公开(公告)号：CN119078980A

公开(公告)日：2024-12-06

申请号：CN202411207060.0

申请日：2024-08-30

Applicant: 北京理工大学

Inventor： 黄远灿 ,  洪达 ,  杨晨 ,  李霞 ,  滕光蓉 ,  黄家经 ,  钟伟恒 ,  邵念锋

IPC: B62D57/02 ,  G01L5/04 ,  G01L5/00

Abstract: 本发明涉及一种能穿越复杂通道的连续体内窥机器人，其包括：驱动装置，用于驱动整体机器人的工作；机器人本体，其控制端通过龙骨及肌腱导向机构与驱动装置连接，末端能穿越复杂通道，设置在整体机器人的前部，具有伸缩与弯曲变形同时进行的功能；腱张力测量机构，设置为多个，沿龙骨及肌腱导向机构的周向呈间隔设置在驱动装置的端部，用于测量机器人本体的肌腱张力并传输至控制器内；肌腱拉伸机构设置在腱张力测量机构的外侧，控制器设置在机器人本体的外部，用于控制驱动装置的工作，并根据接收到的腱张力测量机构传输至的肌腱张力信息，控制肌腱拉伸机构工作。本发明提高了机器人在复杂空间中的检测可达性能，减少了检测盲区、提高了检测效率。

公开(公告)号：CN116106005A

公开(公告)日：2023-05-12

申请号：CN202310388300.0

申请日：2023-04-12

Applicant: 北京理工大学 ,  中国科学院大学

Inventor： 杨晨 ,  赖鄹 ,  兰舒琳 ,  祝烈煌

IPC: G01M13/028 ,  G06F18/213 ,  G06F18/24 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及一种基于端边云协同机器学习的旋转设备故障诊断方法，属于人工智能与工业物联网技术领域。本发明设计的端边云协同的故障诊断框架，通过在端节点部署TinyML模型，有效利用端设备算力，降低模型部署后的计算、通讯成本，解决故障诊断精度与延迟之间的矛盾。在边缘、云的赋能下，解决了端节点TinyML难以实现寿命预测的问题。本方法结合设备故障振动信号的物理特性，确定了故障诊断模型的最小输入节点数，分析了振动数据的差分特征，为级联网络提供了理论层面的支撑，构建了基于级联自编码器的故障诊断模型，降低了峰值内存占用，将模型部署于单片机中，实现了工业现场海量底层设备剩余算力的有效利用。

公开(公告)号：CN103823789B

公开(公告)日：2016-09-07

申请号：CN201410038962.6

申请日：2014-01-26

Applicant: 北京理工大学

Inventor： 陈禾 ,  杨晨 ,  马翠梅 ,  谢宜壮 ,  陈亮 ,  龙腾

IPC: G06F17/14

Abstract: 本发明在基于原位存储的结构上，提出一种低复杂度的通用混合基FFT设计方法，步骤一、设计计数器；步骤二、根据步骤一得到的每级的计数器，将其映射到操作数的访问地址；步骤三、根据步骤一得到的计数器，给出生成旋转因子地址的中间值的映射；上面得到的操作数和旋转因子的访问地址即为地址控制单元，选择器Mux设置为：当Mux=0时，表示进入RAM中的数据为外界输入数据；当Mux=1时，表示进入RAM中的数据为由蝶形单元计算按照原位算法存储的数据。

公开(公告)号：CN118443163A

公开(公告)日：2024-08-06

申请号：CN202410541862.9

申请日：2024-04-30

Applicant: 北京环境特性研究所 ,  北京理工大学

Inventor： 杨晨 ,  毛宏霞 ,  杨金宝 ,  李婷 ,  毛雨辉 ,  杨桦 ,  唐义 ,  卞子煜

IPC: G01J5/53 ,  G01J5/02 ,  G01J5/0803

Abstract: 本发明涉及红外辐射特性测量技术领域，特别涉及一种多谱段目标辐射特性定量测量系统及方法，其中系统包括滤光组件、相机组件、定位组件、测温组件和控制及处理模块；滤光组件包括电机和滤光轮；滤光轮的中心连接电机的输出端，能够在电机的带动下旋转，滤光轮沿周向设有多个均匀分布的窗口，用于设置滤光片或挡片；相机组件包括镜头和红外探测相机，设于滤光轮一侧，用于接收光线；定位组件设于滤光组件；测温组件至少包括两个温度贴片，分别设于滤光组件和镜头；控制及处理模块与电机、红外探测相机、定位组件和测温组件均连接。本发明能够实现在同一场景准确获取多个谱段维度的目标辐射特性数据。

公开(公告)号：CN115393678B

公开(公告)日：2024-04-02

申请号：CN202210913815.3

申请日：2022-08-01

Applicant: 北京理工大学 ,  中国科学院大学

Inventor： 杨晨 ,  王颍超 ,  兰舒琳 ,  祝烈煌

IPC: G06V10/80 ,  G06V10/82 ,  G06F40/216 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06V10/30 ,  G06V10/774

Abstract: 本发明公开了一种基于图像式中间态的多模态数据融合决策方法，包括确定决策任务涉及的多模态数据；设计多模态数据统一转换为图像模态数据的方法；面向决策任务获取多模态样本数据，并统一为图像模态以构造训练集和测试集；基于训练集和测试集，训练融合注意力机制的多通道深度神经网络；采集用于决策的多模态数据，并统一转换为图像模态以构造决策数据集；将决策数据集输入多通道深度神经网络进行特征自适应提取与融合决策。本发明既避免了多特征提取模型导致的复杂网络设计和大量参数寻优问题，又可方便地、仅使用一个硬件加速设备来完成快速的神经网络计算；增强深度神经网络各通道提取特征的交互性和互补性；减少冗余特征的输入。

