-
公开(公告)号：CN104775203A
公开(公告)日：2015-07-15
申请号：CN201510163973.1
申请日：2015-04-08
Applicant: 杭州电子科技大学
IPC: D01H13/32
CPC classification number: D01H13/32
Abstract: 本发明公开了一种光电管电流检测电路，包括光电管接收三极管、恒压驱动电流转换电路、交流耦合放大电路、单电源精密全波整流电路。恒压驱动电流转换电路包括第一运算放大器、第一电容、第二电容、第三电容和第一电阻。交流耦合放大电路包括第二运算放大器、第二电阻、第三电阻、第四电容、第五电容和第六电容。单电源精密全波整流电路包括第三运算放大器、第四运算放大器、第一肖基特二极管、第二肖基特二极管、第四电阻、第五电阻、第六电阻、第七电阻、第八电阻、第七电容和第八电容。本发明简化了双电源供电处理交流信号的电路复杂性，改善直流耦合方式带来的温漂和电源噪声干扰影响。能稳定有效的检测出光电管接收三极管中微小的电流变化。
-
公开(公告)号：CN103954627A
公开(公告)日：2014-07-30
申请号：CN201410160167.4
申请日：2014-04-21
Applicant: 杭州电子科技大学
IPC: G01N21/88
Abstract: 本发明涉及一种基于样本库字典基的电子元器件表面缺陷检测方法。目前电子元器件生产过程中的成品缺陷检测主要由人工完成，费时费力，不仅工作量大，而且易受检测人员主观因素的影响，容易造成误检和漏检，检测效率低，劳动强度大。如果在检测中操作不慎，还会对电子元器件造成二次损伤。本发明方法利用非接触式数字图像检测技术来提高电子元器件缺陷检测的效率，提出了一种基于样本库字典基的电子元器件表面缺陷检测方法。本发明方法通过构造合格及各类缺陷样本库字典基，自适应的对电子元器件的表面缺陷进行自动检测，并对缺陷类别进行自动判别，可以很好的克服人工目测检测方法的不足。
-
公开(公告)号：CN103454993A
公开(公告)日：2013-12-18
申请号：CN201310315141.8
申请日：2013-07-23
Applicant: 杭州电子科技大学
IPC: G05B19/418
CPC classification number: Y02P90/02
Abstract: 本发明公开了一种纱线瑕疵检测系统及实现方法，现有技术存在通信效率低，接线复杂，后期维护成本高的缺点，本发明的数据服务器和1号段通信中继控制器的以太网驱动模块通过以太网进行通信，所述的1号段通信中继控制器的CAN驱动模块NO.1与2号～M号通信中继控制器的CAN驱动模块NO.1之间采用CAN通信；所述的1号段通信中继控制器的CAN驱动模块NO.2与其所在段的1#～N#清纱器的CAN驱动模块之间采用CAN通信；所述的二号段～M号控制器的CAN驱动模块NO.2与其各自所在段的1#～N#清纱器的CAN驱动模块之间采用CAN通信。本发明具有通信效率高，容错性高，后期维护成本低的优势。
-
公开(公告)号：CN118311456B
公开(公告)日：2025-05-20
申请号：CN202410431892.4
申请日：2024-04-11
Applicant: 杭州电子科技大学
IPC: G01R31/389 , G01R31/396 , G01R31/367
Abstract: 本发明公开了一种多频率混合注入的高压电池包内阻测量方法，包括以下步骤：S1、输出叠加的混合电压信号，且逐个输出与合成前单一正弦波同频同相的方波信号。通过电压‑电流转换电路，产生混合的电流信号；S2、混合激励信号源进行高压耦合处理，并注入高压电池包内部；S3、使用放大电路对微弱信号进行放大，同步检波器提取噪底内的小信号，方波信号控制两个模拟开关。经低通滤波器后输出电压与电池纯内阻为正比例函数关系。S4、使用ADC采集输出直流信号,采集控制器与混合激励信号源中的FPGA进行同步，并将计算后的电池内阻发送到上位机。该方法测量电池内阻准确度高、效率高、安全可靠。
-
公开(公告)号：CN119952694A
公开(公告)日：2025-05-09
申请号：CN202510022599.7
申请日：2025-01-07
Applicant: 杭州电子科技大学
IPC: B25J9/16 , G06T7/00 , G06T7/73 , G06T7/50 , G06V10/764 , G06V10/40 , G06V10/82 , G06N3/092 , G06N3/0464 , G06N3/048 , G06N3/0455 , G06N3/084
Abstract: 本发明公开了一种基于视觉语言模型的机械臂自主抓取系统及其控制方法，该方法首先初始化机械臂，采集工作区间的彩色图像和深度图像。其次基于彩色图像和自然语言描述，生成目标物体边界框以及置信度，判断场景中是否存在目标物体；不存在目标物体时，对当前场景中可见物体进行实例分割和抓取可行性检测。然后将深度图像与通过抓取可行性检测的物体二值掩码送入交互物体选择策略、动作选择策略，得到待交互物体以及推动动作方向。最后获取待交互物体中心坐标，机械臂中心坐标与推动动作方向移动障碍物，直到目标物体出现且可抓取，机械臂抓取目标物体并放置在指定位置。本发明准确的实现对人类自然语言指定的物体进行识别并抓取。
-
Patent Agency Ranking
公开(公告)号：CN114491391B
