-
公开(公告)号：CN103922648A
公开(公告)日：2014-07-16
申请号：CN201410113050.0
申请日：2014-03-25
Applicant: 铁道第三勘察设计院集团有限公司 , 清华大学
Abstract: 本发明公开了一种聚合砂隧道专用吸声板及其制备方法，属于各种隧道降噪专用吸声材料领域，主要由砂粒、硅基聚合物、钢网3部分组合而成，通过本发明的硅基聚合物，筛选优质天然二氧化硅砂粒，结合不锈钢网，聚合压制形成吸声板。聚合过程中聚合物亲硅端与砂粒表面二氧化硅发生聚合溶解，而缠绕端使砂粒相互靠近，砂粒接触时，溶解的二氧化硅相互融合渗透，形成良好的多孔吸声性能。聚合砂隧道专用吸声板满足隧道内防火、耐候、防潮、安全、环保、高吸声性等物理及声学性能要求，具有取材方便、造价低廉等优势。
-
公开(公告)号：CN118639574A
公开(公告)日：2024-09-13
申请号：CN202410889409.7
申请日：2024-07-04
Applicant: 北京市高速公路交通工程有限公司 , 清华大学
IPC: E01F8/00
Abstract: 本发明公开了一种复合声屏障板，属于吸隔声降噪技术领域。复合声屏障板包括带孔面板、背板和框架结构连接形成的金属壳体，框架结构包括两个竖梁、一个顶部横梁和一个底部横梁，顶部横梁和底部横梁分别与带孔面板和背板连接固定；在金属壳体内设置有吸声棉/板，吸声棉/板包括底板和与底板一体成型的吸声尖劈；带孔面板上设置有若干波浪状弯折面，波浪状弯折面与吸声尖劈倾斜面相接触。波浪状弯折面上设置有若干的吸声孔；背板和吸声棉/板之间设置有弹性支撑金属网。有益效果在于：弹性支撑金属网能够方便地安装在背板上，对吸声棉/板起到稳定支撑的作用；吸声棉/板中的吸声尖劈增强了复合声屏障板的吸声效果。
-
公开(公告)号：CN109766927B
公开(公告)日：2023-08-22
申请号：CN201811574962.2
申请日：2018-12-21
Applicant: 清华大学
IPC: G06F18/214 , G06F18/23 , G06F18/2411 , G06F18/21 , B61L5/06 , G01R31/00
Abstract: 本发明提供一种基于混合深度学习的高铁道岔智能故障检测方法，该方法将结合深度学习自动特征提取及传统机器学习异常点检测的混合深度学习方法运用到道岔故障检测方法研究中，利用深度学习进行自动特征提取，形成了维度更小且更加抽象的特征数据，解决了特征提取过程依赖人工经验及聚类算法在高维数据下的计算困难问题；然后使用聚类算法结合专家知识选取正常数据簇，解决无法获得大量有标签数据问题；最后使用标注为正常的数据训练单分类支持向量机进行异常点检测并解决了道岔故障检测过程中无标签或标签不足的问题。
-
公开(公告)号：CN109815983A
公开(公告)日：2019-05-28
申请号：CN201811573642.5
申请日：2018-12-21
Applicant: 清华大学
Abstract: 本发明提供一种基于混合深度学习的高铁道岔智能故障预测方法，其利用降噪自编码器自动提取道岔电流曲线数据的特征，再基于密度聚类方法对无标签特征数据进行聚类，结合专家知识选取不同道岔故障标准下聚类簇作为正常数据，最后使用不同道岔故障标准下的正常数据分别训练单分类支持向量机，将两个单分类支持向量机输出结果交叉，形成道岔故障检测及预测四象限模型，对待测数据进行故障检测和预测；该方法和系统具有高效、客观地提取道岔动作电流曲线特征的优点；减少了人工逐条数据标注的工作量，具有可靠、高效获取正常数据的优点；仅输入不同故障标准下的正常数据即可进行道岔故障检测及预测的优点。
-
公开(公告)号：CN105257028B
公开(公告)日：2017-07-18
申请号：CN201510598299.X
申请日：2015-09-18
Applicant: 清华大学
Abstract: 本发明公开一种小型可移装室内静音阁及其构建方法，用于营造室内静音环境。包括安装基体、静音阁主体、门窗、屋顶、消声和通风系统、通电系统；安装基体铺设在屋内地板上，有橡胶类减震垫；静音阁主体采用复合墙板，是由外合成板、砂岩板、中空层、内合成板、巴斯夫吸音棉构成的层间结构，屋顶采用复合盖板，是由上、下两层复合板和中空层构成的层间结构，墙体与地板以及屋顶之间采用阶梯槽的方式嵌入式安装，消声和通风系统覆盖在屋顶上，采用巴斯夫吸音棉作为填充物，借助于巴斯夫吸音棉填充物采用迂回曲线式开设进气通道和出气通道。本发明模块化设计，达到了产品化拆装移动特性，隔声效果良好。
-
Patent Agency Ranking
公开(公告)号：CN1710239A
公开(公告)日：2005-12-21
申请号：CN200510085005.X
