专利交易市场

一种基于神经网络的交互机器人智能运动检测与控制方法，使用传统特征工程和分类器作为人眼部位初步定位，神经网络作为行为高效识别，引入有限状态机实现状态快速转换。阶段一提取Haar‑like特征并结合Adaboost级联分类器完成交互机器人人脸识别，脸部人眼识别，同时采用卷积神经网络进行人眼二次检测与筛选。阶段二，计算双眼光流图，使用CNN提取空域特征，LSTM提取时域特征，完成人眼行为识别。阶段三使用有限状态机FSM完成状态装换。该系统检测精度高，状态转换快速。

一种基于神经网络的交互机器人智能运动检测与控制方法，使用传统特征工程和分类器作为人眼部位初步定位，神经网络作为行为高效识别，引入有限状态机实现状态快速转换。阶段一提取Haar‑like特征并结合Adaboost级联分类器完成交互机器人人脸识别，脸部人眼识别，同时采用卷积神经网络进行人眼二次检测与筛选。阶段二，计算双眼光流图，使用CNN提取空域特征，LSTM提取时域特征，完成人眼行为识别。阶段三使用有限状态机FSM完成状态装换。该系统检测精度高，状态转换快速。

本发明公开了一种基于神经网络的电静压伺服机构状态监测方法及系统，该方法包括：建立深度神经网络模型；收集正常状态下电静压伺服机构在各种位移指令下对应的作动器速度、液压泵进口压力、出口压力，液压油缸进口压力、出口压力，电机电流，电机转速，增压油箱压力，液压油温；将电机转速作为输出数据，其余作为输入数据，对深度神经网络模型训练得到电机转速预测模型；将电机电流作为输出数据，其余数据作为输入数据，训练得到电机电流预测模型；利用两个预测模型构建电静压伺服机构状态监测指标并获取故障阈值；获取需要监测的电静压伺服机构在指定位移、速度指令下的状态数据，计算出监测指标并与阈值比较，判定电静压伺服机构状态变化情况。

本发明提供一种基于PSO_ELM神经网络的转炉炼钢工艺成本控制方法及系统，其中的方法包括选择影响成本的控制参数；构建建模样本集；获得归一化样本集；构建前馈神经网络；采用PSO算法对ELM神经网络参数进行训练获取神经网络参数；利用遗传算法对PSO_ELM神经网络构建的模型进行优化，获取所构建模型的最值，并根据所构建模型的最值确定最优控制参数；根据最优控制参数成本值与所述建模样本集中的最小成本值的对比结果，确定转炉炼钢工艺的最小成本值。利用本发明，能够解决转炉炼钢成本高的问题。