-
公开(公告)号：CN108959732B
公开(公告)日：2019-09-27
申请号：CN201810621653.X
申请日：2018-06-15
Applicant: 西安科技大学
Abstract: 本发明公开了一种基于卷积神经网络的输电线路故障类型识别方法，卷积神经网络算法属于深度学习算法的一种，通过将深度学习算法应用于输电线路的故障类型识别领域，进行故障类型识别无需人为提取故障特征，以往的基于人工智能算法的线路故障类型识别需要事先提取故障特征，该发明简化了故障类型识别的结构；提高线路故障类型识别的识别效率，基于深度学习的线路故障类型识别算法在应用中，众多的参数会导致该算法在训练过程中千差万别，本发明打算对其进行优化；降低线路故障类型识别的错误率，不同的激活函数会使训练误差截然不同，本发明使用不同的激活函数对其进行训练，找到最优的激活函数。
-
公开(公告)号：CN109033954A
公开(公告)日：2018-12-18
申请号：CN201810620085.1
申请日：2018-06-15
Applicant: 西安科技大学
CPC classification number: G06K9/00355 , G06K9/6269 , G06K9/6271
Abstract: 本发明公开了一种基于机器视觉的空中手写识别系统及方法，手写字符视频输入部分用于实时采集输入的特定颜色的空中手写字符视频并将采集到的轨迹点生成轨迹图片；预处理部分用于对轨迹点生成轨迹图片进行滤波、灰度二值化、形态学的预处理操作；字符分割部分用于将预处理后的轨迹点生成轨迹图片的RGB色彩空间转换成HSV后，利用GA‑Otsu分割算法分割出HSV中的字符；特征提取部分对分割出的字符进行特征提取；分类识别部分用于将提取的特征用粒子群优化算法PSO优化支持向量机算法SVM得到最优SVM分类模型，输出所有字符的识别结果。本发明只需对特定颜色的书写轨迹进行捕捉，效率高，节省成本，方便携带，也不需要判断书写的起止与结束。
-
公开(公告)号：CN109015635A
公开(公告)日：2018-12-18
申请号：CN201810896826.9
申请日：2018-08-08
Applicant: 西安科技大学
CPC classification number: B25J9/1602 , B25J9/1697 , B25J13/006 , G06F3/015 , G06F2203/011
Abstract: 本发明公开了一种基于脑机交互的服务机器人控制方法，包括以下步骤：S1、将机器人控制单元分为机器人运动控制单元、机械臂动作控制单元；机器人控制单元由主控制器进行控制；S2、通过视觉刺激器发出不同频率的视觉刺激使得视觉诱发大脑中产生不同频率的脑电信号；S3、通过TGAM芯片对大脑中的脑电信号进行采集并通过手机APP将不同频率的脑电波信号转化成对机器人的控制指令；S4、手机APP将控制指令通过无线蓝牙发送给机器人上的主控制器；S5、主控制器通过采用机器人速度模糊控制算法与增量式PID控制算法相结合的方式对机器人控制单元进行控制。
-
公开(公告)号：CN108903936A
公开(公告)日：2018-11-30
申请号：CN201810715885.1
申请日：2018-07-03
Applicant: 西安科技大学
IPC: A61B5/0476 , A61B5/048 , A61B5/18
CPC classification number: A61B5/0476 , A61B5/048 , A61B5/165 , A61B5/18 , A61B5/6803 , A61B5/681 , A61B5/7253 , A61B5/7264 , A61B5/746 , A61B2503/20 , A61B2560/0242
Abstract: 本发明公开了一种基于人体信息和环境信息融合的智能矿用头盔控制方法，包括原始脑电波信号的获取；原始脑电波的预处理；原始脑电波信号的小波分解重构；脑波信号特征提取；人工鱼群算法优化BP神经网络对疲劳特征进行识别；识别矿工疲劳度、监控矿工所处环境信息、对危险情况进行报警操作。本发明提取对原始脑电波信号预处理(滤波、去噪)后获得的高精度脑电波信号中四个子带能量、ApEn近似熵、KC复杂度和C0复杂度作为人工鱼群算法优化BP神经网络的输入层，训练人工鱼群算法优化BP神经网络识别矿工疲劳，识别准确率高，并通过佩戴在矿工手腕上的智能可穿戴手环对不同危险等级的安全状态进行声、光、震动三种方式的三重报警，从而提高井下操作安全系数。
-
公开(公告)号：CN108903936B
公开(公告)日：2021-01-26
申请号：CN201810715885.1
申请日：2018-07-03
Applicant: 西安科技大学
Abstract: 本发明公开了一种基于人体信息和环境信息融合的智能矿用头盔控制方法，包括原始脑电波信号的获取；原始脑电波的预处理；原始脑电波信号的小波分解重构；脑波信号特征提取；人工鱼群算法优化BP神经网络对疲劳特征进行识别；识别矿工疲劳度、监控矿工所处环境信息、对危险情况进行报警操作。本发明提取对原始脑电波信号预处理(滤波、去噪)后获得的高精度脑电波信号中四个子带能量、ApEn近似熵、KC复杂度和C0复杂度作为人工鱼群算法优化BP神经网络的输入层，训练人工鱼群算法优化BP神经网络识别矿工疲劳，识别准确率高，并通过佩戴在矿工手腕上的智能可穿戴手环对不同危险等级的安全状态进行声、光、震动三种方式的三重报警，从而提高井下操作安全系数。
