-
公开(公告)号：CN109086248A
公开(公告)日：2018-12-25
申请号：CN201810621651.0
申请日：2018-06-15
Applicant: 西安科技大学
IPC: G06F17/14
Abstract: 本发明公开了一种基于复小波模极大值连线的故障信号分析方法，获取故障信号后用连续小波变换处理故障信号；对复小波消失矩进行优化并判断复小波消失矩是否最优，然后选取消失矩阶数n大于Lipschitz指数α后进行复小波变换；画出连续小波变换系数中的模极大值连线；沿着模极大值连线确定奇异点x0，计算对数log2│Wf(s,k)│沿着收敛于x0的模极大值连线的相应斜率，该斜率为α+1/2，从而求出x0点Lipschitz指数α。与现有技术相比，本发明具有很强的实用性功能，步骤简单，可将其延伸到其他信号的奇异分析中。
-
公开(公告)号：CN102557030B
公开(公告)日：2013-11-06
申请号：CN201110410975.8
申请日：2011-12-09
Applicant: 西安科技大学
IPC: C01B31/36
Abstract: 本发明公开了一种碳化硅冶炼炉尾气收集系统，包括三个相互连接的收集机构、过滤提纯机构和输气储藏机构，收集机构与系统的冶炼炉炉墙相连，收集机构依次再与过滤提纯机构以及输气储藏机构相连；收集机构、过滤提纯机构上分别设置有安全控制机构；收集机构包括收集罩底座、收集罩和百叶窗；过滤提纯机构包括分别通过管线连接的气体分离器、储油罐和水箱；所述气体分离器通过管线与输气储藏机构相连；输气储藏机构包括与气体分离器相连的储气罐。该系统能够充分碳化硅冶炼过程中产生的CO等尾气的附加值，减少环境污染；降低了CO气体聚集爆炸的危险，并且不会破坏碳化硅的正常反应条件。
-
公开(公告)号：CN108959732B
公开(公告)日：2019-09-27
申请号：CN201810621653.X
申请日：2018-06-15
Applicant: 西安科技大学
Abstract: 本发明公开了一种基于卷积神经网络的输电线路故障类型识别方法，卷积神经网络算法属于深度学习算法的一种，通过将深度学习算法应用于输电线路的故障类型识别领域，进行故障类型识别无需人为提取故障特征，以往的基于人工智能算法的线路故障类型识别需要事先提取故障特征，该发明简化了故障类型识别的结构；提高线路故障类型识别的识别效率，基于深度学习的线路故障类型识别算法在应用中，众多的参数会导致该算法在训练过程中千差万别，本发明打算对其进行优化；降低线路故障类型识别的错误率，不同的激活函数会使训练误差截然不同，本发明使用不同的激活函数对其进行训练，找到最优的激活函数。
-
公开(公告)号：CN109033954A
公开(公告)日：2018-12-18
申请号：CN201810620085.1
申请日：2018-06-15
Applicant: 西安科技大学
CPC classification number: G06K9/00355 , G06K9/6269 , G06K9/6271
Abstract: 本发明公开了一种基于机器视觉的空中手写识别系统及方法，手写字符视频输入部分用于实时采集输入的特定颜色的空中手写字符视频并将采集到的轨迹点生成轨迹图片；预处理部分用于对轨迹点生成轨迹图片进行滤波、灰度二值化、形态学的预处理操作；字符分割部分用于将预处理后的轨迹点生成轨迹图片的RGB色彩空间转换成HSV后，利用GA‑Otsu分割算法分割出HSV中的字符；特征提取部分对分割出的字符进行特征提取；分类识别部分用于将提取的特征用粒子群优化算法PSO优化支持向量机算法SVM得到最优SVM分类模型，输出所有字符的识别结果。本发明只需对特定颜色的书写轨迹进行捕捉，效率高，节省成本，方便携带，也不需要判断书写的起止与结束。
-
公开(公告)号：CN109015635A
公开(公告)日：2018-12-18
申请号：CN201810896826.9
申请日：2018-08-08
Applicant: 西安科技大学
CPC classification number: B25J9/1602 , B25J9/1697 , B25J13/006 , G06F3/015 , G06F2203/011
Abstract: 本发明公开了一种基于脑机交互的服务机器人控制方法，包括以下步骤：S1、将机器人控制单元分为机器人运动控制单元、机械臂动作控制单元；机器人控制单元由主控制器进行控制；S2、通过视觉刺激器发出不同频率的视觉刺激使得视觉诱发大脑中产生不同频率的脑电信号；S3、通过TGAM芯片对大脑中的脑电信号进行采集并通过手机APP将不同频率的脑电波信号转化成对机器人的控制指令；S4、手机APP将控制指令通过无线蓝牙发送给机器人上的主控制器；S5、主控制器通过采用机器人速度模糊控制算法与增量式PID控制算法相结合的方式对机器人控制单元进行控制。
-
Patent Agency Ranking
公开(公告)号：CN108903936A
公开(公告)日：2018-11-30
申请号：CN201810715885.1
申请日：2018-07-03
Applicant: 西安科技大学
IPC: A61B5/0476 , A61B5/048 , A61B5/18
CPC classification number: A61B5/0476 , A61B5/048 , A61B5/165 , A61B5/18 , A61B5/6803 , A61B5/681 , A61B5/7253 , A61B5/7264 , A61B5/746 , A61B2503/20 , A61B2560/0242
