-
公开(公告)号：CN119903976A
公开(公告)日：2025-04-29
申请号：CN202411879941.7
申请日：2024-12-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 国网吉林省电力有限公司吉林供电公司
IPC: G06Q10/047 , H04B17/309 , H04B17/345 , G06V20/17
Abstract: 本发明提供了一种利用无人机的电力设备巡检方法及其系统，所述方法包括：无人机接收工作人员绘制的第一巡检路线，无人机升空后拍摄位于第一巡检路线上的各电力设备的图像数据，基于拍摄的图像数据识别各电力设备的设备属性信息，根据设备属性信息预测得出对应的电力设备的电磁场强度分布信息；基于电磁场强度分布信息预测得出对应的电力设备对无人机的电子罗盘和通信器的影响程度，根据影响程度对第一巡检路线进行优化处理，获得第二巡检路线；无人机按照第二巡检路线进行巡检。本发明评估电力设备的电磁场对无人机的电子罗盘和通信器的影响程度，从而对预先确定的各巡检点位进行优化调整，以降低无人机被电磁干扰而故障的概率。
-
公开(公告)号：CN118839309B
公开(公告)日：2025-01-21
申请号：CN202411322808.1
申请日：2024-09-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/25 , G06F18/214 , G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种考虑波动性与周期性的风电功率超短期预测方法，属于可再生能源预测技术领域，包括以下步骤：S1、建立风电数据挖掘方法得到数据波动组成和周期组成；S2、通过深度学习方法从原始风电数据中提取融合特征；S3、通过集成神经网络模型基于融合特征和波动、周期组成做出预测；S4、通过S1所得的波动组成和周期组成、S2的融合特征和S3的集成神经网络确定最终的风电功率超短期预测方法。本发明采用上述的一种考虑波动性与周期性的风电功率超短期预测方法，将深度学习理论引进风电功率预测中，研究数据挖掘方法以及深度学习方法在超短时风电功率预测问题中的应用，提高电网稳定性和供电可靠性，对多元化能源系统的发展具有重要意义。
-
公开(公告)号：CN118181250B
公开(公告)日：2024-10-29
申请号：CN202410277713.6
申请日：2024-03-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 雄安威赛博智能科技有限公司
Abstract: 本发明涉及人工智能技术领域，具体涉及焦炉车间轨道式智能巡检机器人系统，包括机器人终端：用于采集环境数据并对工况环境进行智能分析预警；无线基站：用于实现机器人终端和远程控制中心的通讯以及为机器人终端进行供电；远程控制中心：用于实现机器人终端对现场的实时监控；其中，机器人终端包括采集模块和分析处理模块。本发明结合卡方距离、余弦相似度以及MFCC系数的方法，不仅能提高图像数据的判读精度，还能增强声音信号的异常检测能力。这种多维度的分析方法使得智能巡检机器人能够更准确地评估设备状态，及时发现并响应异常情况，从而确保焦炉车间设备的稳定运行和生产安全。
-
公开(公告)号：CN118204967A
公开(公告)日：2024-06-18
申请号：CN202410061311.2
申请日：2024-01-15
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: B25J9/16
Abstract: 本发明提供了一种工业机器人的位姿规划方法。相比于传统的直线规划曲线，本发明使用的三次B样条曲线可以在全局实现更平滑的过渡；以及，引入四元数作为描述姿态的有效工具，并利用四元数的对数特性，通过三次B样条曲线实现姿态的连续插值。这一方法有效地提高了插值结果的连续性，并简化了计算过程。
-
公开(公告)号：CN118181250A
公开(公告)日：2024-06-14
申请号：CN202410277713.6
申请日：2024-03-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 雄安威赛博智能科技有限公司
Abstract: 本发明涉及人工智能技术领域，具体涉及焦炉车间轨道式智能巡检机器人系统，包括机器人终端：用于采集环境数据并对工况环境进行智能分析预警；无线基站：用于实现机器人终端和远程控制中心的通讯以及为机器人终端进行供电；远程控制中心：用于实现机器人终端对现场的实时监控；其中，机器人终端包括采集模块和分析处理模块。本发明结合卡方距离、余弦相似度以及MFCC系数的方法，不仅能提高图像数据的判读精度，还能增强声音信号的异常检测能力。这种多维度的分析方法使得智能巡检机器人能够更准确地评估设备状态，及时发现并响应异常情况，从而确保焦炉车间设备的稳定运行和生产安全。
-
Patent Agency Ranking
公开(公告)号：CN117198067A
公开(公告)日：2023-12-08