-
Patent Agency Ranking
公开(公告)号：CN109033954B
公开(公告)日：2022-02-08
申请号：CN201810620085.1
申请日：2018-06-15
Applicant: 西安科技大学
IPC: G06V40/20 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种基于机器视觉的空中手写识别系统及方法，手写字符视频输入部分用于实时采集输入的特定颜色的空中手写字符视频并将采集到的轨迹点生成轨迹图片；预处理部分用于对轨迹点生成轨迹图片进行滤波、灰度二值化、形态学的预处理操作；字符分割部分用于将预处理后的轨迹点生成轨迹图片的RGB色彩空间转换成HSV后，利用GA‑Otsu分割算法分割出HSV中的字符；特征提取部分对分割出的字符进行特征提取；分类识别部分用于将提取的特征用粒子群优化算法PSO优化支持向量机算法SVM得到最优SVM分类模型，输出所有字符的识别结果。本发明只需对特定颜色的书写轨迹进行捕捉，效率高，节省成本，方便携带，也不需要判断书写的起止与结束。
-
公开(公告)号：CN108959732A
公开(公告)日：2018-12-07
申请号：CN201810621653.X
申请日：2018-06-15
Applicant: 西安科技大学
Abstract: 本发明公开了一种基于卷积神经网络的输电线路故障类型识别方法，卷积神经网络算法属于深度学习算法的一种，通过将深度学习算法应用于输电线路的故障类型识别领域，进行故障类型识别无需人为提取故障特征，以往的基于人工智能算法的线路故障类型识别需要事先提取故障特征，该发明简化了故障类型识别的结构；提高线路故障类型识别的识别效率，基于深度学习的线路故障类型识别算法在应用中，众多的参数会导致该算法在训练过程中千差万别，本发明打算对其进行优化；降低线路故障类型识别的错误率，不同的激活函数会使训练误差截然不同，本发明使用不同的激活函数对其进行训练，找到最优的激活函数。
-
公开(公告)号：CN108478189A
公开(公告)日：2018-09-04
申请号：CN201810182903.4
申请日：2018-03-06
Applicant: 西安科技大学
IPC: A61B5/00 , A61B5/0476 , B25J9/00 , B25J9/16
Abstract: 本发明公开了一种基于脑电信号的人体外骨骼机械臂控制系统及方法，包括数据采集单元、数据处理单元和主控单元，当第一单元采集的数据发送给第二单元后，第二单元对数据处理后发送给第三单元，主控制器将信号转换成控制信息，对机械臂进行控制动作。数据采集单元、数据处理单元以及主控制单元形成一个完整的机械臂控制系统。采用自发脑电、眨眼信号以及位置偏移多模式共同对机械臂进行控制。与现有技术相比，本发明使用5个电机模块协同工作，使机械臂有5个自由度；通过蓝牙传输采集的脑波数据，使用手机对信号进行处理；设计一个基于脑电信号的人体外骨骼机械臂控制系统；提出基于脑电信号的人体外骨骼机械臂控制方法。
-
公开(公告)号：CN108196566A
公开(公告)日：2018-06-22
申请号：CN201810219091.6
申请日：2018-03-16
Applicant: 西安科技大学
Abstract: 本发明公开了一种小型无人机云脑控制系统及其方法，受试者通过佩戴脑电信号采集设备，观察移动终端上的不同闪烁频率的刺激源后，将得到的脑电信号进行coif5小波降噪重构及频域分析，经编码后对飞行指令打包，然后移动终端MicroUSB端口连接遥控射频装置将飞行指令发送给无人机；同时移动终端通过遥控射频装置获取无人机的飞行状态信息，并和搭载的环境感知平台经GPRS通信模块传回的环境信息，一同向Web服务器发送，Web服务器将信息存储在Web服务器的数据库中，用户通过浏览器访问获取所有信息。本发明能够实现云平台远程监测飞行器电量状态，飞行状态，环境信息等，经过一定训练后可通过意念控制飞行器的起飞、降落、上升、下降、前进、后退、左转、右转等。
-
公开(公告)号：CN109086248A
公开(公告)日：2018-12-25
申请号：CN201810621651.0
申请日：2018-06-15
Applicant: 西安科技大学
IPC: G06F17/14
Abstract: 本发明公开了一种基于复小波模极大值连线的故障信号分析方法，获取故障信号后用连续小波变换处理故障信号；对复小波消失矩进行优化并判断复小波消失矩是否最优，然后选取消失矩阶数n大于Lipschitz指数α后进行复小波变换；画出连续小波变换系数中的模极大值连线；沿着模极大值连线确定奇异点x0，计算对数log2│Wf(s,k)│沿着收敛于x0的模极大值连线的相应斜率，该斜率为α+1/2，从而求出x0点Lipschitz指数α。与现有技术相比，本发明具有很强的实用性功能，步骤简单，可将其延伸到其他信号的奇异分析中。
-
-
-
-
-
-
-
-
-
Search Results
10
records
(took 0.418 seconds)
