-
公开(公告)号:CN111169589B
公开(公告)日:2025-02-18
申请号:CN202010062611.4
申请日:2020-01-20
Applicant: 西南大学
Abstract: 本发明公开了一种中央驱动式电驱动系统,包括电机、变速机构和轮毂驱动套,变速机构安装在电机的电机轴上,轮毂驱动套可转动地套装在电机的电机轴上,并位于变速机构和电机的转子之间,电机轴通过变速机构将动力传递给轮毂驱动套。采用以上技术方案的中央驱动式电驱动系统,相对于发明人团队过去设计的中央驱动式电驱动系统,有效解决了电机总成、减速箱和轮毂结构相互独立性差,拆卸和组装困难,零部件联接固定方式相互重叠,零部件多的问题;不仅更加便于组装、拆卸和维修,还可减少体积和重量,降低制造成本,达到“极简”的同时,还可进一步提高可靠性,提高操控性,极大增强了产品竞争力,更加容易推广使用,使市场更加容易接受。
-
公开(公告)号:CN113837085B
公开(公告)日:2024-12-17
申请号:CN202111120811.1
申请日:2021-09-24
Applicant: 西南大学
IPC: G06F18/24 , G06F18/10 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于领域自适应卷积神经网络的电子鼻漂移补偿方法,其特征在于,包括获取源域样本和目标域样本数据,按照传感器维度将分别输入k个分支,通过三个卷积路径的四个卷积块连接至四个分类器,进行特征投影后,通过基于最大均值差异(MMD)得到最终输出,本发明有益效果是:1、无需使用目标域数据建模,更加实用;2、在决策层实现漂移补偿,无需额外计算;3、网络结构可定制,具有较强灵活性;4、使用特殊设计的损失函数,能够更好的训练网络。
-
公开(公告)号:CN114883489B
公开(公告)日:2024-09-20
申请号:CN202210589118.7
申请日:2022-05-27
Applicant: 西南大学
IPC: H10N70/20
Abstract: 本发明涉及半导体器件技术领域,具体涉及一种异质结自整流忆阻器及其制备方法。其中,一种异质结自整流忆阻器,包括依次叠加的第一电极层、具有忆阻特性的异质结层和第二电极层,所述第一电极层、具有忆阻特性的异质结层和第二电极层的势垒能够通过能带工程进行调控。其方法包括以下步骤:取基底、第一电极层材料、具有忆阻特性的异质结层材料和第二电极层材料;在所述基底上依次叠加进行第一电极层材料、具有忆阻特性的异质结层材料和第二电极层材料的溅射镀膜,镀膜后形成异质结自整流忆阻器。本发明的目的是解决现有的忆阻器会产生潜行电流,使其电阻值会发生变化,导致其储存的数据失效的问题。
-
公开(公告)号:CN118569318A
公开(公告)日:2024-08-30
申请号:CN202410589304.X
申请日:2024-05-13
Applicant: 西南大学
IPC: G06N3/0464 , G06N3/049 , G06N3/0442 , G06N3/09 , G06V10/82
Abstract: 本发明公开了一种GACM‑SNN系统及其图片识别训练方法,GACM‑SNN系统,包括SNN系统,所述SNN系统设置有编码层、脉冲卷积层、全连接层,所述编码层由直接编码模块和门控注意模块GACM组成。有益效果:在SNN中引入门控注意模块GACM,该门控注意模块GACM能够调整在不同时刻和空间位置的注意力分配,增强SNN理解时间数据的能力和减少SNN编码层的量化误差和信息损失,提高编码信息的保真度,有效改进在静态和神经形态数据集上对SNN的训练,更好地表示和理解复杂的时空信息,解决直接编码的局限性,并提高SNN的信息处理能力。
-
公开(公告)号:CN113627084B
公开(公告)日:2024-05-10
申请号:CN202110903094.3
申请日:2021-08-06
Applicant: 西南大学
IPC: G06F30/27 , G06F18/214 , G06F18/2411 , G06F111/04
Abstract: 本发明公开了一种基于极限学习机的电子鼻信号漂移补偿子空间对齐方法,包括:获取电子鼻数据;将未漂移的电子鼻数据作为源域数据,将漂移电子鼻数据作为目标域数据;将两域数据投影到基于极限学习机的特征空间中得到HS和HT;最小化两域数据之间的联合边缘和条件分布差异;向分类模型中引入目标域样本的流形空间信息;最大化HSIC最小二乘公式;使用l2,1范数对投影子空间施加约束;最小化源域数据的类内散射,最大化源域数据的类间散射;最大化投影后源域数据和目标域数据的方差;合并得到SAELM;得到校准过后的电子鼻基准数据#imgabs0#和校准过后的数据#imgabs1#使用#imgabs2#进行训练,对#imgabs3#进行测试;将得到#imgabs4#标签作为电子鼻的预测输出。本发明有助于提高电子鼻对气体的识别率。
