-
公开(公告)号：CN116392787A
公开(公告)日：2023-07-07
申请号：CN202310404170.5
申请日：2023-04-17
Applicant: 桂林电子科技大学
IPC: A63B47/02
Abstract: 本发明涉及机器人领域，具体设计一种基于双目视觉大型球类自动收集机器人，包括壳体、运动机构、识别机构、避障机构、抓取机构、存储机构、操控机构、供电机构，所述运动机构包括四个轮子；所述识别机构由摄像头构成；所述抓取机构为机械臂；所述操控机构为显示屏；所述供电机构为充电式锂电池。机器人通过运动机构在场内运动，通过识别机构对掉落在地上的球体捕捉，通过避障机构防止碰到障碍物，通过抓取机构将掉落在地上的球体抓取，通过存储机构将球填装，通过操控机构用显示屏指令机器人选择工作模式，通过供电机构帮助机器人提供动力，帮助专业训练的运动员在球场上不用消耗时间捡四处散落的球类从而进行更高效的训练。
-
公开(公告)号：CN115556093A
公开(公告)日：2023-01-03
申请号：CN202211138252.1
申请日：2022-09-19
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开基于NARXNN‑CNN混合迟滞模型的机器人关节补偿控制方法，针对机器人柔性关节传递精度随负载变化，关节输入输出角度之差扭转角与输出力矩表现为强非线性、非对称性及非光滑性的复杂迟滞特性，设计了NARXNN‑CNN混合迟滞模型，并设计分段式损失函数来实现独立分段偏差反向传递学习。通过NARXNN‑CNN混合迟滞模型预测扭转角的修正量，并利用该扭转角的修正量对关节输出角度设定值进行补偿，从而间接避免由于关节材料、制造及复杂结构的装配及负载变化等所造成的关节传递误差。
-
公开(公告)号：CN112994538B
公开(公告)日：2022-09-13
申请号：CN202110138493.5
申请日：2021-02-01
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于傅里叶神经网络SRM转矩脉动抑制控制系统和方法，参考转矩和实际输出转矩之间的关系，搭建傅里叶神经网络频谱探测模块，快速地在线获取傅里叶神经网络输出转矩信号中含有各次谐波含量的频谱；结合考虑转矩的动态特性，依据在线获取的转矩谐波信息和历史转矩谐波信息，设计参考转矩补偿的信号发生器，其输出对速度控制器输出参考转矩进行补偿，剔除了参考转矩中不希望的引起输出转矩脉动对应的谐波信息，以获得更为理想的参考转矩，在转矩分配器和电流内环控制的配合下，实现控制系统输出转矩的各次谐波幅值大幅度减小，有效抑制转矩脉动。
-
公开(公告)号：CN114690230A
公开(公告)日：2022-07-01
申请号：CN202210480382.7
申请日：2022-05-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于视觉惯性SLAM的自动驾驶车辆导航方法，具体是一种视觉惯性SLAM结合目标检测网络的导航方法。目的是移除道路场景下动态目标的影响，解决自动驾驶车辆在动态环境下导航精度下降的问题。该方法是由如下步骤实现的：步骤一：车载传感器采集图像、加速度和角速度，之后对齐数据；步骤二：检测动态目标，移除动态目标对位姿预估的影响；步骤三：IMU预积分，每次优化更新后不需重新进行积分，减小计算量；步骤四：初始化计算出各个参数；步骤五：紧耦合优化计算出边缘化先验信息、IMU测量残差和视觉观测残差。本发明适用于视觉惯性导航系统。
-
公开(公告)号：CN114690229A
公开(公告)日：2022-07-01
申请号：CN202210480378.0
申请日：2022-05-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种融合GPS的移动机器人视觉惯性导航方法，具体是一种视觉惯性SLAM结合GPS传感器的导航方法。目的是消除视觉惯性SLAM的累积误差，提高移动机器人的导航精度。该方法是由如下步骤实现的：步骤一：车载传感器采集图像、位置、加速度和角速度，之后对齐数据；步骤二：IMU预积分，每次优化更新后不需重新进行积分，减小计算量；步骤三：初始化计算出各个参数；步骤四：紧耦合优化计算出边缘化先验信息、IMU测量残差和视觉观测残差；步骤五：GPS测量值和视觉惯性SLAM联合优化。本发明适用于视觉惯性导航系统。
