-
公开(公告)号：CN111204829A
公开(公告)日：2020-05-29
申请号：CN202010013668.5
申请日：2020-01-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于废纸和球磨石墨的太阳能污水净化气凝胶的制备方法，包括步骤：(1)在球磨罐中加入石墨粉、N-甲基吡咯烷酮(NMP)、球磨球，采用球磨的方法获得球磨石墨；(2)在容器中加入得到的球磨石墨和浓硫酸，加热进行酸处理获得酸化球磨石墨；(3)在水、NaOH和硫脲的混合溶液中加入废纸碎屑进行球磨和冷冻干燥，获得球磨纤维素；(4)在酸处理球磨石墨分散液中加入纤维素和酒精，超声处理，经冷冻铸造和冷冻干燥，获得球磨石墨/纤维素复合气凝胶。本发明所制备的球磨石墨/纤维素气凝胶具有优良的亲水性能、密度极低、具有极高的孔隙率、具有极低的热导率，气凝胶尺寸厚度可控，可以作为高效的光热水处理材料，净化污水和淡化海水。
-
公开(公告)号：CN110070727A
公开(公告)日：2019-07-30
申请号：CN201910302132.2
申请日：2019-04-16
Applicant: 东南大学
Abstract: 本发明公开了一种无匝道的高速公路治超劝返系统，包括：两车道预检系统、无人值守高速公路入口和无人值守高速公路出口。本发明能够有效减少由于路面不平及车辆重心不稳引起的称重偏差，且有效劝返超重货车，使非超重货车正常通行，且为治超部门和高速公路收费系统提供在线实时服务。
-
公开(公告)号：CN117858024B
公开(公告)日：2024-10-01
申请号：CN202410028618.2
申请日：2024-01-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于手机信令数据的多段出行方式识别方法，包括：收集基站和手机信令数据信息，并进行处理；基于处理后的手机信令数据集，提出一种结构β‑熵混合密度子空间聚类模型，得到驻留点子空间集和驻留点向量，实现对驻留点的提取；将处理后的手机信令数据样本集和驻留点子空间集做差得到运动点子空间集和运动点向量，根据运动点向量得到用户出行次数和每次出行的出行持续时间、出行距离，提出出行阈值模型识别每一段出行的出行方式，实现将单一用户一天内的所有出行划分为多段单一目的出行；推算运动轨迹并可视化。本发明为多段出行方式的研究提供了新的模型和研究思路，有利于提高对居民多段出行方式研究的准确性。
-
公开(公告)号：CN117858024A
公开(公告)日：2024-04-09
申请号：CN202410028618.2
申请日：2024-01-09
Applicant: 东南大学
Abstract: 本发明公开了一种基于手机信令数据的多段出行方式识别方法，包括：收集基站和手机信令数据信息，并进行处理；基于处理后的手机信令数据集，提出一种结构β‑熵混合密度子空间聚类模型，得到驻留点子空间集和驻留点向量，实现对驻留点的提取；将处理后的手机信令数据样本集和驻留点子空间集做差得到运动点子空间集和运动点向量，根据运动点向量得到用户出行次数和每次出行的出行持续时间、出行距离，提出出行阈值模型识别每一段出行的出行方式，实现将单一用户一天内的所有出行划分为多段单一目的出行；推算运动轨迹并可视化。本发明为多段出行方式的研究提供了新的模型和研究思路，有利于提高对居民多段出行方式研究的准确性。
-
公开(公告)号：CN116185066B
公开(公告)日：2023-12-08
申请号：CN202310067771.1
申请日：2023-02-06
Applicant: 中国人民解放军63983部队 , 东南大学
IPC: G05D1/10
Abstract: 本发明提出了一种无人机编队智能重构方法，该重构方法是基于虚拟刚体结构法的分布式无人机编队重构方法。每个无人机节点根据与跟踪虚拟目标的位置差调整速度保持跟踪，并周期性地广播自身追踪的虚拟目标，当收到来自其他无人机节点的广播信息时更新邻居表。当编队中部分无人机节点遭受打击无法正常运行时，受损无人机节点的邻居将判断自身是否为候选补位无人机节点，再决定是否更换追踪目标，补上空缺位置。当无人机前往补缺时将会发送前往补位广播，告知其他无人机原位置空缺。在每个时隙中重复以上过程，直到已无可补位的无人机节点。上述方法可以在分布式无人机编队遭受打击的情况下进行智能重构，恢复队形完整，提高编队的抗干扰，抗打击能力。
-
Patent Agency Ranking
公开(公告)号：CN114170695B
公开(公告)日：2023-06-06
申请号：CN202111407558.8
申请日：2021-11-24
Applicant: 山东高速股份有限公司 , 东南大学
IPC: G07B15/06
