-
公开(公告)号：CN111160616B
公开(公告)日：2021-09-07
申请号：CN201911235929.1
申请日：2019-12-05
Applicant: 广东工业大学
Abstract: 本申请提供一种基于边云协同的厨电设备预测性维护系统及方法，所述方法对厨电设备及其工作环境的周期性或持续性检测，获得大量的相关运行情况数据或者环境参数；通过对这些数据进行分析，可以反映厨电设备的运行情况，进一步预测短期一段时间内设备是否会发生故障危险，提前发出预警信息；还可以从长期角度估计设备的剩余使用寿命，从而让居民可以及时对处在危险期的设备进行报废、更换等处理。
-
公开(公告)号：CN111060944B
公开(公告)日：2021-08-17
申请号：CN201911367763.9
申请日：2019-12-26
Applicant: 广东工业大学
IPC: G01S19/46
Abstract: 本发明公开了一种基于current‑ellipse模型的车辆动态跟踪方法，包括以下步骤：S1、在GNSS信号受限区域部署RSUs车辆无线定位系统，获取目标跟踪车辆的运动观测数据；S2、以current模型为基础，改进得到目标跟踪车辆的current‑ellipse运动数学模型；S3、在步骤S2改进得到的current‑ellipse运动数学模型的基础上，对来自RSUs的目标跟踪车辆观测数据执行自适应卡尔曼滤波算法，从而得到精确的目标跟踪车辆的运动数据。本发明引入RSUs辅助定位，并基于一种新的车辆运动数学模型current‑ellipse和采用自适应卡尔曼滤波的融合算法，实现动态车辆精确跟踪。
-
公开(公告)号：CN111024158B
公开(公告)日：2021-11-19
申请号：CN201911334358.7
申请日：2019-12-23
Applicant: 广东工业大学
Abstract: 本发明公开了一种结合边缘计算的厨电危险智能监测方法，包括下述步骤：在厨房的不同设备与不同位置部署不同类型的传感器，并将以上传感器构成厨电传感器网络，实时采集相关的各项数据；厨电传感器网络将采集到的数据传输到邻近部署的边缘计算节点，边缘计算节点包括数据预处理模块、异常检测模块和故障诊断模块；边缘计算节点还储存有深度学习网络模型和基于知识的故障推理所需的知识库；本发明采用的厨电传感器网络，兼容了多种传感器，可以针对多种厨电隐患实时采集各种数据，充分获取全方位的潜在危险源；采用的靠近数据源部署的边缘计算节点对厨电数据的处理，有利于降低系统延迟，提高反应速度。
-
Patent Agency Ranking
公开(公告)号：CN111160616A
公开(公告)日：2020-05-15
申请号：CN201911235929.1
申请日：2019-12-05
Applicant: 广东工业大学
Abstract: 本申请提供一种基于边云协同的厨电设备预测性维护系统及方法，所述方法对厨电设备及其工作环境的周期性或持续性检测，获得大量的相关运行情况数据或者环境参数；通过对这些数据进行分析，可以反映厨电设备的运行情况，进一步预测短期一段时间内设备是否会发生故障危险，提前发出预警信息；还可以从长期角度估计设备的剩余使用寿命，从而让居民可以及时对处在危险期的设备进行报废、更换等处理。
-
公开(公告)号：CN111024158A
公开(公告)日：2020-04-17
申请号：CN201911334358.7
申请日：2019-12-23
Applicant: 广东工业大学
Abstract: 本发明公开了一种结合边缘计算的厨电危险智能监测方法，包括下述步骤：在厨房的不同设备与不同位置部署不同类型的传感器，并将以上传感器构成厨电传感器网络，实时采集相关的各项数据；厨电传感器网络将采集到的数据传输到邻近部署的边缘计算节点，边缘计算节点包括数据预处理模块、异常检测模块和故障诊断模块；边缘计算节点还储存有深度学习网络模型和基于知识的故障推理所需的知识库；本发明采用的厨电传感器网络，兼容了多种传感器，可以针对多种厨电隐患实时采集各种数据，充分获取全方位的潜在危险源；采用的靠近数据源部署的边缘计算节点对厨电数据的处理，有利于降低系统延迟，提高反应速度。
-
公开(公告)号：CN113538410B
公开(公告)日：2022-05-20
申请号：CN202110900474.1
申请日：2021-08-06
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于3D激光雷达和UWB的室内SLAM建图方法，在室内场景中部署UWB定位系统，并通过携带3D激光雷达传感器的机器人探索该室内场景区域，利用融合激光雷达数据和UWB数据的SLAM算法生成所探索区域的地图。具体包括以下步骤：S1、确定3D激光SLAM坐标系和UWB定位坐标系之间的相对位姿变换；S2、利用UWB数据为激光里程计的帧间匹配提供初始值；S3、利用UWB数据为SLAM后端位姿图添加约束；S4、进行基于曲率特征编码的回环检测。本发明突破室内场景的光照条件限制，并消除SLAM的累计误差，从而构建高质量的室内地图。
-
公开(公告)号：CN113538410A
公开(公告)日：2021-10-22
申请号：CN202110900474.1
申请日：2021-08-06
Applicant: 广东工业大学
Abstract: 本发明公开了一种基于3D激光雷达和UWB的室内SLAM建图方法，在室内场景中部署UWB定位系统，并通过携带3D激光雷达传感器的机器人探索该室内场景区域，利用融合激光雷达数据和UWB数据的SLAM算法生成所探索区域的地图。具体包括以下步骤：S1、确定3D激光SLAM坐标系和UWB定位坐标系之间的相对位姿变换；S2、利用UWB数据为激光里程计的帧间匹配提供初始值；S3、利用UWB数据为SLAM后端位姿图添加约束；S4、进行基于曲率特征编码的回环检测。本发明突破室内场景的光照条件限制，并消除SLAM的累计误差，从而构建高质量的室内地图。
-
公开(公告)号：CN111060944A
公开(公告)日：2020-04-24
申请号：CN201911367763.9
申请日：2019-12-26
Applicant: 广东工业大学
IPC: G01S19/46
Abstract: 本发明公开了一种基于current-ellipse模型的车辆动态跟踪方法，包括以下步骤：S1、在GNSS信号受限区域部署RSUs车辆无线定位系统，获取目标跟踪车辆的运动观测数据；S2、以current模型为基础，改进得到目标跟踪车辆的current-ellipse运动数学模型；S3、在步骤S2改进得到的current-ellipse运动数学模型的基础上，对来自RSUs的目标跟踪车辆观测数据执行自适应卡尔曼滤波算法，从而得到精确的目标跟踪车辆的运动数据。本发明引入RSUs辅助定位，并基于一种新的车辆运动数学模型current-ellipse和采用自适应卡尔曼滤波的融合算法，实现动态车辆精确跟踪。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.026 seconds)
