-
公开(公告)号：CN116483210A
公开(公告)日：2023-07-25
申请号：CN202310744031.7
申请日：2023-06-25
Applicant: 安徽大学
IPC: G06F3/01 , G06V10/764 , G06V20/40 , G06V10/80 , G06V10/82 , G06V10/30 , G05D1/10 , A61B5/378 , A61B5/372 , A61B5/00
Abstract: 本发明涉及无人机控制技术领域，尤其涉及一种基于深度学习和滑模控制的脑控无人机方法及系统，通过获取无人机实时视频流，将无人机实时视频流和SSVEP刺激范式结合，通过AR眼镜向用户发送SSVEP刺激，采集用户的脑电信号，使用小波变换对脑电信号进行预处理，生成对应的时频图，使用残差神经网络对时频图进行去噪，得到去噪后的时频图，再使用CNN人工神经网络对去噪后的时频图进行分类，将得出的分类结果与无人机控制命令匹配后输出控制命令，发送给无人机，让使用者可以更加直观地操控无人机运动；使用者通过佩戴AR眼镜接受稳态视觉诱导，摆脱了对传统显示屏的需求，能够随意活动，不需要固定在显示器屏幕前。
-
公开(公告)号：CN119157542A
公开(公告)日：2024-12-20
申请号：CN202411066213.4
申请日：2024-08-05
Applicant: 安徽大学
IPC: A61B5/16 , A61B5/372 , A61B5/00 , A61N2/00 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08 , G06F18/10 , G06F18/214 , G06F18/21 , G06F18/24 , G16H50/20
Abstract: 本发明的一种基于人机融合的抑郁症辅助识别方法及设备，包括获取EEG信号，对其数据预处理后进行LZ复杂度分析；然后，利用CNN‑LSTM置信度分析模型分析信号，用改良后的k折交叉验证进行模型评估判断和结果验证，将反馈得到的置信度和原始脑电图同LZ复杂度反馈给专家进行诊断和决策；最后，结合深度学习和神经导航系统确定TMS刺激靶点，用IAF确定刺激参数，进行TMS刺激并留存刺激位置及参数，再将刺激位置和参数展现给专家进行进一步的决策和判断。本发明的LZ复杂度可以作为辅助算法区分正常人与抑郁症患者。而本发明专注于LZ复杂度，同时LZ复杂度也可以作为CNN‑LSTM的输入，实现了前后衔接，浑然一体。
-
公开(公告)号：CN118521477A
公开(公告)日：2024-08-20
申请号：CN202410594485.5
申请日：2024-05-14
Applicant: 安徽大学
IPC: G06T3/4053 , H04N7/18 , H04N23/951 , G06T3/4046 , G06T5/70 , G06T7/70 , G06F18/213 , G06F18/24 , G06N3/0464 , G06N3/042 , A61B5/369 , A61B5/378
Abstract: 本发明的一种基于图像超分辨率重建算法的静默环境脑控方法，包括对脑电采集装置的脑电采集层进行校准，操作者观察视频图像信息，并将获取图像放入对抗卷积神经网络中进行超分辨率重建；信号处理单元接收并处理脑电信号，识别操作者真实控制指令并发送给无人机；无人机接收到动作指令并做出相应动作，将新的位置与飞行姿态信息回传，新的实际位置再与理论位置进行对比，判断无人机位置正确与否，再次执行获取图像信息、超分辨算法处理图像、指令传输与控制、信息回传与位置判断等步骤，直至所述无人机完成预设任务。本发明运用图像超分辨率重建算法进行处理，图像回传的影像失真模糊的问题也将得到有效解决，提高了回传影像的清晰度。
-
Patent Agency Ranking
公开(公告)号：CN117312802A
公开(公告)日：2023-12-29
申请号：CN202311605519.8
申请日：2023-11-29
Applicant: 安徽大学
IPC: G06F18/20 , G06F18/10 , G06F18/2433 , G06N3/0464 , G06N3/08 , G06Q50/04
Abstract: 本发明的一种基于人机融合的SMT产线关键工艺参数优化方法及存储介质，包括以下步骤，通过锡膏印刷系统对SMT产线上的电路主板进行锡膏点印；通过锡膏印刷检测系统对经过锡膏印刷系统的电路主板印刷情况进行检测；构建印刷质量预测模型对从关键工艺参数到SPI检测数据的对应关系进行拟合训练；构建印刷工艺参数策略模型对从SPI检测数据到关键工艺参数改进之间的策略模型进行拟合训练；结合人类专家的经验知识辅助机器智能的训练以及危机情况的纠错。本发明引入了强化学习用于决策锡膏印刷关键工艺参数的生成，结合基于MLP的印刷质量预测模型，形成一套优化印刷关键工艺参数的优化系统，具有较好的稳健性，且能适应多步预测等复杂情况。
