本發(fā)明涉及導(dǎo)軸瓦控制領(lǐng)域，具體為一種用于導(dǎo)軸瓦間隙自動調(diào)整的信號處理系統(tǒng)及方法，包括：間隙計量模塊、模型邊界模塊、故障學(xué)習(xí)模塊、間隙調(diào)整模塊和油膜潤滑模塊，間隙計量模塊用于監(jiān)測油膜厚度，模型邊界模塊用于建立導(dǎo)軸瓦動壓潤滑模型，求解導(dǎo)軸瓦...

本發(fā)明公開了一種用于藻類湖泊的治理系統(tǒng)，包括移植板、電極，所述移植板將沉水植物栽種于湖泊底泥中，所述湖泊為藻類湖泊,移植板包括設(shè)置的栽種件，所述立桿的上下兩端側(cè)壁上設(shè)有陰極板與陽極板，所述立桿的內(nèi)部設(shè)有電阻，所述電阻均通過導(dǎo)線與陰極板、...

本發(fā)明記載了一種動態(tài)遮擋場景下的3D人體姿態(tài)估計方法，包括：構(gòu)建特征篩選模塊；對人體2D姿態(tài)序列進(jìn)行坐標(biāo)映射和特征融合，輸出原始尺度特征和高維特征；構(gòu)建時間注意力MVT2vs模塊，連接時間編碼器的姿態(tài)嵌入和注意力機(jī)制，并通過注意力機(jī)制捕...

本發(fā)明公開了一種輸變電設(shè)備巡檢紅外圖像超分辨率重建方法及系統(tǒng)，方法包括：獲取至少一個輸變電設(shè)備巡檢紅外圖像，對至少一個輸變電設(shè)備巡檢紅外圖像進(jìn)行預(yù)處理，得到至少一個低分辨率紅外圖像；基于動態(tài)區(qū)域感知?dú)埐顗K與可變性亞像素卷積構(gòu)建超分辨率重...

本發(fā)明公開了一種用于灰?guī)旃艿纼?nèi)的行走裝置，包括兩套可變徑的麥克納姆輪組件和中間傳動機(jī)構(gòu)，中間傳動機(jī)構(gòu)包括電機(jī)支架、第一電機(jī)和第二電機(jī)；麥克納姆輪組件包括第一端面齒盤、第二端面齒盤、連桿、中間轉(zhuǎn)筒、第一齒輪、第二齒輪、第三端面齒盤和第四端...

本發(fā)明記載了一種基于軌跡管道回歸預(yù)測與關(guān)聯(lián)的多目標(biāo)跟蹤方法，包括以下步驟：獲取并識別場景目標(biāo)，包括既有目標(biāo)和新目標(biāo)；將既有目標(biāo)與其身份標(biāo)識對應(yīng)的軌跡管道匹配拼接，輸出既有目標(biāo)更新后的軌跡管道；構(gòu)建與新目標(biāo)身份標(biāo)識相對應(yīng)的軌跡管道，輸出新...

本發(fā)明提供了一種基于時空加權(quán)和密度峰值的軌跡聚類方法，涉及軌跡聚類技術(shù)領(lǐng)域。本發(fā)明提供的方法包括：基于最小描述長度準(zhǔn)則，融合自適應(yīng)時空權(quán)重和時空幾何距離對軌跡數(shù)據(jù)進(jìn)行分段獲得子軌跡段；基于密度峰值聚類算法計算每個子軌跡段的時空局部密度、...

本發(fā)明提出一種基于全局局部雙路提取和異步增強(qiáng)的目標(biāo)跟蹤方法與系統(tǒng)，該方法包括：對模板圖像和搜索圖像進(jìn)行初始化，并通過塊嵌入進(jìn)行序列劃分；同時提取模板圖像和搜索圖像的全局特征與局部特征，并將模板圖像和搜索圖像的全局特征與局部特征進(jìn)行特征融...

本發(fā)明涉及工業(yè)機(jī)器人路徑規(guī)劃技術(shù)領(lǐng)域，具體為人工勢場法與動態(tài)預(yù)測的工業(yè)移動機(jī)器人路徑規(guī)劃方法。本發(fā)明首先采集環(huán)境點(diǎn)云數(shù)據(jù)，基于時序差分與歐氏距離區(qū)分靜態(tài)與動態(tài)障礙物；利用卡爾曼濾波預(yù)測動態(tài)障礙物未來位置，并采用密度聚類算法對靜態(tài)障礙物進(jìn)...

本發(fā)明公開了一種控制阻尼裝置的多腔管材雙層氣輔擠出裝置，包括沿熔體流向依次設(shè)置的第一模體、第二模體和第三模體。其核心在于：在第一模體的內(nèi)氣輔入口和第二模體的外氣輔入口處集成有高精度阻尼裝置，該裝置通過絲杠驅(qū)動阻尼塊軸向移動，創(chuàng)新性地結(jié)合...

本發(fā)明記載了一種面向自動駕駛的車輛駕駛意圖識別與軌跡預(yù)測方法，包括步驟：構(gòu)建動態(tài)閾值滑動采樣窗口，并根據(jù)路況復(fù)雜度動態(tài)調(diào)整窗口長度；提取動態(tài)閾值滑動采樣窗口內(nèi)交互車輛的橫向位移變化量，輸出交互車輛的駕駛意圖；基于駕駛意圖，構(gòu)建雙模態(tài)自適...