Abstract: 本发明公布了基于车辆全息感知与OBU信息融合的智慧收费系统，包括：集成了激光雷达、视频感知器、RSU、交易检测设备的车辆全息与OBU融合系统的信息感知层；基于边缘计算服务器的车辆全息识别与检索边缘计算层；基于智慧门架协同与融合运算的云端中心处理服务器层；集成了ETC收费及稽查功能的应用软件层。本发明的有益效果在于：能够将车辆全息信息与OBU信息融合，获取高速公路场景中过路车辆全息信息以及车辆OBU与门架RSU的交易情况，并根据多源信息检索到未交易成功的车辆，能够实现门架间的智慧协同及融合运算，以减少ETC收费的逃、漏费率，并实现逃费车辆稽查功能，为公路收费管理提供良好的基础保障。
-
公开(公告)号：CN115731436A
公开(公告)日：2023-03-03
申请号：CN202211154277.0
申请日：2022-09-21
Applicant: 东南大学
IPC: G06V10/80 , G06V10/774 , G06V10/74 , G06V20/56 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度学习融合模型的高速公路车辆图像检索方法，包括如下步骤：S1、采用基于Faster‑RCNN的目标检测切割模型构建车辆检索图像数据集；S2、采用DenseNet121、ResNet50与VGG16网络作为检索网络，构建多种不同的基于单特征多网络融合深度学习模型车辆图像检索模型与多网络多特征融合深度学习模型车辆图像检索模型进行图像检索；S3、构建基于深度学习融合模型的实验结果评价指标，分别对基于深度学习融合模型的高速公路车辆图像检索方法的检索精确度与检索时效性进行评估。本发明构建的模型性能优于单网络模型，在高速公路场景中检索正确率均高于97％，且平均检索时间并未明显增加。
-
公开(公告)号：CN113489560B
公开(公告)日：2022-07-08
申请号：CN202110518392.0
申请日：2021-05-12
Applicant: 东南大学 , 中国人民解放军63983部队
IPC: H04B17/391 , H04B7/0413
Abstract: 本发明提出一种无人机非平稳空地MIMO信道的几何随机建模方法。该建模方法所提模型是一种三维几何随机模型，建模方法包括两个圆柱体模型，分别位于无人机和地面站侧，即假设在无人机和地面站通信系统中，无人机侧和地面站侧均存在散射，接收信号包括视距分量、一次散射分量和两次散射分量，同时考虑无人机和地面站的移动性，通过描述时变时延、时变到达角和离开角，建立非平稳信道模型。该模型在无人机实际通信场景下，能够建立一个可靠、高效的空地信道模型，为研究人员设计和测试无人机通信系统，推广无人机在生活各方面的应用提供理论支持。
-
公开(公告)号：CN113801371A
公开(公告)日：2021-12-17
申请号：CN202110900611.1
申请日：2021-08-06
Applicant: 东南大学
Abstract: 本发明公开了一种基于聚吡咯包覆密胺树脂的海绵的制备方法及应用方法，制备简单，成本低廉，且海绵具有多种功能。所述基于聚吡咯包覆密胺树脂的海绵的制备方法，包括如下步骤：步骤10)在容器中加入吡咯和去离子水，获得吡咯水溶液；步骤20)在容器中加入过硫酸铵和水，获得过硫酸铵水溶液；步骤30)将1.1‑1.3mol/L的盐酸溶液、步骤10)制备的吡咯水溶液、步骤20)制备的过硫酸铵水溶液混合在一起，并加水，形成混合液；步骤40)将密胺树脂海绵浸入步骤30)制备的混合液中，使吡咯在海绵表面原位聚合，取出后用水清洗2‑3次，并在烘箱中70‑80℃干燥后10‑12h后，获得聚吡咯包覆密胺树脂的多功能海绵。
-
公开(公告)号：CN111428735B
公开(公告)日：2021-06-25
申请号：CN202010194482.4
申请日：2020-03-19
Applicant: 东南大学
Abstract: 本发明公开了一种基于迁移学习深层网络融合模型的货车品牌类型识别分类方法，包括：采用基于边缘方向直方图的可变形部件模型对货车图像进行货车车脸检测；构建Inception V3‑MMD网络模型，并基于车脸图像获取车辆品牌特征向量FI；构建Xception‑MMD网络模型，并基于车脸图像获取车辆品牌特征向量FX；构建DenseNet‑201‑MMD网络模型，并基于车脸图像获取车辆品牌特征向量FD；得到车辆品牌融合特征向量FC；构建基于最大均值差异迁移学习的深层网络融合模型的输出层，并根据获取的车型融合特征向量FC对货车品牌进行识别分类。本发明将迁移学习理论与深度学习紧密结合，从而可以更精准的实现多种类型货车车辆品牌的分类，可对高速公路场景中货车智慧收费系统提供技术支持。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.028 seconds)