申请号：CN202311290951.2
申请日：2023-10-08
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G08G1/065 , G08G1/01 , G06N3/0442 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种预测质量为导向的交通流区间量化方法，本发明涉及智能交通系统预测领域，包括以下步骤：S1：以区间预测的质量为目标建立量化交通流的区间损失函数方法；S2：通过深度学习方法构建交通流量化模型；S3：通过极端梯度增加模型对交通流的信息特征做特征选择；S4：结合S1所得的区间分数函数、S2所得的深度学习模型和S3所得的重要特征确定最终的交通流量化模型。本发明采用上述的一种预测质量为导向的交通流区间量化方法，通过将深度学习理论引进交通流预测偏差量化中，研究深度学习方法以及区间预测函数理论在长期多步交通流预测问题中的应用，增强智能交通系统对交通流量化的性能，对智能交通系统的发展具有重要意义。
-
公开(公告)号：CN118839309A
公开(公告)日：2024-10-25
申请号：CN202411322808.1
申请日：2024-09-23
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/25 , G06F18/214 , G06F30/27 , G06Q50/06 , G06F119/02
Abstract: 本发明公开了一种考虑波动性与周期性的风电功率超短期预测方法，属于可再生能源预测技术领域，包括以下步骤：S1、建立风电数据挖掘方法得到数据波动组成和周期组成；S2、通过深度学习方法从原始风电数据中提取融合特征；S3、通过集成神经网络模型基于融合特征和波动、周期组成做出预测；S4、通过S1所得的波动组成和周期组成、S2的融合特征和S3的集成神经网络确定最终的风电功率超短期预测方法。本发明采用上述的一种考虑波动性与周期性的风电功率超短期预测方法，将深度学习理论引进风电功率预测中，研究数据挖掘方法以及深度学习方法在超短时风电功率预测问题中的应用，提高电网稳定性和供电可靠性，对多元化能源系统的发展具有重要意义。
-
公开(公告)号：CN118074242A
公开(公告)日：2024-05-24
申请号：CN202410171321.1
申请日：2024-02-06
Applicant: 深圳市禾望电气股份有限公司 , 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种基于无功功率同步的构网式风电机组控制方法，其特征在于，所述方法包括：构造有功‑电压环、无功‑功率环和电压电流双内环的控制模式，使用控制模式对构网式风电机组进行控制；在所述控制模式中：基于有功‑电压环，利用风机的有功功率控制交流电压的幅值；基于无功‑频率环，利用风机的无功功率来控制交流电压的频率；基于电压电流双内环，对风机的电流进行快速调节和限幅，避免换流器产生过电流而损坏设备。本发明通过上述控制模式实现了构网型风电机组的良好控制。
-
公开(公告)号：CN118123809A
公开(公告)日：2024-06-04
申请号：CN202410083104.7
申请日：2024-01-19
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: B25J9/16
Abstract: 本发明提供了一种基于曲率约束的工业机器人连续位姿速度规划方法，包括：利用数值积分和曲率约束确定速度规划参数，所述速度规划参数包括曲线长度、参数拟合方程、减速点和运行速度限制；基于S型速度曲线设计两种速度规划方法，对轨迹曲线分段，并在每段曲线上根据设定的始末速度和加速度和上述的两种速度规划方法，完成连续位姿速度规划。
-
公开(公告)号：CN119260768A
公开(公告)日：2025-01-07
申请号：CN202411658549.X
申请日：2024-11-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 雄安威赛博智能科技有限公司 , 河钢数字技术股份有限公司 , 邯郸钢铁集团有限责任公司
Abstract: 本发明提供了一种基于多传感器的故障隐患识别方法及挂轨巡检机器人。所述方法包括：挂轨巡检机器人基于目标电气设备的高清图像提取得出其类型属性，根据类型属性筛选得出若干检测传感器，并确定各检测传感器的置信优先系数；控制各检测传感器对目标电气设备进行探测，以获得多组探测数据，根据多组探测数据和对应的置信优先系数确定得出目标电气设备的故障概率；将故障概率高于第一概率阈值的目标电气设备确定为故障隐患设备，并向相关人员进行输出。本发明可以根据电气设备的类型来选择合适种类的检测传感器，以及还能够根据各检测传感器的置信优先系数对检测得到的多组探测数据进行融合处理，以得到目标电气设备的更准确的故障概率。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.122 seconds)
