-
公开(公告)号：CN116825708A
公开(公告)日：2023-09-29
申请号：CN202310746364.3
申请日：2023-06-25
Applicant: 杭州电子科技大学 , 江苏双木测控技术有限公司 , 上海越冲科技有限公司
IPC: H01L21/683 , H01L21/68
Abstract: 本发明公开了一种SOT电路元件陶瓷封装装置，包括：工作台，所述工作台上端平行间隔设置有传送带一和传送带二，所述工作台上端位于所述传送带一和所述传送带二之间设有可转动和上下移动的机械臂，所述传送带二位于传送方向两侧设置有定位装置，所述机械臂的末端连接吸取组件。
-
公开(公告)号：CN116493273A
公开(公告)日：2023-07-28
申请号：CN202310515639.2
申请日：2023-05-09
Applicant: 杭州电子科技大学 , 上海越冲科技有限公司
Abstract: 本发明公开了一种半导体外观破损成品剔除装置，其包括：主柜体，所述主柜体的侧壁设置有横向贯通的检测仓，且所述检测仓的前侧方设置有安装在所述主柜体上的透明玻璃窗；滑台模组架，所述滑台模组架安装在所述检测仓的内顶部，所述滑台模组架的移动台上固定设置有两个第一电缸，每个所述第一电缸的驱动端均固定安装有劣品分选机构；以及传输机构，所述传输机构设置于所述主柜体的右侧方，且所述传输机构的末端穿过所述检测仓，并延伸至所述主柜体的左侧方。本发明装置中设置有托载机构和劣品分选机构，两者能够配合进行分选劣品半导体器件，大幅提高半导体器件的生产效率及质量。
-
公开(公告)号：CN119936668A
公开(公告)日：2025-05-06
申请号：CN202510031367.8
申请日：2025-01-09
Applicant: 杭州电子科技大学
IPC: G01R31/367 , G01R31/392 , G01R31/389 , G01R31/396 , G06N3/0442 , G06N3/084 , G06F18/213 , G06F18/24
Abstract: 本发明公开了考虑内阻的高压电池包状态估计联合故障诊断方法，该方法首先从高压电池包端获取微内阻数据，将高压电池包的微内阻数据和高压电池包长期运行数据，组成高压电池包原始数据集。其次对于高压电池包原始数据集中的数据进行相关性分析。然后搭建SOH估计网络，将相关性分析得到的数据输入SOH估计网络，得到SOH估计值。最后故障诊断网络搭建，以高压电池包微内阻、电池SOC和电池SOH估计值为输入，输出故障诊断结果，本发明不仅能够实现多场景下高压电池包联合SOH精准估计和故障诊断，还能提升电池状态监测与预测的效率，有助于提高电池使用寿命与运行安全性。
-
公开(公告)号：CN116467580B
公开(公告)日：2025-03-21
申请号：CN202310431133.3
申请日：2023-04-21
Applicant: 杭州电子科技大学
IPC: G06F18/213 , G06F18/25 , G06F18/214 , G06F30/27 , G06N3/0464 , G06N3/0442 , G06N3/08 , H01M10/42 , H01M10/0525 , G06F119/04
Abstract: 本发明公开了一种基于TTSNet的锂离子电池SOH估算与RUL预测方法，包括如下步骤：S1、构建TTSNet网络模型；S2、通过时序transformer的特征提取网络分别通过相应的提取支路对预处理后的电池数据中电压、电流和温度数据进行特征提取，得到丰富的语义信息特征；S3、通过AGFF的特征融合网络，对提取的语义信息特征进行自适应融合，得到神经网络的预测输出；S4、基于TTSNet网络模型的SOH估算与RUL预测。该方法不仅可以自适应提取并交互锂离子电池输入时间序列中的有用信息，还考虑到长时间序列电压、电流、温度与容量之间的相关性，关注前后步长相关时序维度信息，提高了网络模型研究时间序列长期依赖关系的能力。最终得到实时、高精度的SOH估算与RUL预测结果。
-
公开(公告)号：CN118348420A
公开(公告)日：2024-07-16
申请号：CN202410613058.7
申请日：2024-05-17
Applicant: 杭州电子科技大学
IPC: G01R31/367 , G01R31/382 , G01R31/3842
Abstract: 本发明公开了一种基于云端边缘端交互网络的电池SOC估计方法，该方法首先获取铅炭电池数据，并进行预处理。其次将预处理后的铅炭电池数据分别输入构建的实时边缘处理网络和云端边缘端交互网络，进行电池SOC估计。然后在边缘端部署实时边缘处理网络，在云端服务器，部署云端修正网络。最后在云端边缘端交互网络中，由云端修正网络的电池SOC估计值对实时边缘处理网络的电池SOC估计值进行修正，得到最终的电池SOC估计值。不仅提高了电池剩余电量估计的准确性，也保证了铅炭电池使用过程中的安全性，并且对延长铅炭电池的寿命具有显著效果。
-
Patent Agency Ranking
公开(公告)号：CN117853525A
公开(公告)日：2024-04-09
申请号：CN202311763014.4
申请日：2023-12-20
Applicant: 杭州电子科技大学
