智能制造领域中智能产品的基本特征

 智能制造是先进制造技术、新一代信息技术及人工智能技术在终端产品与制造装备的深度集成,制造产品与制造装备的智能化升级是智能制造的核心内容,更是实现生产、服务智能化升级换代的重要保障。分析了国内外智能产品的研究现状,探讨了智能制造发展需求下产品智能化的8项基本特征,基于产品专利分析探讨了智能产品基本特征的验证。     

基于专利分析的中国泡沫陶瓷材料技术发展趋势研究

近年来,随着中国政府对环境保护、绿色建材的日趋重视,泡沫陶瓷作为一种新型净化载体和建筑材料,越来越受到人们的重视,,申请专利保护的重点也由泡沫陶瓷的工艺配方向产业应用转移。本文通过分析我国泡沫陶瓷材料申请专利保护的情况,对其自主创新和专利应用的特点进行了全面分析。分析表明,2007年至2016年间我国泡沫陶瓷材料专利申请量稳步上升,专利申请类型以发明和实用新型为主,专利保护以泡沫陶瓷成型方法和加工工具为主。同时本文通过对泡沫陶瓷材料专利技术发展趋势的分析,对国内陶瓷企业如何突破跨国企业在泡沫陶瓷制备技术的的专利封锁,以及开发高端泡沫陶瓷产品的方式和现有专利的运营方式提出了建议。     

基于犹豫模糊软集的专利质量评价模型

现有的专利质量评价方法以专家打分为主,需要专家对所评专利的全部指标给出一个评价值,并根据指标的相对重要程度分配权重值。但指标体系涉及不同领域的多个指标,专家对自己研究领域以外的指标难以做出准确评价,模糊性指标也使专家会在几个评价值之间犹豫。针对犹豫模糊软集可以更加准确的描述事物模糊本质,对可选对象没有限制,充分考虑专家决策的犹豫度得特性,本文提出一种基于犹豫模糊软集的专利质量评价模型,给出评价方法的具体步骤,并通过案例分析说明该方法的可行性与可靠性。     

山西省科研院所专利创新和资本化能力可视化分析——以山西省农业科学院为例

利用多种可视化分析工具对山西省农业科学院的全部专利进行研究,分别从申请时间、专利类型、技术领域、申请主体、研发团队、失效专利和专利转化等多个角度,全面分析了山西省农业科学院的专利创新和资本化能力,为山西省科研院所的专利创新和资本化提供情报支撑,为政府制定相关决策提供参考。     

基于FCPA的智能精细化高精度地图生成与车道级路网构建

为了满足自动驾驶车辆的导航指引及道路信息动态反映需求,引入智能精细化高精度地图模型,解决智能交通领域中高精度地图的构建问题,进而为自动驾驶车辆提供精准、实时的导航指引。重点研究车道级路网的构建与智能精细化高精度地图生成方法之间的关系,并提出一种基于过滤侯选点算法(FCPA)的高精度地图生成方法,该方法包括车道图形计算、交叉口图形建立和其他车道轨迹计算等步骤,并通过试验验证所提方法的有效性。研究结果表明：与传统的地图生成算法相比,所提出的FCPA在精度和效率方面均表现出更优越的性能;该算法能够更准确地捕捉车道级路网的细节和特征,并在生成地图的过程中减少不必要的计算和冗余信息,降低了时间消耗,从而提高了地图生成的效率;该算法能够在保持生成地图精度要求的前提下,处理大规模地图数据,实现了精度和效率的平衡;所提出的FCPA具备动态更新地图的能力,可随交通环境的变化,进行地图信息数据的实时更新,以确保地图的准确性和实用性;该算法可为智能交通系统提供准确的道路信息和导航指引,提高系统的安全性和便捷性。     

基于曲率分析地图匹配的车载组合导航研究

为了提高车载导航的自主性和精度,针对捷联惯导的特点,设计了一个基于曲率分析的地图匹配算法。然后应用该地图匹配算法对基于捷联惯导/地图匹配/里程仪的车载组合导航进行了研究。推导了捷联惯导系统的误差方程和里程仪的误差方程。并在此基础上建立了捷联惯导/地图匹配/里程仪组合系统的卡尔曼滤波方程。通过仿真分析,表明应用该地图匹配算法的组合导航系统可以有效地减小误差,实现车载自主导航。     

基于曲率分析的地图匹配算法研究

导航定位系统是车载系统的主要组成部分,其中地图匹配又是提高定位精度的重要技术。从数字地图本身的属性特征出发,研究了一种基于曲率分析的地图匹配算法。通过车载实验数据对算法加以验证,其结果表明改进后的算法能够获得较高的定位精度和更可靠的匹配性能。     

工作现场小型监控软件的一种设计模式

小型的计算机监控软件已经广泛应用于工业和环境现场监控等领域中.但是,这类软件的开发是一件复杂的工作棗尤其是其总体架构规划方案、报警方案、地图监控方案和安全设计方案等方面的设计比较难以解决.结合自己的开发经验,提出一种小型计算机监控软件的实现方案.     

基于目标检测的单目视觉半稠密语义地图构建

传统的视觉SLAM系统在机器人定位和制图工作中取得了显著的成功,但存在着缺乏场景信息、地图过于稀疏、单目相机初始化困难等亟待解决的问题。本文提出了MNS-SLAM（Monocular-semantic SLAM）,将目标检测算法与单目视觉SLAM（同时定位与地图构建）技术相结合,进而构建有助于环境理解的半稠密语义地图。首先,通过目标检测网络YOLOv4检测对象获取边界框和类别信息,通过消失点算法和二次曲面恢复算法由2D目标检测恢复出3D长方体及二次曲面,实现3D物体的位姿初始化。同时,引入了目标间相对位姿不变性的语义约束,构造了语义损失函数,将其添加到BA优化中,最后通过增量式3D线段提取,构建带有物体语义信息的半稠密地图。文中方法在TUM公开数据集和真实场景中进行试验,不仅构建了半稠密地图,同时添加了语义信息,为后端的优化提供了新的约束,相机的绝对和相对位姿误差表现出优于单目ORB-SLAM2的性能,有助于搭载单目相机的移动机器人感知和理解环境,执行更复杂的任务。     

基于RoBERTa与改进局部离群因子算法的专利新颖性测量

现有的专利新颖性测量方法需要依赖特定的领域知识以及专家的介入,性能差且耗时,为此,提出了一种不依赖特定领域知识及专家的全自动化系统的识别新颖性专利的方法。首先利用RoBERTa表示专利向量,以解决需要依赖技术领域的知识来表示专利的多义词问题,其次利用数据点的密度分布并结合信息熵改进局部离群因子算法（LOF）来确定离群点个数及数据点集,提高离群点的检测精度,结合RoBERT与改进的LOF在数值尺度上度量专利的新颖性。实验验证表明,所提方法测量的专利新颖性的得分与现有文献中的相关专利指标显著相关,并且识别出的新颖性专利具有更高的技术影响。