-
公开(公告)号：CN111735929A
公开(公告)日：2020-10-02
申请号：CN202010752642.2
申请日：2020-07-30
申请人： 清华大学天津高端装备研究院 , 北京时代之峰互联科技有限公司 , 清华大学
IPC分类号： G01N33/207 , G01N33/2045
摘要： 本发明提供了一种无损检测扫查架，包括水平调节部、第二竖直调节部和探头，所述水平调节部用于带动探头在水平方向运动，所述第二竖直调节部用于带动探头在竖直方向运动。本发明所述的一种无损检测扫查架拥有多个可调节角度，可以根据自动探伤设备的运动情况，保证探头与工件良好贴合。
-
公开(公告)号：CN111776104A
公开(公告)日：2020-10-16
申请号：CN202010752645.6
申请日：2020-07-30
申请人： 清华大学天津高端装备研究院 , 北京时代之峰互联科技有限公司 , 清华大学
IPC分类号： B62D57/024 , B60B33/00
摘要： 本发明提供了一种间隙磁吸附万向轮，包括连接架、从动轮以及支撑轴承，连接架一端设有用于安装从动轮的轮轴，从动轮安装在轮轴两端，连接架另一端通过支撑轴承与机器人转动连接；连接架靠近从动轮一端还安装有磁铁，磁铁与连接架之间设有可用于放置不同尺寸垫片的容纳空间。本发明所述的一种间隙磁吸附万向轮能够解决机器人转向运动时阻力过大的问题，在灵活运动的同时通过磁铁为机器人提供一定的吸附力。
-
公开(公告)号：CN212828753U
公开(公告)日：2021-03-30
申请号：CN202021548264.8
申请日：2020-07-30
申请人： 清华大学天津高端装备研究院 , 北京时代之峰互联科技有限公司 , 清华大学
IPC分类号： B62D57/024 , B60B33/00
摘要： 本实用新型提供了一种间隙磁吸附万向轮，包括连接架、从动轮以及支撑轴承，连接架一端设有用于安装从动轮的轮轴，从动轮安装在轮轴两端，连接架另一端通过支撑轴承与机器人转动连接；连接架靠近从动轮一端还安装有磁铁，磁铁与连接架之间设有可用于放置不同尺寸垫片的容纳空间。本实用新型所述的一种间隙磁吸附万向轮能够解决机器人转向运动时阻力过大的问题，在灵活运动的同时通过磁铁为机器人提供一定的吸附力。
-
公开(公告)号：CN212514560U
公开(公告)日：2021-02-09
申请号：CN202021548260.X
申请日：2020-07-30
申请人： 清华大学天津高端装备研究院 , 北京时代之峰互联科技有限公司 , 清华大学
IPC分类号： G01N33/207 , G01N33/2045
摘要： 本实用新型提供了一种无损检测扫查架，包括水平调节部、第二竖直调节部和探头，所述水平调节部用于带动探头在水平方向运动，所述第二竖直调节部用于带动探头在竖直方向运动。本实用新型所述的一种无损检测扫查架拥有多个可调节角度，可以根据自动探伤设备的运动情况，保证探头与工件良好贴合。(ESM)同样的发明创造已同日申请发明专利
-
公开(公告)号：CN110232412B
公开(公告)日：2020-12-11
申请号：CN201910463800.X
申请日：2019-05-30
申请人： 清华大学
摘要： 本发明提供一种基于多模态深度学习的人体步态预测方法，属于步态预测、深度学习领域。该方法基于时间卷积网络构建深度神经网络，对融合了惯性传感器、足底压力传感器和声音传感器三种模态的信息进行分析处理，实时输出步态预测结果。本发明不需要人为设计特征提取器提取步态特征，而是自动将特征学习和步态预测集为一体，可以在不同行走环境下实时预测不同人体步态行为，提高了步态预测的准确率和鲁棒性，未来可以应用于在医疗康复和军事领域中外骨骼机器人的步态预测。
-
公开(公告)号：CN110236550B
公开(公告)日：2020-07-10
申请号：CN201910464986.0
申请日：2019-05-30
申请人： 清华大学
摘要： 本发明提出一种基于多模态深度学习的人体步态预测装置，属于步态预测、深度学习领域。该装置包括：惯性传感器模块、压力传感器模块、声音传感器模块、惯性传感器数据采集与预处理模块、压力传感器数据采集与预处理模块、声音数据采集与预处理模块和深度神经网络处理模块。该装置利用惯性传感器、足底压力传感器和声音传感器，对人体下肢运动的加速度、角速度、角度、地磁场分量信号以及足底压力和行走声音数据进行采集，对采集的数据预处理完毕后输入深度神经网络处理模块，深度神经网络处理模块输出人体步态预测结果。本发明穿戴简单便捷，可以满足不同的人体需要，未来可以应用于医疗康复和军事领域中外骨骼机器人的步态预测。