-
公开(公告)号：CN117312802B
公开(公告)日：2024-03-22
申请号：CN202311605519.8
申请日：2023-11-29
Applicant: 安徽大学
IPC: G06F18/20 , G06F18/10 , G06F18/2433 , G06N3/0464 , G06N3/08 , G06Q50/04
Abstract: 本发明的一种基于人机融合的SMT产线关键工艺参数优化方法及存储介质，包括以下步骤，通过锡膏印刷系统对SMT产线上的电路主板进行锡膏点印；通过锡膏印刷检测系统对经过锡膏印刷系统的电路主板印刷情况进行检测；构建印刷质量预测模型对从关键工艺参数到SPI检测数据的对应关系进行拟合训练；构建印刷工艺参数策略模型对从SPI检测数据到关键工艺参数改进之间的策略模型进行拟合训练；结合人类专家的经验知识辅助机器智能的训练以及危机情况的纠错。本发明引入了强化学习用于决策锡膏印刷关键工艺参数的生成，结合基于MLP的印刷质量预测模型，形成一套优化印刷关键工艺参数的优化系统，具有较好的稳健性，且能适应多步预测等复杂情况。
-
公开(公告)号：CN116483210B
公开(公告)日：2023-09-08
申请号：CN202310744031.7
申请日：2023-06-25
Applicant: 安徽大学
IPC: G06F3/01 , G06V10/764 , G06V20/40 , G06V10/80 , G06V10/82 , G06V10/30 , G05D1/10 , A61B5/378 , A61B5/372 , A61B5/00
Abstract: 本发明涉及无人机控制技术领域，尤其涉及一种基于深度学习和滑模控制的脑控无人机方法及系统，通过获取无人机实时视频流，将无人机实时视频流和SSVEP刺激范式结合，通过AR眼镜向用户发送SSVEP刺激，采集用户的脑电信号，使用小波变换对脑电信号进行预处理，生成对应的时频图，使用残差神经网络对时频图进行去噪，得到去噪后的时频图，再使用CNN人工神经网络对去噪后的时频图进行分类，将得出的分类结果与无人机控制命令匹配后输出控制命令，发送给无人机，让使用者可以更加直观地操控无人机运动；使用者通过佩戴AR眼镜接受稳态视觉诱导，摆脱了对传统显示屏的需求，能够随意活动，不需要固定在显示器屏幕前。
-
公开(公告)号：CN119721561A
公开(公告)日：2025-03-28
申请号：CN202411734398.1
申请日：2024-11-29
Applicant: 安徽大学
IPC: G06Q10/0631 , H02J3/32 , H02J3/06 , H02J3/00 , H02J13/00 , G06Q30/0283 , G06Q50/06 , G06F17/11
Abstract: 本发明公开了一种工业现场的智能储能集成管理方法，首先利用监测设备采集储能系统ESS的数据；基于储能系统ESS给定的历史负荷数据，构建能源管理系统EMS来最小化长运行费用；对所构建的能源管理系统EMS进行调度测试，输入发电和负载使用的预测数据，根据一天中的不同小时数设置相应的加权系数，以反映高峰时段和非高峰时段的能源需求；用户输入需求调整能源管理系统EMS的参数，能源管理系统EMS根据用户输入的需求实时更新优化策略并进行可视化展示，用户查看具体的优化建议和预计节省的费用。上述方法能够帮助用户更好地管理能源消耗，在不影响电力系统正常运行的情况下，最大限度地降低电力系统的需量电费。
-
公开(公告)号：CN117435955A
公开(公告)日：2024-01-23
申请号：CN202311383121.4
申请日：2023-10-24
Applicant: 安徽大学
IPC: G06F18/24 , A61B5/369 , A61B5/372 , A61B5/378 , A61B5/00 , G06F18/214 , G06F18/15 , G06F18/213
Abstract: 本发明的一种基于小波包分解和FBCCA的脑控机械臂脑电频率检测方法，包括通过脑电信号采集设备采集被试者的脑电信号；对采集到的脑电信号进行预处理；对预处理单元预处理后的源数据进行多层小波分解，根据信号的特性与分析要求，匹配最佳的对应频带和信号频谱，重构出脑电信号处于刺激源的频段的部分，将其与参考信号做典型相关分析法，提取得到用户选择的刺激源特征；使用分类器对提取出的特征进行训练，分类器将根据残疾人想要完成的特定动作来做出判断，并输出相应的指令；根据分类器的输出结果，控制脑控机器臂完成相应的手臂动作。本发明实现了以脑电波信号控制机械臂完成对应的动作，提高了脑电频率检测效率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.019 seconds)