Abstract: 本发明公开了一种基于人体信息和环境信息融合的智能矿用头盔控制方法，包括原始脑电波信号的获取；原始脑电波的预处理；原始脑电波信号的小波分解重构；脑波信号特征提取；人工鱼群算法优化BP神经网络对疲劳特征进行识别；识别矿工疲劳度、监控矿工所处环境信息、对危险情况进行报警操作。本发明提取对原始脑电波信号预处理(滤波、去噪)后获得的高精度脑电波信号中四个子带能量、ApEn近似熵、KC复杂度和C0复杂度作为人工鱼群算法优化BP神经网络的输入层，训练人工鱼群算法优化BP神经网络识别矿工疲劳，识别准确率高，并通过佩戴在矿工手腕上的智能可穿戴手环对不同危险等级的安全状态进行声、光、震动三种方式的三重报警，从而提高井下操作安全系数。
-
公开(公告)号：CN107714037A
公开(公告)日：2018-02-23
申请号：CN201710947117.4
申请日：2017-10-12
Applicant: 西安科技大学
IPC: A61B5/0476 , A61B5/00
CPC classification number: A61B5/0476 , A61B5/6803 , A61B5/7203 , A61B5/7225 , A61B5/7264
Abstract: 本发明公开了一种基于脑机接口矿用头盔的矿工疲劳识别方法，包括步骤：一、原始脑电波信号的获取；二、原始脑电波信号去噪；三、脑波特征提取；四、BP神经网络的训练，401、BP神经网络初始化，402、获取训练输入样本集合并设定期望输出向量，403、监控主机训练隐含层输入、隐含层输出、输出层输入和输出层输出，404、计算实际误差，405、判断实际误差是否小于等于实际误差阈值，406、设置学习次数并判断学习次数是否完成，407、修正连接权值，408、完成BP神经网络的训练；五、识别矿工疲劳度。本发明对原始脑电波信号去噪获取精度高的脑电波信号，采用脑电波能量波动关系量化矿工精神状态并作为BP网络输入信号，矿工疲劳识别准确率高。
-
公开(公告)号：CN107693257A
公开(公告)日：2018-02-16
申请号：CN201711018401.X
申请日：2017-10-26
Applicant: 西安科技大学
CPC classification number: A61G7/018 , A61G7/001 , A61G7/02 , A61G7/057 , A61G7/07 , A61G7/0755 , A61G2203/10 , A61G2203/18
Abstract: 本发明公开了一种基于云平台的多模态护理床BCI系统，其包括：图片显示单元、数据采集与发送单元、数据接收与处理单元、以及护理床状态及环境信息采集与发送单元。本发明的有益之处在于：(1)用两块TGAM模块采集脑波信号，没有过多的电极，使用便捷；(2)信号采集模式多样，集视觉诱发、运动想象以及语音识别于一体，多模式控制护理床，适用面广泛、使用稳定性好；(3)脑波信号由ARM处理器进行处理，ARM处理器大量使用寄存器，使得脑波信号处理分类速度加快，同时使得护理床BCI系统体积大大减小；(4)采用云平台存储数据，护理床的状态信息以及护理床周围的环境信息可以实时上传到云平台，方便用户查看，家属可以对病人进行实时监测。
-
公开(公告)号：CN108903936B
公开(公告)日：2021-01-26
申请号：CN201810715885.1
申请日：2018-07-03
Applicant: 西安科技大学
Abstract: 本发明公开了一种基于人体信息和环境信息融合的智能矿用头盔控制方法，包括原始脑电波信号的获取；原始脑电波的预处理；原始脑电波信号的小波分解重构；脑波信号特征提取；人工鱼群算法优化BP神经网络对疲劳特征进行识别；识别矿工疲劳度、监控矿工所处环境信息、对危险情况进行报警操作。本发明提取对原始脑电波信号预处理(滤波、去噪)后获得的高精度脑电波信号中四个子带能量、ApEn近似熵、KC复杂度和C0复杂度作为人工鱼群算法优化BP神经网络的输入层，训练人工鱼群算法优化BP神经网络识别矿工疲劳，识别准确率高，并通过佩戴在矿工手腕上的智能可穿戴手环对不同危险等级的安全状态进行声、光、震动三种方式的三重报警，从而提高井下操作安全系数。
-
公开(公告)号：CN108056865A
公开(公告)日：2018-05-22
申请号：CN201711251132.1
申请日：2017-12-01
Applicant: 西安科技大学
CPC classification number: A61G5/04 , A61G5/10 , A61G2203/12 , A61G2203/18 , G06F3/015
Abstract: 本发明公开了一种基于云平台的多模态轮椅脑控系统及方法，共包含三种模态实现对轮椅的并行控制：第一种模态是运动想像控制，第二种模态是稳态视觉诱发控制，第三种模态是语音控制。在云平台的监测方面，通过自主搭建MYSQL服务器对使用者的脑电数据，和轮椅的运行状况进行监测。FPGA通过串口搭载GSM模块，通过4G网络或者WIFI的形式将数据上传至服务器，当使用者登录利用JSP+HTML+CSS自主开发的网页，就可以远程监测轮椅以及使用者状况。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.046 seconds)
