-
公开(公告)号：CN111811852B
公开(公告)日：2025-04-22
申请号：CN202010598631.3
申请日：2020-06-28
Applicant: 河北工业大学
IPC: G01M99/00 , G01D21/02 , G05B19/042
Abstract: 本发明公开了一种动态下肢康复辅具测试系统，包括：动态实验台支架和跑步机，动态实验台支架包括：架体、固装在架体顶端的调挂架以及在调挂架下方的架体上铰接的浮动台，调挂架的底部通过弹簧与浮动台连接，在调挂架或浮动台上设置有一拉力传感器，一单片机读取拉力传感器的数据，浮动台前板每侧各安装有1个关节安装架，使用者使用时位于跑步机上且该2个关节安装架位于使用者的两侧，康复辅具包括待测模块和髋关节处外骨骼关节模块，待测模块为外骨骼关节模块或假肢模块，每个关节安装架上安装髋关节处外骨骼关节模块。通过调整弹簧可实现不同的拉力以调整挂载的外骨骼的重量对受试者产生的作用力，从而可实现人在外骨骼的不同作用力下的测试。
-
公开(公告)号：CN117908382A
公开(公告)日：2024-04-19
申请号：CN202410086965.0
申请日：2024-01-22
Applicant: 河北工业大学
IPC: G05B13/04
Abstract: 本发明公开了一种基于数据驱动建模的上肢外骨骼区间模型预测控制方法，首先基于Koopman算子理论对上肢外骨骼进行数据驱动建模，建立上肢外骨骼数据驱动模型；然后，基于上肢外骨骼数据驱动模型设计区间模型预测控制器；最后，将区间模型预测控制器的性能指标转化为线性互补问题，采用基于改进的和声搜索算法对最优控制律进行求解。该方法对和声搜索算法进行改进，用于高效在线求解区间模型预测控制器的最优控制律，并结合基于Koopman算子理论的数据驱动建模方法对上肢外骨骼进行数据驱动建模，解决上肢外骨骼机理建模困难、区间模型预测控制器的实时性低的问题，以实现对上肢外骨骼的实时精确控制，控制效果良好。
-
公开(公告)号：CN116380102A
公开(公告)日：2023-07-04
申请号：CN202310368455.8
申请日：2023-04-10
Applicant: 河北工业大学
Abstract: 本发明为一种基于改进Q‑learning算法的移动机器人路径规划方法，移动机器人首先利用传统Q‑learning算法进行初始路径探索，移动机器人一旦达到目标点则停止探索，对Q表进行初始化，并将初始化的Q表用于后续的路径规划；然后，对传统Q‑learning算法的贪婪策略和动作选择策略进行改进，移动机器人利用改进的Q‑learning算法进行路径探索，改进的贪婪策略通过移动机器人所在的位置和当前迭代次数约束探索概率，改进的动作选择策略利用初始化的Q表以及下一状态与目标点之间的距离进行动作选择，减少了无效探索，解决了传统Q‑learning算法收敛速度慢、在探索前期存在的盲目性大等问题。
-
公开(公告)号：CN112947071A
公开(公告)日：2021-06-11
申请号：CN202110117310.1
申请日：2021-01-28
Applicant: 河北工业大学
IPC: G05B13/04
Abstract: 本发明为一种基于Backstepping的下肢外骨骼控制方法，包括第一步、建立下肢外骨骼动力学模型，并转化为控制系统状态方程；第二步、设计Backstepping控制器；第三步、改进RBF扰动观测器，包括设计RBF扰动观测器和RBF神经网络自适应律；第四步、控制实施，使下肢外骨骼按照期望轨迹运动。该方法针对外部随机扰动，利用RBF神经网络的逼近特性，设计扰动观测器，对外部随机扰动进行逼近；针对RBF神经网络存在的网络逼近误差，进一步改进扰动观测器，引入辅助变量对网络逼近误差进行补偿，进而对外部随机扰动进行补偿，使对外部随机扰动的逼近更接近于真实值，降低了RBF神经网络的逼近误差。
-
公开(公告)号：CN111811852A
公开(公告)日：2020-10-23
申请号：CN202010598631.3
申请日：2020-06-28
Applicant: 河北工业大学
IPC: G01M99/00 , G01D21/02 , G05B19/042
Abstract: 本发明公开了一种动态下肢康复辅具测试系统，包括：动态实验台支架和跑步机，动态实验台支架包括：架体、固装在架体顶端的调挂架以及在调挂架下方的架体上铰接的浮动台，调挂架的底部通过弹簧与浮动台连接，在调挂架或浮动台上设置有一拉力传感器，一单片机读取拉力传感器的数据，浮动台前板每侧各安装有1个关节安装架，使用者使用时位于跑步机上且该2个关节安装架位于使用者的两侧，康复辅具包括待测模块和髋关节处外骨骼关节模块，待测模块为外骨骼关节模块或假肢模块，每个关节安装架上安装髋关节处外骨骼关节模块。通过调整弹簧可实现不同的拉力以调整挂载的外骨骼的重量对受试者产生的作用力，从而可实现人在外骨骼的不同作用力下的测试。
-
Patent Agency Ranking
