원래 이름 기록: 中国科学院沈阳自动化研究所

本发明属于多旋翼无人机技术领域，一种多节伸缩杆系留式六自由度多旋翼无人机飞行调试平台。包括球头连接器Ⅰ、多节伸缩杆、多节伸缩固定杆、球头连接器Ⅱ及移动平台，其中多节伸缩杆的下端通过球头连接器Ⅱ与移动平台的底部连接，多节伸缩杆的上端贯穿移动平台且通过球头连接器Ⅰ与四旋翼无人机系统连接，多节伸缩杆具有沿竖直方向能够伸缩及圆周方向摆动的自由度；多节伸缩固定杆设置于移动平台上，在定点调参模式下多节伸缩固定杆与多节伸缩杆连接，用于对多节伸缩杆进行水平方向的限位。本发明通过多节伸缩杆和球头连接器结合，不仅保障了调试过程中异常飞行事故的无人机设备安全，还满足了无人机多自由度的飞行调试需求，简单便携。

本发明涉及工业自动化领域，特别是焊装机器人技术，提出一种焊装机器人的PLC代码自动生成方法。该方法通过内置算法CAD文件解析、自动生成焊装任务模型、匹配预设焊装任务库和机器人运动参数，转换引擎自动生成PLC控制代码、仿真模拟、结果优化等，实现了焊装机器人PLC代码的自动化生成，旨在提高焊装过程的效率、准确性和可靠性。

本发明涉及水面无人艇控制技术领域，具体地说是一种基于模糊控制的无人艇定点控位方法，包括以下步骤：获取无人艇实时位姿数据，并进行滤波处理，获得平滑的航向角与位置坐标；计算无人艇的当前航向、位置与期望航向、期望位置之间的偏差，以得到模糊控制输入变量，并对输入变量进行归一化处理；基于预建立的隶属函数与模糊规则库，对归一化后的输入变量进行处理，得到模糊控制输出变量；对其执行反归一化处理，解算出驱动无人艇执行机构的实际控制值；基于实际控制值控制执行机构动作，通过闭环反馈使无人艇的航向与位置逼近期望值。本发明能在实际任务中做到实时最佳参数匹配，自主动态调节，高频率输出及执行响应，具有良好的实时性和鲁棒性。

本发明涉及一种基于黎曼流形迁移学习的非理想肌电手势识别方法，其特征在于，所述方法包括四部分：1)利用肌电采集通道的空间特征为基础构造协方差矩阵；2)将协方差矩阵作为正定矩阵在黎曼空间中构造黎曼几何流形结构；3)构造数据的黎曼几何中心并在流形空间上将几何中心对齐以实现数据的迁移学习；4)利用结合费舍线性判别滤波的最小黎曼距离分类器对不同的手势进行分类。本发明将黎曼流形对齐的迁移学习方法应用到肌电信号的手势识别中，通过对齐源域与目标域的流形结构，解决肌电信号识别中存在的电极移位、肌肉疲劳等非理想因素的影响，建立了有效的肌电手势识别模型。

本发明公开一种基于人工智能代理(AI Agent)的容器云安全系统。包括：策略编排中心基于多智能体强化学习生成动态策略模型π并下发；eBPF轻量探针实时采集容器系统调用图，经图神经网络得异常评分s，超阈值θ即触发热补丁或阻断；安全容器运行时在≤5s内完成重启/迁移/回滚，并将结果反馈更新π，形成持续学习闭环。系统CPU占用<1％，检测延迟<20ms，镜像体积减10–30％，满足合规5s内自动响应，适用于公有云、私有云及边缘计算场景，本发明在资源开销、检测实时性、自适应进化、合规自愈、场景通用性五个维度均显著优于现有技术，为云原生安全提供下一代标准化底座。

