一种连续转动多功能三指机械手爪

    公开(公告)号:CN108656146B

    公开(公告)日:2020-11-10

    申请号:CN201810529571.2

    申请日:2018-05-29

    IPC分类号: B25J15/10

    摘要: 本发明公开一种连续转动多功能三指机械手爪,物理机械结构包括手腕部分和手爪部分。在物理机械机构的基础上搭建三指机械手爪的控制系统和传感系统。手腕部分包含一个旋转自由度,负责三指手爪的旋转。手爪部分包含一个开合自由度,负责三指手爪的开合。三指机械手爪控制系统部分包含两个电机驱动器。传感系统由两个触碰开关构成,检测手爪开合的极限位置。本发明还通过对指端头部的机械结构设计可以实现类似于内六角扳手拧内六角螺钉的功能。本发明的优点在于:兼具抓取、操作和连续转动的功能,可实现拧内六角螺钉和外六角螺母的操作功能。

    一种连续转动多功能三指机械手爪

    公开(公告)号:CN108656146A

    公开(公告)日:2018-10-16

    申请号:CN201810529571.2

    申请日:2018-05-29

    IPC分类号: B25J15/10

    摘要: 本发明公开一种连续转动多功能三指机械手爪,物理机械结构包括手腕部分和手爪部分。在物理机械机构的基础上搭建三指机械手爪的控制系统和传感系统。手腕部分包含一个旋转自由度,负责三指手爪的旋转。手爪部分包含一个开合自由度,负责三指手爪的开合。三指机械手爪控制系统部分包含两个电机驱动器。传感系统由两个触碰开关构成,检测手爪开合的极限位置。本发明还通过对指端头部的机械结构设计可以实现类似于内六角扳手拧内六角螺钉的功能。本发明的优点在于:兼具抓取、操作和连续转动的功能,可实现拧内六角螺钉和外六角螺母的操作功能。

    一种非连续增强金属基复合材料力学性能设计与预测的方法

    公开(公告)号:CN109829213A

    公开(公告)日:2019-05-31

    申请号:CN201910054500.6

    申请日:2019-01-21

    IPC分类号: G06F17/50

    摘要: 一种非连续增强金属基复合材料力学性能设计与预测方法,本发明涉及一种新材料设计领域的技术,具体是非连续增强金属基复合材料中增强体形状、含量、尺寸、取向的设计、复合材料结构建模及其变形行为、损伤行为和力学性能的预测方法。其操作流程包括:基于颗粒、短棒、晶须状增强体随机分布状态,构建非连续增强复合材料的三维几何模型;对三维模型进行网格划分;通过公式计算来修正金属基体和增强体的强度;将各组分的力学性能赋予模型;对模型施加边界条件及载荷;通过仿真技术计算复合材料的力学性能。该方法具有操作简便、适用复合材料体系广、精度高等特点。

    机器学习下使用全同态加密的安全外包计算方法及装置

    公开(公告)号:CN118101158A

    公开(公告)日:2024-05-28

    申请号:CN202410076020.0

    申请日:2024-01-18

    发明人: 高莹 高健鑫

    摘要: 本申请涉及信息安全技术领域,特别涉及一种机器学习下使用全同态加密的安全外包计算方法及装置,其中,方法包括以下步骤:获取机器学习过程中一个或多个需要进行安全外包计算的客户端上传的密文结果;根据需要进行安全外包计算的矩阵的运算需求确定密文同态目标运算操作,对一个或多个需要进行安全外包计算的客户端上传的密文结果进行密文同态目标运算操作得到密文运算结果;下发运算结果至目标客户端,其中,目标客户端利用全同态加密技术解密密文运算结果得到机器学习过程中的矩阵运算结果。由此,解决了相关技术中使用全同态加密的安全外包计算方法需要处理较多复杂繁重的计算任务导致占用大量的储存空间和资源,适用性较低等问题。

    纵向联邦学习线性回归和逻辑回归模型训练方法及装置

    公开(公告)号:CN113505894B

    公开(公告)日:2023-12-15

    申请号:CN202110615631.4

    申请日:2021-06-02

    摘要: 本申请公开了一种纵向联邦学习线性回归和逻辑回归模型训练方法、装置、计算机设备和存储介质,该方法通过各个参与方加密各自的本地训练数据,并交换加密后的密文;通过可交换加密方式获得参与方拥有样本交集的交集密文;随机选取多条交集密文中的数据,根据选取的数据得到参与方的中间结果密文,对中间结果密文进行解密,并根据解密结果计算加密聚合梯度;对加密聚合梯度进行解密,得到更新参与方模型参数的梯度;对模型进行更新,判断是否满足迭代终止条件,若满足,则结束迭代,若不满足则继续训练。解决了现有技术中由于数据的隐私性和不同组织之间缺乏信任,使得各组织的敏感数据难以充分利用以进行分布式机器学习模型训练的技术问题。

    一种新的弹性重要性的度量方法

    公开(公告)号:CN111581794B

    公开(公告)日:2022-03-15

    申请号:CN202010339871.1

    申请日:2020-04-26

    发明人: 李瑞莹 高莹

    IPC分类号: G06F30/20

    摘要: 本发明公开了一种新的弹性重要性的度量方法,属于系统弹性技术领域。首先建立反映部件性能与系统整体性能间的关系模型并确定相关参数。然后基于所有部件受扰动时间分布,抽样获取每次仿真中的受扰动部件,计算部件受扰动后的系统弹性,并考虑部件弹性的六种变化情况计算对应的系统弹性。接着,通过多次仿真计算系统弹性期望以及系统各部件在前述六种弹性变化情况下的系统弹性期望。再根据上述弹性期望计算结果,度量每个部件对应的7种弹性重要度。最后将系统的所有部件按照重要度降序排序,选择重要度最大值对应的部件分配较多的资源,反之分配较少的资源。本发明从不同角度判断部件的重要性,适用于多种场合。