-
公开(公告)号：CN119249644A
公开(公告)日：2025-01-03
申请号：CN202411434438.0
申请日：2024-10-15
Applicant: 燕山大学
IPC: G06F30/17 , G06F30/20 , G06F119/14
Abstract: 本申请公开了一种考虑活动部件界面物理变化的机械设计方法、装置、设备、介质及产品，涉及机械设计领域。方法包括：获取设计信息；设计信息是基于设计需要确定的产品设计方案；根据设计信息确定初始化的零件参数；采用三维建模软件，根据初始化的零件参数构建产品三维模型；基于界面条件情况，采用仿真软件对三维模型进行动力学仿真，得到仿真结果；根据仿真结果与预设产品性能指标进行比对，得到比对结果；若不一致，则对初始化的零件参数进行调整；若一致，则基于产品三维模型，根据对应的零件参数进行机械设计，得到设计结果；设计结果包括：工程图和装配图。本申请能够提高机械设计的精度。
-
公开(公告)号：CN115463003A
公开(公告)日：2022-12-13
申请号：CN202211105108.8
申请日：2022-09-09
Applicant: 燕山大学
Abstract: 本发明涉及一种基于信息融合的上肢康复机器人控制方法，属于康复机器人技术领域，包括根据机器人末端的位置、速度和患者对机器人末端施加的力来预测患者的运动意图；根据机器人末端位置及与外部环境碰撞的力来估计环境特征；根据患者施加在机器人末端的力及其变化率，基于卡尔曼滤波算法对运动意图和环境特征进行信息融合；基于模糊朴素贝叶斯原理，计算机器人当前的末端位置及与外部环境碰撞力的基本概率分布，判断任务是否完成；由于任务过程中的碰撞，引入柔顺模型，减小机器人末端与外部环境发生碰撞时的力，以保证任务操作过程中的安全性。本发明不仅提高了训练任务的完成度和患者的主动参与度，也提高了康复机器人辅助的智能性。
-
公开(公告)号：CN115157247A
公开(公告)日：2022-10-11
申请号：CN202210802825.X
申请日：2022-07-07
Applicant: 燕山大学
Abstract: 本发明提供一种具有平衡辅助功能的下肢外骨骼康复机器人控制方法，属于下肢外骨骼康复机器人控制领域。该方法包括：使用任意的物理引擎建立人与机器人交互的仿真环境；通过强化学习算法，在仿真环境中完成所设计的平衡编码模型和动作生成模型的训练，其中，奖励函数包含平衡项；利用动作生成模型生成数据集；建立平衡预测模型，与动作生成模型组成步态生成网络，使用上述数据集，通过模仿学习算法训练步态生成网络；训练完毕的步态生成网络用于输出机器人各关节电机的速度期望值，结合电机伺服驱动控制器实现机器人的控制。步态生成网络可以在无附加传感器的条件下预测机器人的状态，使控制器能及时校正系统的不平衡倾向。
-
公开(公告)号：CN113855477B
公开(公告)日：2022-07-19
申请号：CN202111044404.7
申请日：2021-09-07
Applicant: 燕山大学
IPC: A61H1/02
Abstract: 本发明提供一种用于下肢外骨骼机器人的分层式控制方法，具体实施过程为：S1、分析样本的特征信息，构建外层控制结构：设置外骨骼机器人的初始参考步态轨迹，并采集外骨骼机器人与样本的交互力矩；对初始参考步态轨迹进行修正，并输出相空间参考步态轨迹；重置初始参考步态轨迹并周期性地更新外层控制结构的输出。S2、基于S1的参考步态轨迹，构建内层控制结构：实时采集外骨骼机器人的关节角度、速度和加速度的数值；基于关节角度和参考步态轨迹，输出外骨骼机器人关节速度参考量。S3、基于S2的关节速度参考量，对外骨骼机器人的关节电机进行速度控制。本发明可以根据训练情况实时调整关节电机输出力矩，提升外骨骼机器人的柔顺性及训练效果。
-
公开(公告)号：CN112353401B
公开(公告)日：2022-04-19
申请号：CN202011117495.8
申请日：2020-10-19
Applicant: 燕山大学
Abstract: 本发明公开了一种基于生理状态评估的分期调控方法，属于生理状态评估技术领域，整体架构包括获取数据，数据处理与特征提取，分期模型构建和调控方法；通过包括接触式设备和非接触式设备的采集设备获取至少包括一种身体信号可表征睡眠状态的生理信号数据，数据处理部分包括对生理信号进行滤波，特征提取部分包括从时域，频域，非线性等多角度提取特征，分期模型部分引入主成分分析和梯度提升融合的思想提高分期精度，调控方法部分包括外部环境和个性化策略。本发明能够改善睡眠外部环境，解决人体在夜晚中难以入睡，睡眠质量差和深度睡眠时间短等问题。
-
Patent Agency Ranking
公开(公告)号：CN112353401A
公开(公告)日：2021-02-12