公开(公告)号：CN108631727B
公开(公告)日：2019-08-09
申请号：CN201810250676.4
申请日：2018-03-26
Applicant: 河北工业大学
Abstract: 本发明涉及一种基于卷积神经网络的太阳能电池板缺陷识别方法，包括模型离线训练和在线检测两个阶段，将卷积神经网络模型应用于太阳能电池板的缺陷识别上，使用2个CNN模型递进地实现了缺陷检测和分类。首先使用CNN二分类模型区分合格与缺陷图像，然后使用CNN多分类模型，对二分类模型判定为缺陷的图像进行分类。CNN模型对电池板的各种缺陷类型，都是采用相同的处理流程，即通过迭代训练，快速而自动进行特征提取和特征分类。对于新缺陷类型，只需收集该缺陷类型的样本数据，添加到训练用的数据集中并对模型进行训练，就能够实现该缺陷类型的检测。能够以较高的准确率快速识别出存在缺陷的小电池板的位置，并对多种缺陷进行类别判定，适用性更广。
-
公开(公告)号：CN110046675A
公开(公告)日：2019-07-23
申请号：CN201910337860.7
申请日：2019-04-25
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于改进的卷积神经网络的下肢运动能力评估方法，包括以下步骤：获取受试者步态过程中的步态视频图像和人体骨骼关节位置信息；对步态视频图像生成深度数据并通过双边滤波法进行二值化处理，从而获得步态轮廓图像；利用空间向量法计算膝关节角度；利用改进的卷积神经网络提取步态轮廓图像的步态轮廓特征；将步态轮廓特征与膝关节角度串联成并进行归一化，再用核主成分分析法对特征进行特征降维，再建立下肢运动能力评估指标，对受试者进行下肢运动能力评估。本方法利用在传统的卷积神经网络中加入了空间金字塔池化层和COCOB优化算法的改进的卷积神经网络自动提取视频图像特征，大大降低了复杂性，提高了评估准确性。
-
公开(公告)号：CN106897575B
公开(公告)日：2019-05-03
申请号：CN201710223144.7
申请日：2017-04-07
Applicant: 河北工业大学
Abstract: 本发明公开了一种主动型膝上假肢的准滑模控制方法。该方法离线采集患者的基本信息数据，生成数据报告；在不改变基本构造和相互作用方式的前提下，将人体下肢简化为多连杆模型进行分析，针对人体行走过程中摆动期和支撑期的运动形式的差异，分别建立下肢动力学模型；应用准滑模控制方法，将自抗扰控制中的非线性函数fal函数引入到准滑模控制中以设计切换控制律，对摆动期和支撑期分别设计控制器。该方法对系统的不确定性因素具有较强的鲁棒性和抗干扰能力，并且通过准滑模控制方法可以消除在实际情况下系统状态趋近于稳定点过程中出现的抖振情况，提高其控制性能。该方法具有控制精度高、抗干扰能力强并且有较好时效性的优点。
-
公开(公告)号：CN108241340A
公开(公告)日：2018-07-03
申请号：CN201810052525.8
申请日：2018-01-19
Applicant: 河北工业大学
IPC: G05B19/408
Abstract: 本发明公开一种四轴迭代学习控制的工业机器人设计方法，通过将需要加工成型的三维零件转换为同质曲线簇轨迹，再依次提取其中曲线作为系统跟踪的期望轨迹，使得迭代学习控制可以单独适用，从而使得迭代学习控制可以对这类轨迹群进行有效适用，进而完成三维零件的加工；通过对前一条期望轨迹学习所得的控制信息进行有效继承，使得跟踪当前期望轨迹时的初次迭代控制信息不再从零开始学习，因而大大加快了系统的学习速度，降低了迭代次数，从而极大地提升了工作效率。并且，应用该设计方法的工业机器人系统，可以加工传统回旋体设备不能加工的基面轨迹为任意形状的三维零件，极大地提高了工业零件的多样性，非常适用于工业中的个性化零件生产。
-
公开(公告)号：CN117912111A
公开(公告)日：2024-04-19
申请号：CN202410079501.7
申请日：2024-01-19
Applicant: 河北工业大学
Abstract: 本发明公开了一种基于轻量YOLOv8网络的跌倒检测方法，首先获取跌倒图像，并进行标注，得到数据集；然后，对YOLOv8网络进行改进，得到跌倒检测模型，即YOLOv8网络主干网络中最后两个C2f模块分别利用轻量型多尺度注意力模块替换，利用颈部融合模块替换YOLOv8网络的颈部网络，利用半解耦检测头替换YOLOv8网络的解耦检测头；颈部融合模块一方面采用自底向上的通路进行多尺度目标检测，使得底层特征与含有丰富位置信息的底层信息进行融合，另一方面添加一条自上而下的通路，将高层特征传递给底层特征，传达强语义特征；最后，利用数据集对跌倒检测模型进行训练，并保存模型权重；将训练后的跌倒检测模型用于跌倒检测。该方法在简单和复杂场景下均能达到更好的跌倒识别效果。
-
-
-
-
-
-
-
-
-
Search Results
59
records
(took 0.028 seconds)
