一种鼻饲营养液支架
    1.
    发明公开

    公开(公告)号:CN118743628A

    公开(公告)日:2024-10-08

    申请号:CN202410860546.8

    申请日:2024-06-28

    IPC分类号: A61J15/00

    摘要: 本申请涉及一种鼻饲营养液支架,其包括:箱体,箱体内形成有冷藏腔与加热腔,存储有鼻饲液的存储袋放置在箱体的冷藏腔内;冷藏组件,冷藏组件用于对鼻饲液进行冷藏;加热组件,加热组件用于对鼻饲液进行加热;输液管,输液管的一端位于箱体的冷藏腔内与存储袋连接,另一端穿过加热腔并从箱体内穿出;摆动组件,摆动组件用于对存储袋进行摆动;输料组件,输料组件用于将存储袋内的鼻饲液通过输液管挤出;移动组件,移动组件安装在箱体上,箱体通过移动组件进行移动。本申请在冷藏的同时对鼻饲液进行加热摄入,能够延长鼻饲液的变质时间,减少鼻饲液的沉淀,使得鼻饲液能够符合患者的摄入需求。

    带动态压力检测功能的肠内营养泵

    公开(公告)号:CN118593358A

    公开(公告)日:2024-09-06

    申请号:CN202410689180.2

    申请日:2024-05-30

    IPC分类号: A61J15/00 G01L19/12

    摘要: 本发明公开了带动态压力检测功能的肠内营养泵,属于肠内营养泵技术领域,包括机体,所述机体的内部卡合连接有输液管路,且机体的内壁上固定连接有压力检测器,并且机体的右侧固定连接有连接板,以及机体的上表面固定连接有把手;还包括:电控板,所述电控板固定设置在所述机体的内部;滑板,所述滑板套设连接在所述下接杆的表面。该带动态压力检测功能的肠内营养泵,在工作时,按照装置自身的常规操作对接各个零件即可,需要注意的是,将部分输液管路安装在压力检测器的内部,在输液过程中,压力检测器检测到压力数值异常时,压力检测器启动警示灯,使工作人员或者患者身旁人员,快速的注意到,便于快速的对机体进行操作。

    一种基于网联三维重建的多源传感器融合识别方法

    公开(公告)号:CN118445757A

    公开(公告)日:2024-08-06

    申请号:CN202410623510.8

    申请日:2024-05-20

    申请人: 同济大学

    发明人: 陈虹 孟强 张琳

    摘要: 本发明涉及一种基于网联三维重建的多源传感器融合识别方法,包括以下步骤:获取一辆智能汽车传感器采集的单一来源信息并进行预处理;根据多源信息构建信息融合图,其中,所述多源信息由同一障碍物周围的多辆智能汽车经过预处理的单一来源信息构成;以信息融合图作为信息融合模型的输入,利用信息融合模型进行多源信息融合和识别,输出识别结果。与现有技术相比,本发明基于现有的物联网技术,将来自不同智能汽车的传感器信息进行巧妙的融合,从多维角度观测同一物体,能够显著提高智能汽车的识别精度上限,提高智能汽车在复杂环境中的适应性。

    一种自适应局部环境变化的救援机器人轨迹规划方法

    公开(公告)号:CN118394069A

    公开(公告)日:2024-07-26

    申请号:CN202410433526.2

    申请日:2024-04-11

    申请人: 同济大学

    发明人: 孟强 张琳 陈虹

    摘要: 本发明涉及一种自适应局部环境变化的救援机器人轨迹规划方法,包括以下步骤:确定救援机器人的引导路线,并根据途径区域是否受到灾害的持续影响将地图划分为静态区域和动态区域;构建用于救援机器人轨迹规划的强化学习网络,所述强化学习网络在静态区域基于效率奖励函数引导网络,以保证救援机器人的行驶效率,在动态区域基于自适应奖励函数引导网络,以应对变化的受灾区域;通过网络与环境的不断交互,利用强化学习网络生成救援机器人规划轨迹。与现有技术相比,本发明通过精细设计的差异化多目标奖励优化强化学习,在保证救援机器人作业效率的情况下,显著的提高了在局部受灾区域变化情况下的完成概率。

    一种基于轮胎模型参数自适应的车辆状态估计方法

    公开(公告)号:CN116588119B

    公开(公告)日:2024-06-28

    申请号:CN202310627273.8

    申请日:2023-05-30

    申请人: 同济大学

    摘要: 本发明涉及一种基于轮胎模型参数自适应的车辆状态估计方法,包括:采集实车数据;基于车辆载荷转移模型与车轮中心速度计算,建立轮胎经验模型;建立基于无迹卡尔曼滤波的车辆状态估计方案;筛选典型工况下满足持续激励条件的数据片段并记忆;采用粒子群优化进行轮胎模型参数识别,根据不同车速段下的最优轮胎模型参数拟合得到轮胎模型参数随着车速变化的关系;将轮胎模型参数随着车速变化的关系,代入到基于无迹卡尔曼滤波的车辆状态估计方案中,得到车辆状态实时估计。本发明提供的轮胎模型与参数识别算法,充分考虑车辆的非线性与横纵向动力学耦合关系,通过优化算法自适应调整轮胎模型参数,能够实现更可靠、精确的车辆动力学参数识别。