申请日：2005-07-19
Abstract: 本发明涉及一种通风隔声窗，它包括两窗框，分隔每一窗框的中梃和安装在窗框和中梃之间的内、外层玻璃窗，其特征在于：它还包括一第一消声通道，其设置在两窗框的底部，第一消声通道的进气口横向设置在室外一侧，出气口横向向上设置在两窗框之间，进气口设置有一可开启的密封封挡，进、出气口之间由消声隔板隔设成回转的消声通路；一第二消声通道，其密封连接在两窗框的中梃之间，第二消声通道的进气口横向设置在底部，出气口横向设置在顶部，进、出气口之间由消声隔板隔设成折返的消声通路；外玻璃窗，其中梃上部为固定窗玻璃，中梃下部为玻璃百叶窗；内玻璃窗，其中梃上部为玻璃百叶窗，中梃下部为两内开式平开窗。本发明隔声效果显著，可广泛用于各种建筑物中。
-
公开(公告)号：CN117993791A
公开(公告)日：2024-05-07
申请号：CN202410010905.0
申请日：2024-01-04
Applicant: 北京全路通信信号研究设计院集团有限公司 , 清华大学
Inventor： 李智宇 , 王腾飞 , 贾庆山 , 栾垚 , 刘志明 , 燕翔 , 冯芬玲 , 黄合来 , 方晓君 , 张超凡 , 陈健 , 陈大和 , 梁必翔 , 林春奇 , 唐明辉 , 肖新辉 , 张志斌 , 黄程辉 , 左林华 , 季忠洪 , 刘昌录 , 凌昌国 , 解英娜 , 曾挚
IPC: G06Q10/067 , G06Q10/0631 , G06Q10/083 , G06Q10/0637
Abstract: 本发明公开了一种联运堆场调度系统、方法、设备及存储介质，所述系统包括：列车匹配模块、集装箱位置排布模块、场桥调度模块和算法评估模块。本发明公开的联运堆场调度系统，使用模块化设计思想，充分解耦各子模块的功能，使仿真系统中子模块灵活组合，并在算法评估模块中对通过简化操作流程，节约了计算资源，同时通过操作流程进行评估保证了调度方案的合理性。
-
公开(公告)号：CN109815983B
公开(公告)日：2023-08-18
申请号：CN201811573642.5
申请日：2018-12-21
Applicant: 清华大学
IPC: G06F18/2433 , G06F18/2411 , G06F18/232 , G06F18/213 , G06F18/214 , G06N3/0455 , G06N3/084
Abstract: 本发明提供一种基于混合深度学习的高铁道岔智能故障预测方法，其利用降噪自编码器自动提取道岔电流曲线数据的特征，再基于密度聚类方法对无标签特征数据进行聚类，结合专家知识选取不同道岔故障标准下聚类簇作为正常数据，最后使用不同道岔故障标准下的正常数据分别训练单分类支持向量机，将两个单分类支持向量机输出结果交叉，形成道岔故障检测及预测四象限模型，对待测数据进行故障检测和预测；该方法和系统具有高效、客观地提取道岔动作电流曲线特征的优点；减少了人工逐条数据标注的工作量，具有可靠、高效获取正常数据的优点；仅输入不同故障标准下的正常数据即可进行道岔故障检测及预测的优点。
-
公开(公告)号：CN109934335A
公开(公告)日：2019-06-25
申请号：CN201910164985.4
申请日：2019-03-05
Applicant: 清华大学
Abstract: 本发明提供一种基于混合深度学习的高铁道岔故障诊断方法，该方法在详细分析了VGG-Net结构与SVM原理之后，通过利用VGG-Net使用多个较小卷积核的卷积层代替一个较大卷积核的卷积层的思想与支持向量机在处理小数据方面具有良好分类性能的优势，设计提出了基于DCNN-SVM混合模型的高铁道岔智能故障诊断方法，本申请提供的诊断方法诊断准确率达到100％，远比传统单一的机器学习方法及现有技术采用的基于卷积神经网络的算法效果好，表明了通过混合深度学习思想将神经网络与机器学习算法混合在一起，所构建的新的混合模型，在实际应用中拥有着非常好的效果。
-
公开(公告)号：CN105245205A
公开(公告)日：2016-01-13
申请号：CN201510598717.5
申请日：2015-09-18
Applicant: 清华大学
Abstract: 本发明涉及一种便携式脉冲声音发生器，包括蓄电池，电池充电模块，电源管理模块，耐高压电磁开关，无线遥控器，有线开关，低高压电转换模块，高压储能电容，极化磁媒介放电体；耐高压电磁开关控制高压储能电容与极化磁媒介放电体之间的导通；高压储能电容存储5000V的高压，极化磁媒介放电体由两片极化磁体，形成高压放电。本发明利用高压储能，在极化磁媒介上形成放电的方式产生脉冲声音，安全、声能大，最大声能可达到150dB。
-
-
-
-
-
-
-
-
-
Search Results
27
records
(took 0.019 seconds)
