-
公开(公告)号：CN119476032A
公开(公告)日：2025-02-18
申请号：CN202411620924.1
申请日：2024-11-14
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06F30/23 , G06F30/17 , G06N20/00 , G06F119/14 , G06F111/10
Abstract: 基于机器学习的能量天平柔性导向机构铰链刚度设计方法，涉及能量天平设计技术领域。铰链厚度作为结构参数构建机构参数库；三维建模软件设计方案转化三维模型库；三维网格划分和有限元分析建立网格库；通过有限元仿真结果构建三维仿真结果数据库；利用机器学习的方法建立结构参数与性能特性之间的映射关系，作为机器学习的参数库；通过机器学习方法对设计方案进行优选；构建不同指标体系下的柔性导向机构方案库，获得满足要求的柔性导向机构铰链。通过机器学习方法预测最优柔性导向机构铰链设计方案，结合有限元分析对铰链三维模型的力学性能进行仿真，减实验和计算需求，提升设计效率和经济效益。
-
公开(公告)号：CN119475911A
公开(公告)日：2025-02-18
申请号：CN202411620926.0
申请日：2024-11-14
Applicant: 哈尔滨工业大学
IPC: G06F30/23 , G06F30/27 , G06F30/17 , G06N20/00 , G06F119/14 , G06F111/10
Abstract: 一种机器学习辅助的柔性铰链有限元设计方法，涉及柔性铰链设计技术领域。构建柔性铰链的结构参数库；通过三维建模将结构参数库转化为三维模型库；对三维模型在不同工作环境下进行模拟分析，构建对应的网格库；使用仿真软件生成柔性铰链的三维仿真数据库；利用机器学习的方法，建立结构参数与性能特性参数库；通过机器学习方法对设计方案进行优选；基于机器学习预测设计参数，进行柔性铰链性能特性预测与方案优选。采用机器学习方法预测柔性铰链的最优设计方案，结合有限元分析软件对柔性铰链三维模型的力学性能进行仿真，并通过有限元实验验证性能评估指标，减少实验成本并提高设计效率，避免昂贵的实验和繁重的计算需求。
-
公开(公告)号：CN119881839A
公开(公告)日：2025-04-25
申请号：CN202510077656.1
申请日：2025-01-17
Applicant: 哈尔滨工业大学
Abstract: 无源焦平面阵列激光雷达相干接收模块及激光雷达系统，属于激光雷达和光波导集成器件领域。解决了现有激光雷达点对点接收方式实施复杂的问题。本发明每个光电转换器件的信号接收端连接一根总线波导，每根总线波导上连接有N个谐振环波长滤波器，每个谐振环波长滤波器连接一个接收光学天线；M×N个接收光学天线构成天线阵列；所述天线阵列上侧设置有片外透镜，所述片外透镜，用于将不同角度的信号光聚焦在对应位置的接收光学天线表面。本发明适用于激光雷达光信号接收。
-
公开(公告)号：CN119057774A
公开(公告)日：2024-12-03
申请号：CN202411171896.X
申请日：2024-08-26
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种基于动态候选池引导和碰撞节点启发的机械臂快速路径规划方法及系统，属于机械臂路径规划领域。为了解决现有机械臂路径规划算法因概率性目标偏执扩展方式造成的随机树多次重复扩展失败和路径规划时间成本高的问题。本发明在现有RRTs算法的基础上，提出了一种基于动态候选池引导和碰撞节点启发的机械臂快速路径规划方法，引导最邻近节点的最佳选择和调节碰撞节点的扩展方向，提高机械臂路径规划效率和缩短路径规划时间成本，实现随机树朝向目标节点方向快速扩展生成无碰撞节点，进而大大提高机械臂路径规划效率和降低路径规划的时间成本。
-
公开(公告)号：CN116363009B
公开(公告)日：2024-03-12
申请号：CN202310343585.6
申请日：2023-03-31
Applicant: 哈尔滨工业大学
IPC: G06T5/00 , G06T5/50 , G06T5/40 , G06V10/40 , G06V10/82 , G06V10/774 , G06V10/778 , G06V10/56 , G06N3/0464 , G06N3/09
Abstract: 基于有监督学习的快速轻量化低照度图像增强方法及系统，属于数字图像处理技术领域。为解决现有的基于有监督学习的低照度图像增强方法存在处理速度慢、依赖参数量大的问题。本发明首先提取低照度图像的V通道图像IV，并获取直方图信息，然后与预期平均亮度值拼接后通过多层感知机提取全局信息；在对IV进行高阶曲线调整得到IV′；待增强低照度图像同时输入局部增强网络模块进行处理，首先将输入与输入对应的V通道进行拼接操作后输入第一卷积单元，第一卷积单元的输出与IV′进行拼接后，第二卷积单元中的第一个卷积层输出与第二卷积单元的输出进行拼接后再输入第三卷积单元，第三卷积单元处理之后输出增强图像。
-
Patent Agency Ranking
公开(公告)号：CN120012579A
公开(公告)日：2025-05-16
申请号：CN202510093289.4
