基于BP神经网络的气动式微滴喷射状态预测的方法

    公开(公告)号:CN109871614A

    公开(公告)日:2019-06-11

    申请号:CN201910122850.1

    申请日:2019-02-19

    Abstract: 本发明公开了基于BP神经网络的气动式微滴喷射状态预测的方法,属于微滴喷射领域。该方法首先建立了基于BP神经网络的微滴状态预测模型,该预测模型以气压振荡信号P(t)为输入,P(t)由腔内高速压力传感器采集,以微滴状态为输出。经验证搭建的模型可以精确地预测微滴喷射状态。常见的喷射状态参数包括:微滴个数Nd、微滴在一定延时(以高速电磁阀驱动信号上升沿为参考时间)相对喷口的距离Hd。在应用举例中,对微滴个数的预测准确率高于99%。相比基于机器视觉和图像处理获得微滴的统计平均位置,通过P(t)和BP神经网络的预测模型对Hd的预测精度可以提高3倍以上。

    基于自适应细菌觅食优化算法的RBPF-SLAM方法

    公开(公告)号:CN108955689A

    公开(公告)日:2018-12-07

    申请号:CN201810772568.3

    申请日:2018-07-13

    CPC classification number: G01C21/206

    Abstract: 本发明公开了一种基于自适应细菌觅食优化算法的RBPF‑SLAM方法,通过整合经典细菌觅食优化算法的复制操作及维度自适应学习算法,实现机器人位姿的二次预测,增加了构图精确性。并依据自适应细菌觅食优化算法迁徙操作的思想,设计了新的自适应重采样方法,应用于移动机器人SLAM问题。本发明应用自适应细菌觅食优化算法对机器人的位姿进行二步预测,进而得到二次更新后的粒子集,并应用算法中的迁徙操作思想改进Rao‑Blackwellized粒子滤波器的重采样过程,即将RBPF中的粒子模拟ABFO算法中的细菌个体,进行自适应重采样,从而提高了粒子多样性。

    一种足底压力分布对称性特征检测装置及检测方法

    公开(公告)号:CN115944289B

    公开(公告)日:2024-07-02

    申请号:CN202211667786.3

    申请日:2022-12-20

    Abstract: 本发明提供了一种足底压力分布对称性特征检测装置及检测方法。该装置包括用于检测足底压力分布的压力采集板;用于采集足底压力数据及计算指标的处理计算机;处理计算机上运行用于处理计算足底压力分布特征的足底压力分布对称性特征检测软件。该软件包括用于处理从压力采集板上采集的足底压力信息的数据处理模块;用于实时计算足底压力分布特征指标的特征计算模块;将指标和压力分布实时显示的可视化模块。本发明提出自适应双阈值法实现足部区域自动分割并在此基础上进行特征计算足底压力分布等压线及等压线形成的图形的面积、圆度等特征。本发明计算了左右足上述特征的不对称性指标。该指标可以有效的评估人体站姿状态下的力学不对称性。

    一种足底压力分布对称性特征检测装置及检测方法

    公开(公告)号:CN115944289A

    公开(公告)日:2023-04-11

    申请号:CN202211667786.3

    申请日:2022-12-20

    Abstract: 本发明提供了一种足底压力分布对称性特征检测装置及检测方法。该装置包括用于检测足底压力分布的压力采集板;用于采集足底压力数据及计算指标的处理计算机;处理计算机上运行用于处理计算足底压力分布特征的足底压力分布对称性特征检测软件。该软件包括用于处理从压力采集板上采集的足底压力信息的数据处理模块;用于实时计算足底压力分布特征指标的特征计算模块;将指标和压力分布实时显示的可视化模块。本发明提出自适应双阈值法实现足部区域自动分割并在此基础上进行特征计算足底压力分布等压线及等压线形成的图形的面积、圆度等特征。本发明计算了左右足上述特征的不对称性指标。该指标可以有效的评估人体站姿状态下的力学不对称性。

    气动式微滴喷射过程中被喷射液体流体特性变化的监测方法

    公开(公告)号:CN112733418A

    公开(公告)日:2021-04-30

    申请号:CN202011357907.5

    申请日:2020-11-27

    Abstract: 本发明公开了气动式微滴喷射过程中被喷射液体流体特性变化的监测方法,本方法是在固定喷射参数(包括前述喷射装置几何尺寸、电磁阀导通时间Δt、电磁阀前端气源气压P0等参数)的条件下,对流体特性保持稳定的液体建立对喷射状态参数S的预测模型,并获得预测误差范围和预测模型的置信区间。如果预测模型失效,预测值超出置信区间范围,则判定流体特性发生改变。本发明通过采集储液腔气压波形P(t)和液滴喷射状态参数实际值S,能够有效判断液体样本的流体特性。可用于气动微滴喷射装置的液体的流体特性的实时监测。

    基于特征提取与降维神经网络的视觉SLAM闭环检测方法

    公开(公告)号:CN109443382A

    公开(公告)日:2019-03-08

    申请号:CN201811231732.6

    申请日:2018-10-22

    Abstract: 本发明公开了基于特征提取与降维神经网络的视觉SLAM闭环检测方法,本发明采用卷积神经网络模型,通过在大量数据集上进行训练,从而使网络具有特征学习的能力。这样将图片之间的相似度比较转换成特征向量之间的相似度对比。为了进一步提高检测的速度,在卷积神经网络的最后加上一层自编码器网络,用来对提取的图像特征进行降维。卷积神经网络具有平移不变性,尺度不变性等多种特性,可以有效克服传统人工特征对环境变化敏感的缺点,并且具有更快的特征提取速度。该方法可解决传统视觉SLAM闭环检测方法存在的特征提取时间短,受环境变化和光照变化影响大的缺点,可以有效提高闭环检测的准确率和召回率,对于构建全局一致的环境地图具有重要作用。

Patent Agency Ranking