-
公开(公告)号:CN116757244A
公开(公告)日:2023-09-15
申请号:CN202310715854.7
申请日:2023-06-16
Applicant: 西南大学
Abstract: 一种基于多重随机纳米线网络的储备池系统,包括输入层、随机纳米线网络层、训练层和输出层,其中:所述输入层采集具有时间序列属性的向量数据组,向量数据组经归一化处理转化为电压输入矩阵Win;随机纳米线网络层设置有N层依次串联的纳米线网络;输入层逐个传送所述电压输入矩阵Win中的电压给第一纳米线网络层;第一纳米线网络层的输出端连接有第二纳米线网络层与训练层;第二纳米线网络层的输出端连接有第三纳米线网络层输入端与训练层,直至第N纳米线网络层的输出端连接训练层;训练层输出端连接输出层,输出层输出权重矩阵Wout。
-
公开(公告)号:CN115403784A
公开(公告)日:2022-11-29
申请号:CN202211023368.0
申请日:2022-08-25
Applicant: 西南大学
Abstract: 本发明公开了一种改性丝素蛋白及其制备方法、忆阻器和应用,其属于光电材料技术领域,该改性丝素蛋白的制备方法包括以下步骤:将5,6‑二羟基吲哚、聚甘油‑3和丝素蛋白溶液进行混合,得到前驱体溶液;将前驱体溶液进行热处理,得到改性丝素蛋白。本发明通过采用5,6‑二羟基吲哚和聚甘油‑3对丝素蛋白进行改性,可以显著提高丝素蛋白的柔韧性和介电性能;将该改性丝素蛋白作为忆阻器的基底,可以根据改性丝素蛋白的正负光电导效应,模拟人脑视皮层给光型和撤光型双极细胞,其具有较强的图像感知、原位存储、预处理和识别方面的能力。
-
公开(公告)号:CN115112270A
公开(公告)日:2022-09-27
申请号:CN202210809464.1
申请日:2022-07-11
Applicant: 西南大学
IPC: G01L1/00
Abstract: 本发明涉及柔性传感器技术领域,公开了一种柔性可拉伸触觉传感器,包括:衬底,所述衬底为柔性高分子薄膜;微结构信号敏感层,固定设置在所述衬底的其中一侧,包括若干用于感知压力的压力敏感结构,所述压力敏感结构为凸起状;拉伸敏感层,固定设置在所述衬底的另一侧,包括至少一个用于感知拉力的拉力敏感结构,所述拉力敏感结构为长条状,在z轴方向,所述拉力敏感结构位于相邻两个所述压力敏感结构的间隙之间,且在z轴方向,所述拉力敏感结构与所述压力敏感结构不相交;导线网络层,设置在所述衬底上,包括与所述压力敏感结构连接的可拉伸的第一导线。本发明可同时检测压应力和拉应力。
-
公开(公告)号:CN109740666B
公开(公告)日:2022-08-26
申请号:CN201811644498.X
申请日:2018-12-29
Applicant: 西南大学
IPC: G06K9/62
Abstract: 本发明涉及一种基于LKSVD的面向柑橘汁香气检测的电子鼻特征提取与分类方法,其特征在于:步骤如下:S1、采用电子鼻系统采集柑橘汁香气特征数据;S2、使用随机二进制数对柑橘汁香气特征数据过滤,形成柑橘汁香气特征字典;S3、利用核函数将非线性数据映射为线性数据;S4、对LKSVD目标函数进行初始化;S5、对LKSVD目标函数进行加权系数标准化;S6、将标准化后的LKSVD目标函数进行更新优化;S7、结合优化后的LKSVD目标函数,利用线性分类器得到柑橘汁香气特征字典的类标签;S8、根据柑橘汁香气特征字典的类标签对柑橘汁香气特征数据进行分类。本发明引入核函数,使LKSVD算法对数据的处理更为理想;使用EQPSO算法对LKSVD目标函数的加权参数进行优化,达到良好的分类效果。
-
公开(公告)号:CN108985316B
公开(公告)日:2022-03-01
申请号:CN201810509412.6
申请日:2018-05-24
Applicant: 西南大学
IPC: G06V10/774 , G06V10/764 , G06K9/62 , G06N3/04 , G06V10/82
Abstract: 本发明公开一种改进重构网络的胶囊网络图像分类识别方法:S1,构建胶囊网络;S2,输入图像训练集合至所述胶囊网络,所述胶囊网络经训练学习后完成图像分类识别校准;S3,输入待分类图像至所述胶囊网络,所述工作网络的输出向量vj中数值最大的一个即为得到的识别结果;S4,所述胶囊网络输出所述待分类图像的识别结果;其中胶囊网络的重构网络结构为反卷积操作。有益效果:提出了一种新的重构网络结构,通过反卷积操作把向量还原为图像,对比还原的图像和原始图像的误差来调节网络参数,减小了计算参数量,为硬件设备空出了更多运行内存。
-
-
-
-
-
-
-
-
-