    考虑高精度车辆动力特性的智能驾驶实时轨迹规划方法

    公开(公告)号:CN116494993B

    公开(公告)日:2024-06-21

    申请号:CN202310355132.5

    申请日:2023-04-04

    申请人: 同济大学

    IPC分类号: B60W40/10 B60W40/00

    摘要: 本发明涉及一种考虑高精度车辆动力特性的智能驾驶实时轨迹规划方法,由离线计算可达集和在线轨迹规划两部分组成,离线计算可达集部分通过高精度的车辆模型和轮胎模型遍历所有车辆安全状态以预测下一时刻车辆可以达到的位置集合;在线轨迹规划部分通过离线计算的下一时刻车辆可以达到的位置集合,对人工势场法的下降探索提供非线性动力约束,实现考虑高精度车辆动力特性和实时规划两个目的。与现有技术相比,本发明具有考虑了高精度车辆动力特性、在线计算量小等优点。

    一种基于人类反馈的边缘场景动态补全智能驾驶测试方法

    公开(公告)号:CN116955107A

    公开(公告)日:2023-10-27

    申请号:CN202310822624.0

    申请日:2023-07-05

    申请人: 同济大学

    发明人: 陈虹 孟强 张琳

    IPC分类号: G06F11/34

    摘要: 本发明涉及一种基于人类反馈的边缘场景动态补全智能驾驶测试方法,包括以下步骤:获取真实环境初始状态;搭建基于强化学习的原始场景驱动器,并进行行为选择修正,得到探索行为;在测试环境中进行测试并进行专家评价,搭建基于人类反馈的边缘场景动态补全库;搭建基于人类反馈的模仿学习驱动器,根据边缘场景动态补全库中的测试数据进行策略更新,对模仿学习驱动器进行训练,输出边缘场景再现行为;获取真实环境初始状态和边缘场景动态补全库的环境初始状态,进行场景驱动器选择;根据选择的场景驱动器输出对应行为,并根据对应行为在测试环境中进行测试,得到测试结果。与现有技术相比,本发明具有测试效率高、场景测试全面等优点。

    基于信号稀疏性分类的滤波方法、应用、装置及存储介质

    公开(公告)号:CN116827307A

    公开(公告)日:2023-09-29

    申请号:CN202310627753.4

    申请日:2023-05-30

    申请人: 同济大学

    IPC分类号: H03H17/02 G06F18/10 G06F18/24

    摘要: 本发明涉及一种基于信号稀疏性分类的滤波方法、应用、装置及存储介质,包括:采集车辆原始信号;对车辆原始信号数据的稀疏性进行度量并进行信号分类;对稀疏类型信号采用全差分TVD方法将滤波问题转化为最优化问题,求解最优化问题得到滤波后信号;对混杂类型信号综合考虑信号中的稀疏成分、低通成分以及噪声构造最优化问题,求解最优化问题得到信号中稀疏成分;基于低通滤波器,得到信号中的低通成分;输出滤波后信号。与现有技术相比,本发明通过对信号稀疏性评价度量,实现更好的信号差异化分类,并对分类后的信号差异化滤波;滤波后的信号保留了信号尖峰信息并且信号更平滑,提升车辆状态估计器的性能,实现更准确、更可靠的车辆状态估计。

    一种复杂交互环境下引入专家经验的可解释行人预测方法

    公开(公告)号:CN116503901A

    公开(公告)日:2023-07-28

    申请号:CN202310355094.3

    申请日:2023-04-04

    申请人: 同济大学

    摘要: 本发明涉及一种复杂交互环境下引入专家经验的可解释行人预测方法,包括以下步骤:获取环境中的行人信息,所述行人信息包括相对位置、速度和加速度信息;基于行人信息分别确定相对位置关系、相对速度关系和相对加速度关系的专家经验系数;基于专家经验系数和行人信息分别构建可解释的位置图、速度图和加速度图;基于多层图卷积神经网络对位置图、速度图和加速度图进行拓扑结构编码,得到包含空间拓扑信息的隐含状态;对包含空间拓扑信息的隐含状态进行时空编码后,利用解码器进行解码以获得预测的行人轨迹。与现有技术相比,本发明具有精细的考虑行人之间的互动、能够实现复杂交互环境下的精确行人轨迹预测、可解释性强等优点。

    一种复杂异质环境下的交通参与者轨迹预测方法

    公开(公告)号:CN116502749A

    公开(公告)日:2023-07-28

    申请号:CN202310363218.2

    申请日:2023-04-04

    申请人: 同济大学

    摘要: 本发明涉及一种复杂异质环境下的交通参与者轨迹预测方法,包括以下步骤:获取复杂异质环境下的交通参与者信息;基于类别信息进行交通参与者类别排列并编号;分别构建引入专家经验的位置图、速度图、加速度图和类别图;分别对位置图、速度图、加速度图和类别图进行拓扑结构关系和时间依赖关系捕捉,得到位置隐状态、速度隐状态、加速度隐状态和类别隐状态;基于编号,利用等式判断对位置隐状态、速度隐状态、加速度隐状态和类别隐状态进行分类,得到不同交通参与者的隐状态集合;基于对应的解码器分别解码不同交通参与者的隐状态,得到交通参与者的未来轨迹预测。与现有技术相比,本发明具有在复杂异质环境下轨迹预测精度等优点。