公开(公告)号：CN112100568B

公开(公告)日：2022-11-25

申请号：CN202010605839.3

申请日：2020-06-29

Applicant: 北京理工大学

Inventor： 陈禾 ,  谢愚 ,  谢宜壮 ,  杨晨 ,  陈亮 ,  龙腾

IPC: G06F17/14 ,  G06F7/523

Abstract: 本发明公开了定点傅里叶变换FFT处理器及处理方法，涉及数字信号处理技术领域，能够达到FFT运算长度、定点处理精度可变的目的。本发明用于对采集自通信系统、雷达系统或者数字广播系统的数字信号进行FFT运算转换为频域信号，以获取数字信号的频域信息。采用基‑27算法实现FFT运算，对FFT运算中使用的旋转因子进行分解，分解得到7级运算组和一级旋转因子乘法运算。处理器包括级联的七个运算模块和一级旋转因子乘法模块，七个运算模块分别为Stage1～Stage7，分别用于执行分解得到的7级运算组。Stagei中包含蝶形运算单元BF以及反馈存储RAM，BF用于执行当前运算组内的加减法运算。Stage2～Stage6中还包含级联的常数因子乘法器，用于实现当前运算组中的常数因子乘法运算。

公开(公告)号：CN114994425A

公开(公告)日：2022-09-02

申请号：CN202210374517.1

申请日：2022-04-11

Applicant: 北京理工大学

Inventor： 边丽蘅 ,  杨晨 ,  刘思田 ,  方堃

IPC: G01R31/00 ,  G01S19/23 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本公开提出一种导航接收机与机载设备电磁兼容预测方法和系统，其中，方法包括：构建训练数据集，训练数据集包括利用实验获得的特征参数和路径损耗，利用训练数据集对路径损耗预测模型进行训练，并在训练过程中通过智能算法优化路径损耗预测模型的权值阈值，从而获得训练好的路径损耗预测模型；实时采集机载设备的传输信号，基于传输信号提取目标特征参数；将目标特征参数输入训练好的路径损耗预测模型获得目标路径损耗；将目标路径损耗输入电磁兼容预测模型中，以确定导航接收机与机载设备是否电磁兼容。根据本公开的方法解决现有技术中路径损耗的预测效果不好导致电磁兼容性的预测不准确的问题。

公开(公告)号：CN113778483A

公开(公告)日：2021-12-10

申请号：CN202110961128.4

申请日：2021-08-20

Applicant: 北京理工大学 ,  中国科学院大学 ,  北京电子工程总体研究所

Inventor： 杨晨 ,  兰舒琳 ,  赖鄹 ,  付斯琴 ,  禹航

IPC: G06F8/65 ,  G06F8/71 ,  G06F16/36 ,  G06N3/04

Abstract: 本发明公开了一种云边端赋能的装备决策及安全空中升级装置和方法，以方法的实现为例，包括收集装备设计阶段产生的文本型数据及运行阶段产生的数值型数据；基于云边端架构实现知识图谱和深度神经网络的分层构建及分层决策；基于云边端架构、网络技术及分割技术，实现决策模型的优化及快速版本迭代。本发明能够科学、高效地实现装备的决策制定，其突出特点是可实现可量化决策和不可量化决策的制定；兼顾了决策的实时性和准确性；可快速、安全地实现装备中决策模型的空中升级，单个边缘节点的数据泄露不会造成隐私泄露。

公开(公告)号：CN118800782A

公开(公告)日：2024-10-18

申请号：CN202410852179.7

申请日：2024-06-28

Applicant: 北京理工大学

Inventor： 边丽蘅 ,  杨晨

IPC: H01L27/146 ,  G01J3/28

Abstract: 本申请提供了一种红外光谱成像芯片及其成像系统，该芯片包括衬底、探测阵列结构和滤波阵列结构，且探测阵列结构和滤波阵列结构相对设置在衬底的第一表面和第二表面。探测阵列结构包括多个呈阵列设置的探测器单元，滤波阵列层包括多个呈阵列设置滤波单元，而每个滤波单元又可以包括多个呈阵列设置的滤波子单元。通过将每个滤波子单元设置为和在衬底上与探测器单元一一对应，提高探测器单元对滤波阵列结构对目标光谱的数据采集精度，通过将滤波单元内每个滤波子单元设置为不同的中心波长，提高目标光谱采集精度。本申请可以提高在红外波段条件下对目标场景光谱采集精度，获取高分辨率的红外光谱图像。

公开(公告)号：CN117218643A

公开(公告)日：2023-12-12

申请号：CN202311136281.9

申请日：2023-09-05

Applicant: 北京理工大学

Inventor： 王健宇 ,  杨晨 ,  杨恒 ,  唐兴凯 ,  唐欣欣 ,  张幽彤

IPC: G06V20/68 ,  G06V10/20 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于轻量化神经网络的微小目标水果识别方法，包括如下步骤：步骤一、建立微小目标水果数据集；步骤二、改进YOLOv5模型，添加输入增强端，使用改进的ShuffleNetV2网络作为主干网络，添加浅层高分辨率特征图融合网络结构；步骤三、通过步骤一制作的小目标水果数据集及其对应的label文件进行训练，得到训练好的微小目标水果检测模型；步骤四、将待检测的微小目标水果图片输入训练好的轻量化神经网络模型得到检测结果。本发明采用的改进深度和精度的ShuffleNetV2网络以及浅层高分辨率特征图融合网络结构，有效降低模型参数量，提高果园微小目标水果的检测效率和精度。