公开(公告)日：2025-04-29
申请号：CN202210053200.8
申请日：2022-01-18
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于FPGA的一阶线性微分方程硬件逻辑实时求解方法，包括以下步骤：S1，构建待求解微分方程模块；S2，基于改进的四阶Runge‑Kutta算法数值迭代求解模型和上述S1中的模块，构建全硬件化、局部并行计算的参数更新模块；S3，基于S2中参数更新模块，构建用于计算的算法子顶层模块；S4，基于状态寄存器，构建实时控制模块，具备对子顶层模块的运行控制、x变量的迭代计算等功能；S5，基于S1～S4中所有模块，构建算法计算模型的顶层模块，并预留必要的参数用户接口。本发明保证高求解精度的同时，在一定程度上缓解该算法数值迭代模型固有的高串行性所带来的计算时延问题。
-
公开(公告)号：CN119887852A
公开(公告)日：2025-04-25
申请号：CN202411799075.0
申请日：2024-12-09
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于改进型角点检测的LK光流目标跟踪方法，包括以下步骤：首先，获取视频当前帧，提取候选角点；对候选角点使用Shi‑Tomasi算法计算角点响应，非候选角点角点响应置0，得到角点响应矩阵R；S3、用直方图熵算法计算阈值并对角点响应矩阵R进行筛选；S4、对筛选后的角点响应矩阵R寻找局部最大值并进行非极大值抑制，抑制后角点响应矩阵R的非零点即为当前帧角点；S5、使用LK光流算法预估当前帧角点在下一帧位置，获得角点行为轨迹，实现目标跟踪；该方法通过对Shi‑Tomasi角点检测做改进，不仅能保证角点检测的正确率，而且能极大缩短检测时间，从而进一步提高LK光流目标跟踪的实时性和准确性。
-
公开(公告)号：CN118625164B
公开(公告)日：2025-04-08
申请号：CN202410599208.3
申请日：2024-05-15
Applicant: 杭州电子科技大学
IPC: G01R31/385 , G01R31/367 , G06F18/213 , G06F18/25 , G06N3/0455 , G06N3/0895 , G06F123/02
Abstract: 本发明公开了一种基于MSFD的动力电池故障检测方法，该方法首先采集动力电池数据并进行预处理。其次由多尺度对比学习transformer特征提取网络和一个特征融合网络，构建MSFD网络模型。然后通过多尺度对比学习transformer特征提取网络对预处理后的数据样本据进行特征提取，通过特征融合网络对提取到的特征表示进行解码，输出重构结果。最后将只包含正常工况的数据作为训练数据集，通过对比损失和重构损失进行模型训练，将包含有异常数据的数据集输入到训练后的模型，根据重构误差划分故障阈值，超过故障阈值的为故障。本发明有助于及时、准确检测动力电池中存在的故障。
-
公开(公告)号：CN114859375B
公开(公告)日：2025-01-10
申请号：CN202210387032.6
申请日：2022-04-13
Applicant: 杭州电子科技大学
Abstract: 本发明涉及一种基于多机器人协作的自主探索建图系统及探索建图方法。本发明可以分为顶层服务器模块和底层机器人模块，其中顶层服务器模块由地图融合模块、未知边界点检测模块、边界点聚类滤波模块、探索目标点获取模块以及机器人任务分配模块五部分组成；底层机器人模块分为路径规划模块和局部地图构建模块。本方法实现了对未知环境的多机器人协作探索任务，能够自主完成栅格地图构建。本发明具有地图构建准确，探索效率高等优点，可以在很大程度上解放地图构建过程中的人力资源，具有较强的市场潜力和应用价值。
-
公开(公告)号：CN118861965A
公开(公告)日：2024-10-29
申请号：CN202410840724.0
申请日：2024-06-27
Applicant: 杭州电子科技大学
IPC: G06F18/25 , G06N3/0464 , G06N3/0455 , G06N3/0499 , G06N3/09 , G06N3/092 , G06V20/58 , G06V10/25 , G06V10/26 , G06V20/70 , G06V10/44 , G06V10/42 , G06V10/52 , G06V10/80 , G06V10/82 , G01S13/86 , G01D21/02 , B60W50/00 , B60W60/00
Abstract: 本发明属于深度强化学习自动驾驶领域，涉及车辆安全决策技术，具体是一种基于多模态时空表征的级联深度强化学习安全决策方法，其先构建了一个多模态时空感知编码器从多模态连续输入中联合建模空间和运动信息，以获取动态驾驶场景的当前感知表征；而后，引入未来预测编码器从当前感知表征中捕获不同交通参与者之间的交互，获取未来预测表征；而后，连接当前感知表征和未来预测表征形成多模态时空表征并作为强化学习的状态输入，以全面把握场景，并结合分布式PPO算法，在针对安全决策设计的奖励函数指导下实现安全决策任务。本发明具有很高的环境适应性和决策成功率，能够在稠密交通场景中以及突发事件下实现智能汽车的主动安全决策任务。
-
-
-
-
-
-
-
-
-
Search Results
193
records
(took 0.037 seconds)
