利索-全球专利检索

  1. 登录
  2. 注册

搜索结果

338 条记录 (耗时 0.022 秒)

    VERFAHREN UND ANORDNUNGEN ZUM ERMITTELN VON MONTAGEOPERATIONEN FÜR EIN PRODUKT SOWIE ZUM MONTIEREN DES PRODUKTS
    4.
    发明公开
    VERFAHREN UND ANORDNUNGEN ZUM ERMITTELN VON MONTAGEOPERATIONEN FÜR EIN PRODUKT SOWIE ZUM MONTIEREN DES PRODUKTS 审中-公开

    公开(公告)号：EP4451166A1

    公开(公告)日：2024-10-23

    申请号：EP23168206.3

    申请日：2023-04-17

    申请人： Siemens Aktiengesellschaft

    发明人： Fischer, Jan ,  Liebig, Veronika ,  Paffrath, Meinhard ,  Ullmann, Florian

    IPC分类号： G06F30/23 ,  G06F30/27 ,  G06F111/04 ,  G06F119/14

    摘要： Es wird ein digitales Produktmodell (PM) eingelesen, das Bauteile des Produkts (P) hinsichtlich ihrer räumlichen Geometrie und räumlichen Anordnung im Produkt (P) in Form von virtuellen Bauteilen (B, B1, B2, SH) spezifiziert. Erfindungsgemäß wird ein jeweiliges virtuelles Bauteil (B, B1, B2, SH) im Produktmodell (PM) virtuell bewegt, währenddessen ein Verlauf (OP) einer Überlappung des bewegten virtuellen Bauteils mit mindestens einem anderen virtuellen Bauteil des Produkts (P) ermittelt wird. Weiterhin wird mittels einer Mustererkennung (ME) geprüft, ob der ermittelte Überlappungsverlauf (OP) einem Verlaufsmuster (VM) einer Schnappverbindung entspricht. Bei positivem Prüfungsergebnis wird dann aus der virtuellen Bewegung des jeweiligen virtuellen Bauteils eine Fügeoperation (FO) abgeleitet, und es wird eine Simulation der Fügeoperation (FO) durchgeführt, durch die eine Deformation (D) des jeweils bewegten virtuellen Bauteils und/oder des mindestens einen anderen virtuellen Bauteils sowie eine zur Deformation (D) erforderliche Fügekraft (F) ermittelt werden. Die Fügeoperation (FO) wird dann mit der ermittelten Fügekraft (F) als Montageoperation (MO) zur Montage des Produkts (P) ausgegeben.

    DETERMINING AND REDUCING POWER LOSS OF A VEHICLE
    5.
    发明公开
    DETERMINING AND REDUCING POWER LOSS OF A VEHICLE 审中-公开

    公开(公告)号：EP4451162A1

    公开(公告)日：2024-10-23

    申请号：EP23168284.0

    申请日：2023-04-17

    申请人： Aerotune GmbH

    发明人： Schluricke, Sebastian

    IPC分类号： G06F30/15 ,  G06F30/17 ,  G06F30/27 ,  G06F111/10 ,  G06F113/08 ,  G06F119/06 ,  G06F119/14 ,  G06F123/02

    摘要： Generating one or more training data items of a training data set to train a machine-learning model for determining a power loss of a moving vehicle comprises the following steps: receiving initial values of parameters of a simulation using a physics model of motion of the moving vehicle, each parameter related to physics of the moving vehicle or an environment of the moving vehicle; generating in a stepwise process and through the simulation, a time series of values of the parameters; wherein the parameters are first and second parameters; wherein the simulation uses as input: as the first parameters: predetermined values specifying, for the moving vehicle, a mechanical efficiency coefficient Cdl, a rolling resistance coefficient Crr, and a drag force coefficient CdA; and as the second parameters: values obtained from measurement or from one or more generative models; and wherein the simulation determines at each step of the stepwise process at least a velocity of the moving vehicle at a respective time of the time series and provides as output updated parameters; generating the training data item from the time series of values; wherein a generated training data item comprises input attributes and target attributes; wherein an aggregation along the time series of values of the first parameters of the simulation are the target attributes; and wherein the time series of values of the second parameters of the simulation are input attributes.

    PERSONENSTROMSIMULATION MIT MAKROSKOPISCHEM UND MIKROSKOPISCHEM SIMULATIONSVERFAHREN
    8.
    发明公开
    PERSONENSTROMSIMULATION MIT MAKROSKOPISCHEM UND MIKROSKOPISCHEM SIMULATIONSVERFAHREN 审中-公开

    公开(公告)号：EP4435661A1

    公开(公告)日：2024-09-25

    申请号：EP23163168.0

    申请日：2023-03-21

    申请人： Siemens Aktiengesellschaft

    发明人： Mayer, Hermann Georg

    IPC分类号： G06F30/27

    CPC分类号： G06F30/27

    摘要： Die Erfindung betrifft ein Verfahren zur Simulation von Personenströmen in einem mehrere Teilgebiete umfassenden Gebiet, bei dem für ein erstes Teilgebiet eine makroskopische Personenstromsimulation berechnet wird. Bei der makroskopischen Simulation werden als Eingangsdaten zumindest eine Personenanzahl an zumindest einer Eingangsschnittstelle (ENTER) des ersten Teilgebiets verwendet, und als Ergebnis wird zumindest eine Personenanzahl an zumindest einer Ausgangsschnittstelle (EXIT) des ersten Teilgebiets berechnet. Für ein zweites Teilgebiet (MIKRO 1, MIKRO 2) wird eine mikroskopische Personenstromsimulation berechne. Bei der mikroskopischen Simulation werden als Eingangsdaten die zumindest eine berechnete Personenanzahl an der zumindest einen Ausgangsschnittstelle (EXIT) des ersten Teilgebiets verwendet, und als Ergebnis wird eine Verteilung von Personen innerhalb des zweiten Teilgebietes (MIKRO 1, MIKRO 2) für mehrere Zeitpunkte berechnet. Weiterhin betrifft die Erfindung hierzu korrespondierend eine Vorrichtung oder ein System zur Datenverarbeitung, ein Computerprogramm, einen computerlesbaren Datenträger, sowie ein Übertragungssignal.

    TARGET DETECTION METHOD AND APPARATUS
    9.
    发明公开
    TARGET DETECTION METHOD AND APPARATUS 审中-实审

    公开(公告)号：EP4435660A1

    公开(公告)日：2024-09-25

    申请号：EP22894711.5

    申请日：2022-11-11

    申请人： Hangzhou Hikvision Digital Technology Co., Ltd.

    发明人： CHEN, Binbin ,  CHEN, Weijie ,  YANG, Shicai

    IPC分类号： G06F30/27

    摘要： The present disclosure provides an object detection method and apparatus, including: adding pseudo labels to unlabeled data, dividing pseudo labels into high-quality pseudo labels and uncertain pseudo labels; inputting the unlabeled data to an initial learning model to obtain first predicted values; determining first predicted labels and first predicted boxes based on first predicted values corresponding to the high-quality pseudo labels, and determining second predicted labels and second predicted boxes based on first predicted values corresponding to the uncertain pseudo labels; inputting the unlabeled data to an initial management model to obtain second predicted values, and determining third predicted labels and third predicted boxes based on second predicted values corresponding to the uncertain pseudo labels; training the initial management model based on the first predicted labels, first predicted boxes, second predicted labels, second predicted boxes, third predicted labels and third predicted boxes to obtain a target management model, which is used to perform object detection on the data to be detected.