IPC: G06T7/246 , G06V20/40 , G06V10/80 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于跨层级特征交互和可学习池化的三维单目标跟踪方法，包括如下步骤：S1、构建连续两帧点云t和t‑1的数据集，通过点云体素化、共享权重的三维稀疏卷积和体素特征压缩，得到多尺度BEV特征#imgabs0#和#imgabs1#S2、基于特征#imgabs2#和#imgabs3#进行跨层级特征交互，生成增强的BEV特征表示#imgabs4#和#imgabs5#并级联两帧特征，得到#imgabs6#S3、将#imgabs7#输入到可学习池化模块中，计算得到全局特征线索#imgabs8#S4、基于全局特征信息#imgabs9#进行预测。该方法所提的跨层级特征交互模块和可学习的池化模块可以沟通不同尺度的BEV特征并获取准确的运动线索，能够有效地提高跟踪地准确率。
-
公开(公告)号：CN112464912B
公开(公告)日：2024-02-09
申请号：CN202011526494.9
申请日：2020-12-22
Applicant: 杭州电子科技大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明公开了基于YOLO‑RGGNet的机器人端人脸检测方法。设计了轻量化网络提高检测速度；在检测网络中引入通道注意力模块和残差特征增强模块，还在三个预测层临近交叉的位置拼接产生新的预测层，提高多尺度的检测精度；最后结合机器人平台，采用TriF‑Map算法将基于图像的检测位置转换成机器人空间位置坐标，实现的真实场景人机交互。本发明提出的网络模型提高了识别精度和识别反应速度，解决了移动端人脸识别速度慢导致的场景人机交互不真实的问题，并且通过结合机器人交互系统，能够很好的运用在家庭服务机器人人脸实时检测和跟踪、场景人机交互等多种实时性二次开发场景中。
-
公开(公告)号：CN117494558A
公开(公告)日：2024-02-02
申请号：CN202311447894.4
申请日：2023-11-02
Applicant: 杭州电子科技大学
IPC: G06F30/27 , G06F18/20 , G06F18/214 , G06F18/213 , G06N3/0464 , G06N3/0499 , G06N3/084 , G06F18/25 , G01R31/367 , G01R31/378 , G01R31/392 , G06F119/04
Abstract: 本发明公开了一种基于自适应联合模型的锂离子电池SOH估计方法，该方法首先构建初始锂电池数据集，并搭建空间‑通道自适应联合模型的嵌入模块，对输入完成输入特征和位置信息的嵌入。其次搭建空间‑通道自适应联合模型的序列金字塔引导SPG模块。然后搭建空间‑通道自适应联合模型的序列金字塔传播SPS模块，并设置一个只有一个节点的全连接层，预测连续数值的输出，得到估计结果。最后通过训练集训练由上述嵌入模块、SPG模块和SPS模块构成的空间‑通道自适应联合模型，再通过测试集进行测试，得到锂离子电池SOH估计结果。本发明实现了全方位信息抽取，提高了SOH预测精度。
-
公开(公告)号：CN113065303B
公开(公告)日：2024-02-02
申请号：CN202110247735.4
申请日：2021-03-06
Applicant: 杭州电子科技大学
IPC: G06F30/34 , G06N3/0464
Abstract: 本发明公开了一种基于FPGA的DSCNN加速器分层验证方法，包括以下步骤：S1，原始图像经过加速器所设计网络的软件模型运算，记录并存储所有中间特征数据；S2，对特征数据进行重新排序，作为标准结果；S3，根据深度可分离网络特性，对仿真所需的特征数据等参数进行排序，并初始化至一个DRAM模型中；S4，读取仿真起终值，仿真时根据寄存器值抓取有效卷积结果；S5，以网络层为单位，对比标准结果与仿真结果，得到验证结果。本发明采用分层存储的方式使得设计者能够进行自定义仿真验证，即可规定仿真的起始层与结束层，并且在卷积计算出现错误的情况下快速定位错误所在位置，极大节省了仿真验证的时间成本，提高设计效率。
-
公开(公告)号：CN117233635A
公开(公告)日：2023-12-15
申请号：CN202311162580.X
申请日：2023-09-08
Applicant: 杭州电子科技大学
IPC: G01R31/392 , G06F30/27 , G06F18/2136 , G06F18/25 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/0495 , G06N3/0499 , G06N3/08 , G01R31/367 , G01R31/3842
Abstract: 本发明公开了一种基于双路并行网络的梯次利用锂电池性能评估方法，包括搭建双路并行网络，评估梯次利用电池系统的电池性能参数，即电池单体或电池组的健康状态。双路并行网络包括一路轻量化网络与一路增强智能网络，轻量化网络包含多层残差卷积块和全连接层；增强智能网络包含数据嵌入模块、特征提取模块与特征融合模块，对特征数据充分提取并学习，梯次利用电池健康状态较高时，以增强智能网络估计结果为主，保证电池性能评估的准确性；健康状态较低时，以轻量化网络估计结果为主，保证梯次利用电池的安全性；增强智能网络估计结果为辅，对轻量化网络进行补充修正，具有较高的工程实际应用价值。
-
-
-
-
-
-
-
-
-
Search Results
113
records
(took 0.056 seconds)