本发明属于多目标优化与组件协同领域，具体说是一种多目标冲突场景下的组件协同优化方法，该方法以实现系统组件间的全局优化为目标，包括以下步骤：接收多目标优化问题的输入参数，基于输入参数建立多目标冲突量化模型，输出表征目标间冲突程度的量化指标；获取量化指标的输出，通过权重动态调整算法进行处理，输出动态权重向量；接收所述动态权重向量，结合Pareto最优原则与深度强化学习算法进行多目标双层优化，输出任务特定的权重分布及Pareto近似解集；并采用改进的麻雀搜索算法进行组件间协同优化，输出全局优化结果。本发明采用多目标冲突量化模型和多目标双层优化算法，解决了多目标组合优化时各目标间量化不统一，单目标优化问题鲁棒性差等难题。

本发明涉及一种基于偏振图像通道间相关性的偏振去马赛克算法。包括：基于偏振置信度的细化来利用通道间的偏振相关性；加强纹理的相关性，以充分地利用通道间的纹理相关性；本发明的三阶段PDM同时保留了偏振和纹理信息；本发明还提出了一种处理线偏振角(AOLP)的模糊性的度量计算方法，这种方法减轻了现有方法在描述AOLP重建质量时的不准确性和模糊性；在MPFA和CPFA的合成数据集上进行了广泛的比较和消融实验。经过在真实世界的数据集上与其他最先进的方法相比，本方法适用于真实世界、可变场景，具有创新性。

本发明涉及一种沉积型液流电池沉积状态的在线检测与自动异常恢复方法，包括：采集沉积型液流电池在充放电全周期过程中的多源异构数据，进行包括但不限于数据平滑、周期识别和位置编码、构造输入特征和归一化处理后，制作数据集；构建基于PatchTST与LSTM融合结构的预测模型，所述模型结构包括PatchTST模块、Transformer编码器、LSTM模块、线性全连接层；利用数据集数据对初始化后的网络进行迭代训练，并结合损失函数反向调整模型的超参数，获得最优的理想模型，用于输出完整预测周期的电压和电流序列；根据理想模型的预测结果计算异常检测条件，生成触发自动异常恢复的放电策略，实现对生产过程的实时监控预测和调控。本发明可以实现提前3个周期预测电压、电流的方式去间接反应此时的电池有关沉积情况的运行状态，达到及时并提前对锌基液流电池进行维护的目的。

本发明公开了使用随机森林算法结合梯度提升算法预测时间敏感网络TSN中音视频流量AVB最大时延的方法，所述方法包括：使用网络测试仪和TSN交换机进行网络拓扑结构的搭建并基于该拓扑结构进行数据集的收集；基于随机森林算法和梯度提升算法进行预测模型的训练。本发明公开的使用随机森林算法结合梯度提升算法预测AVB流的最大时延在非抢占且考虑计划流量的情况下，所提出的方法对于AVB的A类流量的平均预测偏差比网络演算少9.59μs，对于AVB的B类流量的平均预测偏差比网络演算少24.23μs，改善了网络演算计算最大时延的悲观性以及根据经验估计的不确定性。本发明方法操作简便，特别适合应用于实际通信系统中，具有很好的实用化前景。

本发明属于装卸工具技术领域，特别涉及一种辅助螺钉装卸工具。包括螺钉抱紧装置和装卸传动轴系，装卸传动轴系包括传动花键轴及与其连接的过渡件；螺钉抱紧装置包括固定组件、活动座、弹簧及多个抱爪，固定组件和活动座由上至下套装在传动花键轴上，固定组件与传动花键轴相对固定，弹簧套设于传动花键轴的外侧，两端分别与活动座和传动花键轴的轴肩抵接，活动座通过弹簧的弹力作用下与固定组件抵靠；多个抱爪沿周向分布，且转动安装在活动座的下端，多个抱爪均与传动花键轴通过齿结构啮合；当传动花键轴转动时带动抱爪摆动，抱紧或释放螺钉。本发明在应用的过程中可有效防止螺钉或螺钉垫片组合的掉落，结构简单，便于操作，易于维护。