申请日：2025-01-21
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06F30/10 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 一种基于深度学习的光栅耦合器宽波段耦合效率预测方法，本发明为了解决现有光栅耦合器设计存在用时长、设计效率低的问题。本发明针对光栅耦合器，在软件中建立离散式光栅耦合器模型，将模型中的光栅区域等效为M*1的离散矩阵，M为矩阵维数，对应于光栅耦合器的总光栅周期数，每个矩阵元素的编码值代表该位置为光栅齿或光栅槽；将离散矩阵作为输入预测神经网络，网络对离散矩阵进行位置编码，再与离散矩阵进行拼接，然后利用局部信息抽取模块进行特征提取，与波长编码模块的输出拼接后输入到转置注意力模块，之后再通过非共享参数全连接模块处理，最终输出耦合效率T。
-
公开(公告)号：CN119828112A
公开(公告)日：2025-04-15
申请号：CN202510069473.5
申请日：2025-01-16
Applicant: 哈尔滨工业大学
IPC: G01S7/4912 , G01S7/4914 , G01S17/32
Abstract: 大视场焦平面阵列激光雷达接收模块及激光雷达系统，属于激光雷达和光波导集成器件领域，本发明为解决现有激光雷达接收模块存在规模增大时会导致元件数量激增、复杂度过高、功耗过高的问题。本发明激光雷达发射模块单点、多点或者一维阵列形式的发射信号光；信号光经目标物体反射后进入所述激光雷达接收模块；根据发射信号光的单个或多个角度，通过控制所述谐振环光开关阵列的开关状态来控制聚焦位置对应光学天线处于“开”的状态，从而将信号光引入到波导总线中；波导总线的信号光直接传输至所述光电转换器件中输出电信号，或波导总线的信号光与本征光共同传输至所述相干混频器中，再传输至所述光电转换器件中输出电信号。
-
公开(公告)号：CN119596615A
公开(公告)日：2025-03-11
申请号：CN202510048847.5
申请日：2025-01-13
Applicant: 哈尔滨工业大学
Abstract: 本申请的行列扫描式硅基焦平面阵列发射装置，包括输入光栅耦合器、输出光栅耦合器、光开关网络、多个功分器、多个主波导和片外透镜；输入光栅耦合器将光源产生的光耦合至光开关网络，光开关网络包括多个光开关级，每个光开关级包括一个或多个光开关，光开关网络中的多个光开关成树状形分布连接，通过控制光开关光输出端口导通或不导通将输入的光传输至相应主波导，主波导将光传输至多个功分器，功分器与输出光栅耦合器连接，输出光耦合器将光辐射至自由空间，实现光在多个功分器排列方向的扫射；片外透镜对射入自由空间的光进行折射，使光偏转，实现光在与多个功分器排列方向垂直方向的扫射。
-
公开(公告)号：CN116363009A
公开(公告)日：2023-06-30
申请号：CN202310343585.6
申请日：2023-03-31
Applicant: 哈尔滨工业大学
IPC: G06T5/00 , G06T5/50 , G06T5/40 , G06V10/40 , G06V10/82 , G06V10/774 , G06V10/778 , G06V10/56 , G06N3/0464 , G06N3/09
Abstract: 基于有监督学习的快速轻量化低照度图像增强方法及系统，属于数字图像处理技术领域。为解决现有的基于有监督学习的低照度图像增强方法存在处理速度慢、依赖参数量大的问题。本发明首先提取低照度图像的V通道图像IV，并获取直方图信息，然后与预期平均亮度值拼接后通过多层感知机提取全局信息；在对IV进行高阶曲线调整得到IV′；待增强低照度图像同时输入局部增强网络模块进行处理，首先将输入与输入对应的V通道进行拼接操作后输入第一卷积单元，第一卷积单元的输出与IV′进行拼接后，第二卷积单元中的第一个卷积层输出与第二卷积单元的输出进行拼接后再输入第三卷积单元，第三卷积单元处理之后输出增强图像。
-
公开(公告)号：CN115964955A
公开(公告)日：2023-04-14
申请号：CN202310038740.3
申请日：2023-01-11
Applicant: 哈尔滨工业大学
IPC: G06F30/27 , G06F18/214 , G06N3/04 , G06N3/08
Abstract: 离散编码超表面单元电磁响应预测方法及设备，属于深度学习和电磁超表面技术领域。为了解决现有的对自由度较高超表面正向预测过程中，存在的预测精度不够及无法同时预测相位频谱和幅值频谱的问题。本发明首先选定基底材料，基于离散编码对离散编码超表面单元进行建模；将超表面单元输入电磁仿真软件得到该超表面单元的电磁响应，分别是水平极化和垂直极化S参数的幅值Am和相位Ph频谱，处理后将之作为对应数据的标签；将数据集输入预测神经网络模型得到预测的离散超表面电磁响应，基于仿真的电磁响应和预测的电磁响应构建损失函数，基于损失函数训练预测神经网络；最后利用训练好的预测神经网络进行离散编码超表面单元电磁响应预测。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.032 seconds)