-
公开(公告)号：CN116743707B
公开(公告)日：2024-01-23
申请号：CN202310404764.6
申请日：2023-04-17
申请人： 清华大学
IPC分类号： H04L61/5007 , H04L43/0852 , H04L43/12 , H04L43/10 , H04L41/12 , H04L101/69
摘要： 本发明公开了基于主动时延探测的IP地理定位方法及装置，该方法包括：利用网络开源数据构建可靠地理关键词信息字典；利用可靠地理关键词信息字典解析网络中公开的Looking Glass的地理位置，得到可靠探测点集合；利用可靠地理关键词信息字典解析网络中暴露IP地理位置的开源数据，得到被探测点集合；利用探测点对被探测点进行时延探测；将所得时延作为输入，使用机器学习算法训练地理区域预测模型；将所得时延和预测区域作为输入，使用机器学习算法训练地理坐标预测模型，最终输出目标所在
-
公开(公告)号：CN116743707A
公开(公告)日：2023-09-12
申请号：CN202310404764.6
申请日：2023-04-17
申请人： 清华大学
IPC分类号： H04L61/5007 , H04L43/0852 , H04L43/12 , H04L43/10 , H04L41/12 , H04L101/69
摘要： 本发明公开了基于主动时延探测的低成本高精度IP地理定位方法及装置，该方法包括：利用网络开源数据构建可靠地理关键词信息字典；利用可靠地理关键词信息字典解析网络中公开的Looking Glass的地理位置，得到可靠探测点集合；利用可靠地理关键词信息字典解析网络中暴露IP地理位置的开源数据，得到被探测点集合；利用探测点对被探测点进行时延探测；将所得时延作为输入，使用机器学习算法训练地理区域预测模型；将所得时延和预测区域作为输入，使用机器学习算法训练地理坐标预测模型，最终输出目标所在的地理位置。本发明能够解决现有技术中存在的成本较高，准确度较低等问题，以较小的成本，实现较高准确度的IP地址的地理位置推断。
-
公开(公告)号：CN116545704A
公开(公告)日：2023-08-04
申请号：CN202310538063.1
申请日：2023-05-12
申请人： 清华大学
IPC分类号： H04L9/40 , H04W8/26 , H04L43/0852 , H04L61/5007 , G06N20/00 , H04L101/659
摘要： 本发明公开了基于时延的IPv6地址信用风险检测方法及装置，该方法包括：聚合IPv6地址集合得到候选第一前缀集合；基于探测候选第一前缀集合得到的活跃地址第一前缀集合进行时延测量和聚合，并提取时延测量和聚合后的时延集合特征；将时延集合特征输入至训练好的IPv6移动网络地址识别模型进行特征识别分类，以根据IPv6移动网络识别分类结果得到IPv6移动网络地址的第一前缀集合；基于IPv6移动网络地址的第一前缀信用的风险指标计算第一前缀集合中的每个第一前缀的评分得到不同的信用分数，以根据信用分数得到IPv6移动网络第一前缀信用的风险检测结果。本发明解决了输入数据的数据偏差和难获取的问题，降低主动探测的开销。
-
公开(公告)号：CN110232412A
公开(公告)日：2019-09-13
申请号：CN201910463800.X
申请日：2019-05-30
申请人： 清华大学
摘要： 本发明提供一种基于多模态深度学习的人体步态预测方法，属于步态预测、深度学习领域。该方法基于时间卷积网络构建深度神经网络，对融合了惯性传感器、足底压力传感器和声音传感器三种模态的信息进行分析处理，实时输出步态预测结果。本发明不需要人为设计特征提取器提取步态特征，而是自动将特征学习和步态预测集为一体，可以在不同行走环境下实时预测不同人体步态行为，提高了步态预测的准确率和鲁棒性，未来可以应用于在医疗康复和军事领域中外骨骼机器人的步态预测。
-
-
-
-
-
-
-
-
-
搜索结果
11 条记录 (耗时 0.11 秒)