本发明涉及基于多源传感的拖拉机非正常位姿检测方法及系统。拖拉机非正常位姿主要包括：打滑、陷车、侧翻等。打滑和陷车位姿的多源传感检测主要通过机器视觉系统和车轮转速滑移率来进行判定；侧翻位姿的多源传感检测主要通过惯性测量单元IMU和倾角传感器来进行判定。本发明利用多源传感来确保拖拉机在田间实际作业时，准确检测行驶位姿，有助于按照正常位姿进行作业，有助于防止陷车、侧翻等非正常位姿的出现，从而有利于保证驾驶员的人身安全，提高拖拉机整体的作业效能，提升整机无人化水平，助力推动拖拉机向智能化发展。

本发明涉及一种柔性吊带自动套装装置，其中吊带上料机构包括提升组件和移动料仓，提升组件设有可升降的提升座，并且提升座上设有可伸缩的吊带提升板，移动料仓上设有供吊带提升板插入的开口，并且上料时吊带叠放于移动料仓中并通过插入开口中的吊带提升板托起；吊带取料机构设有可升降的吊带吸盘，并且移动料仓最上层的吊带通过吊带吸盘取走；吊带套装机构设有可移动的吊带撑开组件，并且吊带吸盘取走的吊带通过所述吊带撑开组件撑开；吊带撑开组件包括两个水平张合的撑爪支架，所述撑爪支架上设有两个竖直张合的吊带撑爪，所述吊带撑爪的自由端设有撑开吊带的支撑轴。本发明能够实现吊带上料、取料和撑开的自动化连续作业，提高了作业效率。

本发明涉及一种多信道无线报文的并行侦听装置，该装置通过多组射频收发器并行接收不同信道的无线报文，经射频驱动电路转换为电信号后，由边沿时间戳锁存模块结合定时计数器生成报文接收边沿的高精度时间戳；通过缓存‑仲裁机制对多信道数据进行有序调度，避免冲突，并经UDP总线转换模块与UDP收发器将数据传输至上位机存储分析。本装置支持多信道并行工作，可精准记录报文时间信息，适用于工业无线、物联网等场景的多信道报文监测，解决了传统单信道侦听效率低、多信道数据易冲突的问题，提升了无线报文侦听的实时性与完整性。

本发明属于水下通信技术领域，具体说是一种多载体协同通信系统及其自适应数据拆分重组方法，包括以下步骤：通过分层架构，依次经由用户协议层、设备驱动层和通信设备层处理数据。系统首先将业务数据封装为标准数据包，并根据设备单次最大传输字节数，判断是否需拆分：若无需拆分，则直接发送；若需拆分，则通过计算总段数S，生成带拆分标识的分段数据包依次发送。接收端解析标识并重组数据，若分段缺失则触发仅重传缺失段的定向机制。本发明通过标准化数据包格式与自适应拆分重组机制，解决了AUV、母船及对接装置间因通信协议与设备能力差异导致的互操作性差、通信效率低的问题，实现了跨载体的可靠、高效数据传输。

本发明公开了一种基于外骨骼和数据手套的机器人数据采集及训练方法，包括以下步骤：首先，同时使用数据手套与外骨骼采集人类上肢及手部动作数据；其次，将采集数据进行时间对齐、坐标转换和卡尔曼滤波处理，统一成高精度的状态向量；最后，利用状态序列样本训练Transformer模型以预测人类动作趋势，实现对专家演示动作的模仿学习。该方法结合多模态传感器数据，实现对人类复杂动作的高精度采集与建模，具备良好的泛化能力与实用性。

