-
公开(公告)号：CN105286874A
公开(公告)日：2016-02-03
申请号：CN201510740004.8
申请日：2015-11-03
Applicant: 长安大学
IPC: A61B5/11
Abstract: 本发明公开了一种用于预测老年人跌倒风险的系统及方法，包括压力传感器模块：用于检测人体的脚底压力信息；信号采集模块：用于将脚底压力信息转换为电压信号；上位机处理模块：用于接收电压信号并将其转换为脚底压力信息；数据分析模块：对上位机处理模块获得的脚底压力信息进行计算分析得到人体步态数据，并通过步态数据评估跌倒风险，具体为采用人体步态数据与正常人步态数据进行比较，当步态数据超出正常人步态数据范围时，跌倒风险较大。本发明能够获得老年人摔倒风险数据，方便快捷地预测老年人的步态平衡和跌倒风险。
-
公开(公告)号：CN114448804B
公开(公告)日：2024-05-28
申请号：CN202210264391.2
申请日：2022-03-17
Applicant: 长安大学
IPC: H04L41/0853 , H04L41/08 , H04L41/0894 , H04L41/122 , H04L41/142
Abstract: 本发明公开了一种基于信息交互连通时长优化的服务功能链映射系统和方法。本发明在计算过程中考虑车辆节点移动对信息交互连通时长的影响，设计服务组件节点的排序方法，按照序列通过对节点映射中的节点属性、节点计算单元、结构以及链路容量进行可行判断，优先选择最大信息交互连通时长的物理网络节点进行映射，该方法能以较低的计算复杂度实现最大化信息交互连通时长的组件映射。该方法能够体现车辆移动性对服务功能链映射后信息交互连通时长的影响，以及增加动态环境中服务的可行时长，进而提升交通系统中的服务效果；仿真结果表明，本发明能够以较低的复杂度在交通系统中映射出服务可行时长提升的物理网络子图。
-
公开(公告)号：CN110390341B
公开(公告)日：2022-12-06
申请号：CN201910683531.8
申请日：2019-07-26
Applicant: 长安大学
IPC: G06V10/46 , G06V10/764 , G06V10/82 , G06V10/26 , G06V10/30
Abstract: 基于卷积神经网络的绿通车运载货物放射源图像识别方法，包括以下步骤：步骤1，绿通车运载货物放射源图像预处理；步骤2，输入图像样本准备；步骤3，设计绿通车运载货物放射源图像识别模型；步骤4，对绿通车运载货物放射源图像识别模型进行调优；步骤5，通过对模型的训练、验证及测试，并记录训练过程中损失函数及分类准确率的变化，损失函数能够反映模型对货物类型准确分类的能力。本发明采用基于卷积神经网络的绿通车运载货物放射源图像识别可避免查验结果对查验人员的主观依赖性，减轻一线查验人员工作强度。同时可提高检查效率，减少收费站拥堵情况的产生。
-
公开(公告)号：CN108898625B
公开(公告)日：2021-01-08
申请号：CN201810670576.7
申请日：2018-06-26
Applicant: 长安大学
IPC: G06T7/277
Abstract: 本发明公开了一种智能混合群体优化滤波方法法，首先按照权值对粒子进行分层；然后根据不同层粒子的数目，对不同层粒子进行相应的选择不同的运动方式；接着对粒子状态进行估计，将条件均值或具有极大后验概率密度的状态作为系统状态的估计值；然后对粒子状态进行更新，生成合适的建议分布，从而准确地估计目标在当前时刻的位置；最后对粒子状态进行预测，预测的目的是为了下一时刻能更准确的估计目标的状态，即是设计合适的先验分布函数。本发明方法能够更加准确地估计非线性系统中的后验状态，在复杂多变的场景环境中，表现出更高的跟踪准确性。
-
公开(公告)号：CN109327168B
公开(公告)日：2020-07-28
申请号：CN201811168570.6
申请日：2018-10-08
Applicant: 长安大学
Inventor： 林海 , 李晓辉 , 董媛 , 赵毅 , 李杰 , 王萍 , 于雅鑫 , 梁华刚 , 李刚 , 龚贤武 , 张弢 , 肖剑 , 周熙炜 , 左磊 , 朱玮 , 闫茂德 , 茹锋 , 段晨东 , 汪贵平
Abstract: 本发明公开了一种永磁同步电机模糊滞环电流控制系统及方法，速度误差和误差变化量作为模糊逻辑控制器输入，输出量G与滞环控制器输出信号匹配，控制PWM产生相应占空比的六路PWM信号，控制逆变器的六个功率开关管，使得电机稳定运行，本发明与传统方法相比，电流跟踪控制的响应速度和稳态精度较好。
-
Patent Agency Ranking
公开(公告)号：CN107390573B
公开(公告)日：2020-05-29