-
Patent Agency Ranking
公开(公告)号：CN111515962B
公开(公告)日：2022-04-12
申请号：CN202010500340.6
申请日：2020-06-04
Applicant: 桂林电子科技大学
IPC: B25J9/16
Abstract: 本发明公开一种含有谐波减速器柔性关节的传递误差补偿控制方法，设计了一个基于类迟滞算子和在线序列极限学习机的串联结构的迟滞混合模型，用于描述谐波减速器柔性关节特殊的迟滞非线性特性。模型参数学习采用递推参数更新，可在线捕捉柔性关节的不同运行状态下的迟滞特性动态变化。串联结构的迟滞混合模型预测输出角度，通过迟滞混合模型预测输出角度与谐波减速器柔性关节理想的输出角度相减，乘以减速比，通过前馈补偿控制，实现柔性关节高速端驱动伺服电机的补偿控制，提高柔性关节传递精度。本系统可构成嵌入式系统，运算量小，从信息的角度，通过补偿控制，解决柔性关节中减速器由于制造、加工工艺瓶颈问题。
-
公开(公告)号：CN114170074A
公开(公告)日：2022-03-11
申请号：CN202111218738.1
申请日：2021-10-20
Applicant: 桂林电子科技大学
IPC: G06T3/40
Abstract: 本发明属于图像处理技术领域，具体地涉及一种基于轻量型IRN的图像超分辨率重建方法。包括以下步骤：步骤1：选取训练集；步骤2：构建轻量型IRN网络；步骤3：将训练集中的高分辨率图像作为输入数据，对步骤2构建的IRN网络进行训练；步骤4：利用步骤3训练好的IRN网络进行图像的超分辨率重建，逆向输出得到超分辨率图像。用小波域高频子带插值改进模型的潜在变量，能保存并处理LR图像边缘值，增强嵌入高频信息能力。用注意力机制和扩展卷积设计特征提取块，降低模型的参数量并且提高训练时对图像细节的注意力。
-
公开(公告)号：CN113884935A
公开(公告)日：2022-01-04
申请号：CN202111288182.3
申请日：2021-11-02
Applicant: 桂林电子科技大学
IPC: G01R31/392
Abstract: 本发明公开基于锂电池在线电化学阻抗谱测量的SOH估算系统和方法，测量电池不同老化循环次数下的电化学阻抗谱和电池开路电压；使用灰色关联度对电化学阻抗谱进行特征选择；建立并训练机器学习模型；采集被测电池数据进行SOH估算。本发明通过对电池电化学阻抗谱进行分析，得到相关的特征参数，避免了复杂等效电路模型的参数辨识。本发明可完成对电池的电化学阻抗谱测量和电池SOH的估算，提高了系统的集成度和可靠性。
-
公开(公告)号：CN109343351B
公开(公告)日：2021-06-04
申请号：CN201811495606.1
申请日：2018-12-07
Applicant: 桂林电子科技大学
IPC: G05B13/04
Abstract: 本发明为一种改进PID控制的开关磁阻电机转矩控制系统，本系统在直接瞬时转矩控制系统的基础上，将单神经元PID速度控制器中的前向通道的微分计算模块移到转速的反馈通道，构成微分先行单神经元PID速度控制器。并且进一步引入经典模糊控制模块与积分计算模块并联构成积分模糊控制模块，对微分先行单神经元PID的输出增益进行实时调节，构成模糊—微分先行单神经元PID控制器。本系统控制性能较好，有效地减小了开关磁阻电机的转矩脉动，转矩脉动率小于2％，且系统动态性能良好。
-
公开(公告)号：CN108445406B
公开(公告)日：2021-05-25
申请号：CN201810205365.6
申请日：2018-03-13
Applicant: 桂林电子科技大学
IPC: G01R31/385 , G01R31/392 , G01R31/367
Abstract: 本发明公开一种动力电池健康状态估计方法，由采集电池恒流充电的电池电压V、电流I、时间t求得充电容量Q、建立V‑Q关系曲线、容量增量曲线峰值及峰值位置信息获取、RBF神经网络建立、粒子群算法训练RBF神经网络模型、利用已经生成的RBF神经网络估计电池健康状态几个步骤组成。本发明在不需要建立电动汽车动力电池等效电路的情况下，通过数据驱动的方式建立恒流充电的容量增量曲线峰值、峰值位置与电池健康状态的映射关系，提高估计精度，实现在线实时估计，可以实现电池组整体估计。
-
-
-
-
-
-
-
-
-
Search Results
215
records
(took 0.03 seconds)
