一种两栖排水管线勘测机器人
    1.
    发明公开

    公开(公告)号:CN117124784A

    公开(公告)日:2023-11-28

    申请号:CN202310995150.X

    申请日:2023-08-09

    Abstract: 本发明涉及机器人技术领域,具体涉及一种两栖排水管线勘测机器人,包括机身,还包括移动组件;移动组件包括滚筒和推进器,滚筒转动安装在机身上,推进器安装在机身上;滚筒包括第一端座、第二端座、滚动体和连接构件,第一端座与机身固定连接,第二端座与机身固定连接,滚筒体通过连接构件与第一端座和第二端座连接,通过机身对排水管线进行勘测,在无水和少水的情况下,通过连接构件驱动滚动体转动,使滚动体能够驱动机身进行移动,在有水的情况下,滚动体提供的推力有限,因此通过推进器辅助驱动机身进行移动,从而实现使两栖排水管线勘测机器人能够在水陆两种环境下进行作业的目的。

    一种基于加权在线样本更新的目标长时跟踪方法

    公开(公告)号:CN116740436A

    公开(公告)日:2023-09-12

    申请号:CN202310696033.3

    申请日:2023-06-13

    Abstract: 本发明涉及视觉目标跟踪技术领域,具体涉及一种基于加权在线样本更新的目标长时跟踪方法,主干网络提取初始帧样本图像深度特征,增强初始帧样本深度特征优化得到目标模型;基于目标模型对测试帧样本分类,生成置信度分值;基于置信度分值判别目标状态,并基于目标状态进行更新样本或加权区域搜索次数,该方法在目标丢失处根据目标大小自适应地随时间间隔增大搜索区域,并根据区域大小与目标大小自适应地确定随机搜索次数,减少计算负担,提高目标丢失后的搜索效率,通过关注图像背景信息,以目标丢失时图像最相似背景置信度分值作为时空约束搜索判别阈值,降低相似背景干扰,提高了目标丢失后的搜索准确性。

    多尺度一维卷积神经网络的风机基座螺栓松动诊断方法

    公开(公告)号:CN111413075A

    公开(公告)日:2020-07-14

    申请号:CN202010255381.3

    申请日:2020-04-02

    Abstract: 本发明涉及多尺度一维卷积神经网络的风机基座螺栓松动诊断方法,属于机械状态诊断技术领域。首先,以风机运行时振动时域信号作为多尺度一维卷积神经网络的输入,摆脱对信号处理和专业知识的依赖,并最大程度保留原始信号特征;然后,通过交替的多尺度卷积层和池化层对时域信号特征进行学习;最后,在特征输出层后添加Softmax多分类器,利用反向传播逐层微调结构参数建立特征空间到健康状态空间的映射,输出风机基座螺栓松动程度诊断结果。本方法将松动程度特征自动学习与松动程度诊断融为一体,实现了风机基座螺栓松动程度智能诊断。通过在稳定转速和变转速下对风机基座螺栓松动程度诊断实验,证明了所提方法的可行性和有效性。

Patent Agency Ranking