-
公开(公告)号：CN118364675A
公开(公告)日：2024-07-19
申请号：CN202410474097.3
申请日：2024-04-19
Applicant: 上海交通大学
IPC: G06F30/23 , G06V10/774
Abstract: 本发明提供一种对于活性复合悬臂梁形变预测方法及系统，包括以下步骤：获取有关复合悬臂梁的数据，并根据所述数据构建训练数据集；构建初步的复合悬臂梁形变预测网络模型；使用所述训练数据集对初步的复合悬臂梁形变预测网络模型进行训练和评估；根据所述训练和评估结果得到复合悬臂梁形变预测网络模型；使用复合悬臂梁形变预测网络模型对待预测的复合悬臂梁的形变进行预测；本发明具有以下有益效果：本发明通过使用神经网络替代有限元仿真进行复合悬臂梁的形变预测，极大的提升了预测效率，而且还通过使用LSTM层代替卷积层进行网络模型的构建，有效的利用了复合悬臂梁本身的连续性带来的数据连续性，不仅提高了预测精度，还降低了运算开销。
-
Patent Agency Ranking
公开(公告)号：CN117124036A
公开(公告)日：2023-11-28
申请号：CN202311144132.7
申请日：2023-09-06
Applicant: 上海交通大学
Abstract: 本发明公开了一种医用导丝的随机曲率末端装配微工具的装配装置，由步进电机组成的缠绕平台，提供任意圈数的旋转；用于移动缠绕平台的电机滑轨，提供0～10mm的位移；薄膜固定装置，用于固定待装配的带有微纳结构的功能薄膜；激光切割装置，用于切割薄膜。本发明装置结构简单有效，成本低，可以在随机曲率导丝末端精准装配功能微结构，实现宏微结构级联，提升医用导丝操作功能。
-
公开(公告)号：CN113160330B
公开(公告)日：2023-04-07
申请号：CN202110411702.9
申请日：2021-04-16
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于端到端的相机与激光雷达标定方法、系统及介质，包括：步骤1：对相机RGB图像进行逐层特征提取；步骤2：对激光雷达点云数据进行逐层特征提取；步骤3：对提取的相机RGB图像特征和激光雷达点云数据特征进行融合；步骤4：基于融合后的特征进行逐层学习相应外参标定矩阵；步骤5：对每层的外参标定矩阵进行整合，得到最终的外参标定矩阵并进行标定。本发明提升了相机与激光雷达标定的精度，改善了传统卷积神经网络方法在由点云获得的深度特征提取上的误差问题，在特征融合方式上提出了新的融合方式，在自动驾驶等场景上有实际利用价值。
-
公开(公告)号：CN119066857A
公开(公告)日：2024-12-03
申请号：CN202411134168.1
申请日：2024-08-19
Applicant: 上海交通大学
IPC: G06F30/20 , G06N3/04 , G06F113/26
Abstract: 本发明提供一种活性复合悬臂梁材料分布的逆向设计方法及系统，包括以下步骤：确定活性复合悬臂梁指定形变相对应的中心点描述矩阵和与活性复合悬臂梁相关的初代材料分布矩阵；将所述初代材料分布矩阵输入训练好的形变预测神经网络模型后得到与初代材料分布矩阵相对应的初代中心点描述矩阵；使用适应度函数对所有的初代中心点描述矩阵进行评估，根据评估结果确认是否产生子代材料分布矩阵；根据确认结果确定对应指定形变的活性复合悬臂梁的材料分布矩阵；本发明的有益效果为：本发明采用遗传算法和神经网络结合的方式，解决了指定形变的活性复合悬臂梁材料分布的逆向设计问题，为活性复合悬臂梁的应用提供了一种便捷的、普适的、高效的设计工具。
-
公开(公告)号：CN119004990A
公开(公告)日：2024-11-22
申请号：CN202411140817.9
申请日：2024-08-20
Applicant: 上海交通大学
IPC: G06F30/27 , G06F30/20 , G06F30/23 , G06F30/17 , G06N3/02 , B29C64/10 , B29C64/386 , B33Y10/00 , B33Y50/00
Abstract: 本发明提供一种具有指定复杂形变的微尺度活性复合悬臂梁制造方法，包括以下步骤：使用有限元仿真技术或神经网络技术确定具有指定复杂形变的微尺度活性复合悬臂梁的材料分布，其中，所述材料分布用于描述活性复合悬臂梁；使用优化策略优化具体的打印参数，根据优化后的具体打印参数拟合实验结果和仿真结果，并根据拟合结果构建仿真与实验的对应关系；根据所述材料分布和仿真与实验的对应关系制造具有指定复杂形变的微尺度活性复合悬臂梁；本发明具有以下有益效果：本发明提供的制造方法制造出的活性复合悬臂梁能够在受到外界刺激之后高精度的转变成期望设计形状，为活性复合悬臂的进一步应用提供了新的工具，有望进一步释放4D的应用潜力。
-
公开(公告)号：CN113160330A
公开(公告)日：2021-07-23
申请号：CN202110411702.9
申请日：2021-04-16
Applicant: 上海交通大学
Abstract: 本发明提供了一种基于端到端的相机与激光雷达标定方法、系统及介质，包括：步骤1：对相机RGB图像进行逐层特征提取；步骤2：对激光雷达点云数据进行逐层特征提取；步骤3：对提取的相机RGB图像特征和激光雷达点云数据特征进行融合；步骤4：基于融合后的特征进行逐层学习相应外参标定矩阵；步骤5：对每层的外参标定矩阵进行整合，得到最终的外参标定矩阵并进行标定。本发明提升了相机与激光雷达标定的精度，改善了传统卷积神经网络方法在由点云获得的深度特征提取上的误差问题，在特征融合方式上提出了新的融合方式，在自动驾驶等场景上有实际利用价值。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