申请号：CN202011117495.8
申请日：2020-10-19
Applicant: 燕山大学
Abstract: 本发明公开了一种基于生理状态评估的分期调控方法，属于生理状态评估技术领域，整体架构包括获取数据，数据处理与特征提取，分期模型构建和调控方法；通过包括接触式设备和非接触式设备的采集设备获取至少包括一种身体信号可表征睡眠状态的生理信号数据，数据处理部分包括对生理信号进行滤波，特征提取部分包括从时域，频域，非线性等多角度提取特征，分期模型部分引入主成分分析和梯度提升融合的思想提高分期精度，调控方法部分包括外部环境和个性化策略。本发明能够改善睡眠外部环境，解决人体在夜晚中难以入睡，睡眠质量差和深度睡眠时间短等问题。
-
公开(公告)号：CN112347538A
公开(公告)日：2021-02-09
申请号：CN202011221370.X
申请日：2020-11-05
Applicant: 燕山大学
IPC: G06F30/13 , G06F30/15 , G06F30/23 , G06F119/14
Abstract: 本发明公开了一种在轨建造的地面验证方法及系统，该方法包括以下步骤：分析在轨建造结构的运动特性和边界条件，生成运动曲线；基于运动曲线，模拟在轨建造过程中建造对象任意构型在边界条件内的运动状态；在模拟环境下，测试每一步装配过程并估计装配后的几何与力学参数对后续装配目标进行调整，以完成建造任务并保证对象稳健性。本发明提供的在轨建造的地面验证方法及系统，进行建造结构动力学响应模拟，具有准确稳定、操作简单的特点，为在轨建造前期地面试验提供了关键环境条件。
-
公开(公告)号：CN118961018A
公开(公告)日：2024-11-15
申请号：CN202410744659.1
申请日：2024-06-11
Applicant: 燕山大学
IPC: G01L5/00
Abstract: 本公开是关于一种摩擦力矩检测设备、系统、方法及装置。涉及机械测量领域，解决了测量摩擦力矩时易产生测量误差、测量过程繁琐的问题。该设备包括：连接件，待检测件相对固定连接于所述连接件之上；连接于所述待检测件的轴驱动模块，所述待检测件在所述轴驱动模块的驱动下旋转；连接于所述连接件的力矩传感器，所述力矩传感器随所述连接件的转动产生转动位移，生成并向控制平台传输测量结果；抵接于所述待检测件的内外侧的径向载荷组件，所述径向载荷组件用于调整施加于所述待检测件内外侧以进行挤压的径向载荷。本公开提供的技术方案适用于变载荷下摩擦力矩的测量，实现了自动准确的摩擦力矩检测。
-
公开(公告)号：CN115463003B
公开(公告)日：2024-09-20
申请号：CN202211105108.8
申请日：2022-09-09
Applicant: 燕山大学
IPC: A61H1/02 , G06F18/2415 , G06N3/047 , G06N3/08 , G06N7/02 , G16H20/30 , G06N3/0499
Abstract: 本发明涉及一种基于信息融合的上肢康复机器人控制方法，属于康复机器人技术领域，包括根据机器人末端的位置、速度和患者对机器人末端施加的力来预测患者的运动意图；根据机器人末端位置及与外部环境碰撞的力来估计环境特征；根据患者施加在机器人末端的力及其变化率，基于卡尔曼滤波算法对运动意图和环境特征进行信息融合；基于模糊朴素贝叶斯原理，计算机器人当前的末端位置及与外部环境碰撞力的基本概率分布，判断任务是否完成；由于任务过程中的碰撞，引入柔顺模型，减小机器人末端与外部环境发生碰撞时的力，以保证任务操作过程中的安全性。本发明不仅提高了训练任务的完成度和患者的主动参与度，也提高了康复机器人辅助的智能性。
-
公开(公告)号：CN113855477A
公开(公告)日：2021-12-31
申请号：CN202111044404.7
申请日：2021-09-07
Applicant: 燕山大学
IPC: A61H1/02
Abstract: 本发明提供一种用于下肢外骨骼机器人的分层式控制方法，具体实施过程为：S1、分析样本的特征信息，构建外层控制结构：设置外骨骼机器人的初始参考步态轨迹，并采集外骨骼机器人与样本的交互力矩；对初始参考步态轨迹进行修正，并输出相空间参考步态轨迹；重置初始参考步态轨迹并周期性地更新外层控制结构的输出。S2、基于S1的参考步态轨迹，构建内层控制结构：实时采集外骨骼机器人的关节角度、速度和加速度的数值；基于关节角度和参考步态轨迹，输出外骨骼机器人关节速度参考量。S3、基于S2的关节速度参考量，对外骨骼机器人的关节电机进行速度控制。本发明可以根据训练情况实时调整关节电机输出力矩，提升外骨骼机器人的柔顺性及训练效果。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.019 seconds)