申请号：CN201710509586.8
申请日：2017-06-28
Applicant: 长安大学
IPC: G05B19/042 , G06F3/01 , A61G5/10 , A61G5/00
Abstract: 本发明属于智能轮椅控制技术领域，具体是一套基于手势控制的智能轮椅系统及控制方法。摄像头视频采集模块采集手势图像，手势检测模块接收来自摄像头视频采集模块采集到的手势图像，检测分析并提取出图像中的手势信息，手势识别模块接收来自手势检测模块的手势信息，并识别手势信息；手势信息无线传输模块接收手势识别模块识别后的手势信息并将该手势信息传回给智能轮椅的控制器；智能轮椅的控制器，接收手势信息，并按照手势信息对智能轮椅进行控制。本发明使人们能够通过手势来控制轮椅动作，具有方便、可靠的特点。
-
公开(公告)号：CN110796859A
公开(公告)日：2020-02-14
申请号：CN201911033389.9
申请日：2019-10-28
Applicant: 长安大学
Abstract: 基于交通流的实时交通状态辨识及事故风险预警方法，包括以下步骤：步骤1，数据准备：步骤2，选取能够直观反映交通运行状态的交通流参数，其构成了交通状态空间；步骤3，在状态空间中描绘各观测数据的状态点，对安全域边界进行估计，将交通状态空间分为安全域和非安全域，不同区域代表不同的交通运行状态；步骤4，交通运行状态辨识：计算实时的交通流运行数据，在状态空间中描绘对应的状态点，根据安全域边界的划定，进而辨识实时的交通状态并输出结果。本发明立足于交通流对交通安全的影响，充分挖掘高速公路交通事故与交通流特性之间潜在的规律和特征，构建基于交通流的实时交通事故风险预警模型，为高速公路交通管理提供安全管理措施。
-
公开(公告)号：CN110675624A
公开(公告)日：2020-01-10
申请号：CN201910889278.1
申请日：2019-09-19
Applicant: 长安大学
Abstract: 一种高风险路段的行车风险控制方法，包括以下步骤：步骤1，选取单元长度的路段，计算得到事故集中的高风险路段；步骤2，将高风险路段上的交通流分为两种状态；步骤3，将高风险区分为预警段和高风险路段两个功能区段；步骤4，根据步骤3所示的预警段与高风险段的空间布局，得到信息发布设备布设位置。本发明首先对研究对象选取合适的路段单元长度，结合动态分段的移动步长法划分几个不同的组合，接下来采用Relim算法挖掘各个组合中的频繁项集，将交通事故次数和伤亡人数进行当量化处理，得到长度短且事故集中的交通事故高风险路段，再对所找出的高风险路段中的事故影响因素进行关联规则挖掘。
-
公开(公告)号：CN110533098A
公开(公告)日：2019-12-03
申请号：CN201910803745.4
申请日：2019-08-28
Applicant: 长安大学
IPC: G06K9/62
Abstract: 一种基于卷积神经网络识别绿通车车厢装载类型的方法，包括以下步骤：步骤1，获取绿通车图像；步骤2，通过图像质量评价方法中的相对评价法制定绿通车图像有效性判定标准；步骤3，增加训练样本的数量；步骤4，进行车厢目标检测；步骤5，将绿通车车辆按车厢-装载类型分为8类；步骤6，对车厢-装载类型分类进行训练；步骤7，对需要识别的绿通车车厢-装载类型进行判定。针对图像种类数量不均衡的问题，对非均衡数据采用数据过采样方法处理，达到各种类样本数量的平衡。避免了欠采样方法中随机选取的被剔除的数据有可能包含该类的关键特征信息的问题。
-
公开(公告)号：CN109211202A
公开(公告)日：2019-01-15
申请号：CN201811118398.3
申请日：2018-09-21
Applicant: 长安大学
CPC classification number: G01C11/04 , G01C21/20 , G06K9/0063
Abstract: 本发明属于高速公路边坡巡查技术领域，具体涉及一种基于无人机的高速公路边坡巡查的路径优化方法：步骤1，对无人机拍摄质量进行控制，以获取最佳拍摄角度；步骤2，对拍摄对象进行分类，并根据分类情况确定拍摄方式；步骤3，通过无人机拍摄需要拍摄的对象，根据拍摄的图片，进行排查，提取出图片中边坡存在的病害嫌疑点；步骤4，计算各病害嫌疑点之间的距离，并构建病害嫌疑点的邻接矩阵；步骤5，将步骤4构建的邻接矩阵作为模拟退火算法的输入，计算得到无人机遍历病害嫌疑点的最短路径。本发明通过无人机对高速公路边坡进行巡查，并且能够规划处合理的巡查路径，能够解决现有技术中存在的人工巡查工作量大的问题。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.033 seconds)
