4，将概率低于设定值的子状态去除，然后归并成多个类别，每个类别对应一种跟车子行为；S5，获取实际跟车数据作为输入，通过跟车模型自动机获得跟车子行为。与现有技术相比，本发明将多维连续时间序列符号化并学习生成一个具有很强的可解释性的跟车行为模型，通过自动机对符号进行学习，获得隐藏状态，并进行聚类，能更好的体现跟车的子行为。
-
公开(公告)号：CN119339376A
公开(公告)日：2025-01-21
申请号：CN202411358578.4
申请日：2024-09-27
Applicant: 中交海峡建设投资发展有限公司 , 同济大学
IPC: G06V20/70 , G06V20/10 , G06V20/64 , G06V10/26 , G06V10/82 , G06V10/774 , G06N3/0499 , G06N3/0985
Abstract: 本发明公开一种基于点云特征深度学习的盾构隧道单环点云分割方法，通过含有标注信息的盾构隧道单环点云数据进行点云特征深度学习模型训练，采用训练得到的点云特征深度学习模型实现盾构隧道单环点云的智能分割，输入点云为盾构隧道单环原始点云，输出点云为包含语义信息的盾构隧道单环点云，应用于盾构隧道单环点云的噪声分割任务和管片分割任务。本发明的优点实现盾构隧道单环空间信息和变形的自动化提取，增加分割任务的准确性。
-
公开(公告)号：CN119288540A
公开(公告)日：2025-01-10
申请号：CN202411744689.9
申请日：2024-12-01
Applicant: 同济大学 , 广州地铁集团有限公司 , 广州地铁建设管理有限公司 , 重庆大学
IPC: E21D11/08
Abstract: 本发明公开了一种预制阶段管片凸凹榫的加固结构及加固方法。该加固结构包括钢筋笼、交叉筋、螺旋筋和防裂网；其中，钢筋笼与混凝土浇筑在一起，作为提升管片整体承载能力的主要结构；交叉筋与钢筋笼连接，用于提升管片凸榫处混凝土的承载能力；螺旋筋与交叉筋连接，并且与交叉筋共同提升管片凹榫、凸榫处混凝土的承载能力；防裂网，用于包裹混凝土并使凹榫、凸榫处的混凝土聚拢作为整体，以提升管片凸凹榫处的承载能力。本发明采用防裂网加钢筋的组合方式对盾构隧道管片错台、椭变时的受力薄弱部位即“凸凹榫”进行针对性加固，不但，可以有效缓解凸凹榫在隧道施工、运营过程中的开裂、破裂及渗漏水等病害，而且，加固方式造价低、施工方便。
-
公开(公告)号：CN115761732A
公开(公告)日：2023-03-07
申请号：CN202211280126.X
申请日：2022-10-19
Applicant: 同济大学
Abstract: 一种三阶段金丝键合缺陷检测方法，其特征是，包括三个阶段，如下：(1)芯片及关键连接区域分割：使用DeepLabV3+模型完成芯片及关键连接区域的语义分割；(2)感兴趣区域提取：根据键合线连接对象不同和背景复杂程度，将金丝键合图片分为4类，基于阶段1提取的位置信息，进一步设计相应的图像处理算法完成感兴趣区域提取；(3)缺陷判别：基于所提取的感兴趣区域，使用图像处理算法和所提出了一个全新的基于孪生网络架构的分类网络完成缺陷判别。因此，本发明是将深度学习方法与传统数字图像处理方法相融合的三阶段缺陷检测方法，完成微波组件金丝键合工艺中的缺丝和翘丝缺陷检测。
-
公开(公告)号：CN108388977A
公开(公告)日：2018-08-10
申请号：CN201810048889.9
申请日：2018-01-18
Applicant: 同济大学
Abstract: 本发明涉及一种面向智能制造的协同开发系统及方法，该系统包括：需求分析模块：用以在产品的生产之前获取客户对产品的需求，并对需求根据知识进行解释、分类，并转化生成任务；任务分解模块：根据客户对产品的需求生成总任务，然后对总任务进行任务细分和功能细分，最终分解形成可识别的多个子任务；指派任务模块：用以对描述的任务和问题进行分配，并且选择任务执行过程决策要素和过程模型的优化算法，将各个任务指派到相关的协同设计模块；协同开发模块：用以接受和执行指派的任务，并对执行结果进行评估和分析。与现有技术相比，本发明具有组织协同、直观高效、动态变化、生产柔性化等优点。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.019 seconds)