本發(fā)明公開了一種基于計算機(jī)視覺的水面線自動識別方法及系統(tǒng)，用以動態(tài)捕捉水面線形態(tài)，高效獲取水面線相關(guān)數(shù)據(jù)。本發(fā)明方法包括以下步驟：標(biāo)注水面線樣本圖像，搭建卷積神經(jīng)網(wǎng)絡(luò)模型；對圖像進(jìn)行預(yù)處理，訓(xùn)練目標(biāo)分割模型，獲取水面線分割模型最優(yōu)權(quán)重；...

本發(fā)明公開了一種基于人工智能可分類的檔案管理裝置，涉及檔案管理裝置技術(shù)領(lǐng)域，包括檔案儲存柜和多個放置盒；通風(fēng)除濕機(jī)構(gòu)，所述通風(fēng)除濕機(jī)構(gòu)包括固定連接在檔案儲存柜側(cè)壁的除濕箱，所述除濕箱和檔案儲存柜側(cè)壁均開設(shè)有通風(fēng)口，兩個所述通風(fēng)口之間相互...

本申請涉及電力設(shè)備診斷技術(shù)領(lǐng)域，具體公開了一種面向樣本稀缺下變壓器故障識別與泛化性提升方法及系統(tǒng)，方法包括構(gòu)建變壓器的頻域波動方程及阻抗邊界條件；將頻域波動方程及阻抗邊界條件嵌入初始物理信息網(wǎng)絡(luò)模型的神經(jīng)網(wǎng)絡(luò)節(jié)點(diǎn)及損失函數(shù)中，得到目標(biāo)物...

本發(fā)明涉及結(jié)構(gòu)健康監(jiān)測技術(shù)領(lǐng)域，具體公開了基于異質(zhì)多源數(shù)據(jù)融合的庫體健康監(jiān)測與預(yù)警系統(tǒng)，本系統(tǒng)通過多源數(shù)據(jù)采集模塊實(shí)時獲取庫壁應(yīng)變、環(huán)境風(fēng)載及三維形變數(shù)據(jù)；利用空間網(wǎng)格化分層映射模塊，結(jié)合庫體結(jié)構(gòu)特征劃分高危、過渡、穩(wěn)定區(qū)域，并通過動態(tài)...

本發(fā)明記載了一種基于自適應(yīng)Bi?LSTM的實(shí)時故障診斷方法，步驟包括：S1，采集包括多種故障類型在內(nèi)的齒輪箱原始故障信號，每種故障類型設(shè)置一定的樣本量構(gòu)成數(shù)據(jù)集；提取原始故障信號的關(guān)鍵特征并構(gòu)建特征向量；S2，基于彈性網(wǎng)絡(luò)優(yōu)化Lasso...

本發(fā)明屬于計算機(jī)技術(shù)領(lǐng)域，本發(fā)明公開了基于增量模型的軟件開發(fā)項(xiàng)目管理方法及系統(tǒng)，包括接收外部變更數(shù)據(jù)，基于預(yù)設(shè)軟件系統(tǒng)的結(jié)構(gòu)圖，將外部變更數(shù)據(jù)映射為結(jié)構(gòu)圖中的目標(biāo)節(jié)點(diǎn)，計算目標(biāo)節(jié)點(diǎn)的結(jié)構(gòu)穩(wěn)定性參數(shù)，判斷是否達(dá)到預(yù)設(shè)結(jié)構(gòu)變化閾值，若達(dá)到則...

本申請涉及電力設(shè)備監(jiān)測的技術(shù)領(lǐng)域，具體公開了一種變壓器局部放電定位方法、系統(tǒng)、電子設(shè)備及存儲介質(zhì)，方法包括獲取初始超聲信號，并對初始超聲信號進(jìn)行降噪處理得到目標(biāo)超聲信號；對目標(biāo)超聲信號分別進(jìn)行一階求導(dǎo)及二階求導(dǎo)得到能量算子值，并根據(jù)能量...

本發(fā)明提供了一種變壓器故障聲紋診斷樣本增強(qiáng)方法、系統(tǒng)及存儲介質(zhì)，該方法包括：構(gòu)建鐵芯與繞組的振動在介質(zhì)傳播中的聲學(xué)波動方程和介質(zhì)界面邊界條件；根據(jù)聲學(xué)波動方程和介質(zhì)界面邊界條件，對故障模型進(jìn)行聲場仿真，得到故障仿真聲場，根據(jù)故障仿真聲場...

本發(fā)明屬于清理裝置技術(shù)領(lǐng)域，具體涉及一種用于灰?guī)煜禄铱谇謇淼穆菪齻鲃邮侥K化關(guān)節(jié)機(jī)器人，包括與灰?guī)煜禄铱趥?cè)壁連接的底座法蘭，所述底座法蘭連接有機(jī)器人機(jī)構(gòu)，所述機(jī)器人機(jī)構(gòu)由驅(qū)動組件、傳動關(guān)節(jié)、轉(zhuǎn)向組件和清理單元組成，所述驅(qū)動組件與底座法蘭...