本发明涉及一种用于工业过程建模的大型时间序列模型的微调和知识嵌入方法及系统，在工业知识与时序大模型之间建立神经表征桥梁。首先通过工业理论知识推导构建理论数据集，随后基于知识神经元理论提出一种可解释的大模型的微调方法。利用这种微调方法分别训练大型时间序列模型得到真实数据模型Model‑R和理论模型Model‑T。通过梯度显著性分析定位这两个模型中负责存储理论知识和数据规律的特定神经元。在此基础上，开发了一种动态融合算法，将知识神经元从Model‑T定向地转移并整合到Model‑R中，从而有效地将理论约束嵌入数据驱动模型中。本发明将理论知识转化为可编辑的神经元参数，提高模型的预测精度的同时推动了时间序列大模型从黑箱预测到可解释的飞跃，为工业大模型的可信部署提供了一条新路径。这对于流程工业的智能化转型具有普遍意义。

本发明涉及机器人、圆柱轴线测量引导方法和圆柱插装长距离解耦对齐装配领域，具体的说是基于2D测量引导机器人夹持圆柱长距离插装自动装配方法。包括以下步骤：1）分别构建测量坐标系c‑xyz，位置调整坐标系b‑xyz和方向调整坐标系a1‑xyz；2）通过轮廓仪进行舱段轴线测量；3）根据测量结果对舱段A进行同轴调整；4）基于调整好的位置进行插装工作。本发明所述的基于2D测量引导机器人夹持舱段长圆柱特征插装方法，采用固定舱段B截面轴线单次测量，引导机器人夹持运动舱段A采用两截面中心对齐和方向对齐解耦对齐，且中心对齐和轴向对齐时可实现实时闭环反馈调整，提高了检测的灵活性，具有高效解耦，匹配精度高的优点。

本发明涉及一种改进模板匹配的光学角偏差检测方法。包括：安装阵列式光源发射模块、阵列式光源接收模块、异质复合透明件在一条直线上；阵列式光源发射模块发射平行的准直光束，检测由于透明体几何尺寸和内部折射系数的非线性所引起的光束传播方向的变化；由阵列式光束接收模块接收平行光束呈像至图像采集模块，形成阵列式光斑移动图像；利用改进模板匹配方法结合立方样条插值的算法，将四幅偏移前后的匹配方框左上角坐标分别进行一一对应的亚像素差值计算，得到四点的光斑偏移量，从而分别计算出四点的角偏差值。该检测方法易于操作，该检测方法对光斑匹配具有较好的的鲁棒性，提高了检测的精度，能一次检测多个位置，提高了光斑角偏差检测的效率。

本发明属于机器人智能控制与能源管理交叉技术领域，具体说是基于任务功率谱的机器人伺服系统自适应节能控制方法，包括以下步骤：基于多模态传感器数据融合建立任务功率谱模型，量化机器人任务动态特性；建立包含电机损耗模型和功率器件损耗模型的多物理场耦合损耗模型，基于功率谱模型和损耗模型协同优化母线电压与PWM开关频率，确定最优工作点参数组合；采用变参数自适应预测控制算法实现参数平滑切换；通过包含认知层、决策层与执行层的三层控制架构，以及在时域、频域、能域与热域的四域协同优化机制，实现系统全局能效优化与控制性能保障。本发明采用多物理耦合建模提高了极端工况下的预测精度，避免了传统方法的性能退化，提升了系统的鲁棒性能。

本发明属于特种机器人自动化控制领域，具体说是一种重载机器人调度方法及系统，应用于多台同轨重载机器人的协同作业场景，包括以下步骤：首先通过多激光雷达扫描构建车间三维网格化模型，并实时采集各机器人的状态与位置数据。当接收到工件搬运任务后，系统从无任务状态的机器人中，通过计算其抵达作业点并完成抓取的总时间，筛选出最优候选机器人。进而，系统判断该候选机器人执行任务的路径是否与系统中其他正在运行的机器人存在空间重叠，根据判断结果决策立即分配任务或进行延迟分配，以确保运行安全。本发明实现了多机协同作业下的高效任务分配与动态冲突规避，有效提升了系统的整体作业效率与安全性。