-
公开(公告)号：CN116621433A
公开(公告)日：2023-08-22
申请号：CN202310563940.0
申请日：2023-05-18
Applicant: 南京玻璃纤维研究设计院有限公司 , 中国建材集团有限公司
IPC: C03B19/01
Abstract: 本发明公开了一种基于熔融沉积的多组元玻璃材料高通量制备系统及方法，在程序控制下将不同的原料粉末按照设计好的玻璃组分比例气动送出并混合均匀，再基于熔融沉积成型技术，配合料被加热到熔融玻璃状态，通过管道输送到喷嘴被挤压喷出，借助多组元玻璃软化点温度的计算预测模型，能够有效指导关键打印参数喷嘴打印温度的设定，从而打印成型出预想的块体玻璃材料样品。该方法基于熔融沉积成型技术进行玻璃样品高通量制备，集成了玻璃配料、玻璃熔制、打印成型和计算机控制单元过程，具有熔融制备时间短、打印成型速度快、打印成型质量好等优点，经一次设置、多次运行，可快速、简单、高效地实现25个不同组元分立块体玻璃材料样品的高通量制备。
-
公开(公告)号：CN113628695B
公开(公告)日：2023-04-07
申请号：CN202110797848.1
申请日：2021-07-14
Applicant: 南京玻璃纤维研究设计院有限公司
Abstract: 本发明公开了一种玻璃黏度预测方法及系统，该方法具体步骤为：采集玻璃材料在不同温度下的黏度数据，构建玻璃黏度的数据库；在高斯过程的假设下基于函数型混合效应模型对不同组分、不同温度下的玻璃黏度数据进行建模，对于固定效应项，采用运算速度更快的B样条基函数进行展开；对于随机效应项，使用非线性的核函数来描述其协方差函数，同时在核函数中加入自变量以解释玻璃黏度间的相关性；对于推断方法，使用EM算法对模型中的参数进行估计，最后对多元玻璃在不同温度下的黏度进行预测。本发明提供的预测方法相比较传统统计模型，具有更低的预测误差和更少的计算成本。
-
公开(公告)号：CN114707368B
公开(公告)日：2022-08-12
申请号：CN202210631975.9
申请日：2022-06-07
Applicant: 南京玻璃纤维研究设计院有限公司
IPC: G06F30/20 , G16C60/00 , G06F111/06
Abstract: 本发明公开了一种矿石纤维成分的精确设计方法及系统，方法包括：采集不同地区的几种矿石纤维成分，作为成分设计的原材料；将不同地区矿石纤维的配比作为需求解的未知量、期望设计的矿石纤维成分作为输入，构建多目标优化模型；基于不同地区矿石纤维的配比，为模型添加限制条件；通过“自适应NSGA‑GA”算法对多目标优化模型进行求解：即根据矿石纤维成分的误差容忍值，通过可行解集与期望成分的误差，自适应的选择NSGA‑Ⅲ算法中的参数，并得到可行解集。再通过贪婪最佳优先算法在可行解集中寻找最优解，作为最终矿石纤维配比。本发明较传统的多元方程组模型、传统的单目标优化模型和传统的多目标优化模型，具有更高的准确性和效率。
-
公开(公告)号：CN113312852A
公开(公告)日：2021-08-27
申请号：CN202110723077.1
申请日：2021-06-28
Applicant: 南京玻璃纤维研究设计院有限公司
IPC: G06F30/27 , G06F119/06
Abstract: 本发明公开了一种基于神经网络算法预测玻璃介电损耗的方法，属于玻璃性能预测技术领域。所述方法通过采用分子模拟和机器学习相结合的方法预测玻璃的介电损耗，自动寻找到描述玻璃介电损耗的关键基因，并具有拓展到更多玻璃组分体系的外推能力，可以在玻璃内部结构未知的情况下通过数据驱动，建立玻璃组分和性能的关联，在给定组分配比的情况下预测玻璃的介电损耗，减少了实验试错的成本，可以提高新型玻璃的研发效率。
-
公开(公告)号：CN111748301A
公开(公告)日：2020-10-09
申请号：CN202010606408.9
申请日：2020-06-29
Applicant: 南京玻璃纤维研究设计院有限公司
IPC: C09J133/08 , C09J171/02 , C09J7/30 , C08F220/18 , C08F220/14 , C08F216/14 , C08F220/58 , C08F230/08 , C08F228/02 , C08F283/06
Abstract: 本发明公开了一种耐低温丙烯酸涂层胶及其制备方法和应用，所述耐低温丙烯酸涂层胶采用种子半连续乳液聚合的方法制备而成；其原料按重量份配比为：丙烯酸酯软段单体：20～50份；丙烯酸酯硬段单体：1～6份；含氟单体：1～6份；乳化剂：1～5份；引发剂：0.1～1份；硅单体：0.05～3份；碳酸氢钠：0.05～1份；及去离子水：30～90份；所述引发剂为过硫酸盐。本发明的丙烯酸涂层胶一方面有着良好的耐低温性、耐水性、耐酸碱性，另一方面对低表面能的粘接面有着较高的剥离强度和初粘性。
-
Patent Agency Ranking
公开(公告)号：CN117416079B
公开(公告)日：2024-04-16
申请号：CN202311733092.X
申请日：2023-12-18
Applicant: 南京玻璃纤维研究设计院有限公司
Abstract: 本发明提供了一种防水复合膜的制备方法及系统，涉及复合材料技术领域，该制备系统的上基布伸出第一放卷轴的一端与防水功能膜伸出第二放卷轴的一端，均经过第一压辊和第一传动辊之间的第一间隙后，得到第一复合层；第一涂胶辊在上基布和防水功能膜之间进行涂胶；第一压辊位于第一传动辊正上方；第一放卷轴位于第二放卷轴上方；第一复合层绕第二传动辊后经过第二压辊和第二传动辊之间的第二间隙，下基布伸出第三放卷轴的一端并经过第二间隙，使第一复合层与下基布相贴合得到防水复合膜；第二涂胶辊在第一复合层和下基布之间进行涂胶；第二压辊位于第二传动辊正上方；收卷轴用于收卷防水复合膜。本发明提供的制备系统能一体成型制备防水复合膜。
-
公开(公告)号：CN116050243A
公开(公告)日：2023-05-02
申请号：CN202211434294.X
申请日：2022-11-16
Applicant: 南京玻璃纤维研究设计院有限公司 , 中国建材集团有限公司
IPC: G06F30/27 , G06F17/15 , G06F119/02
Abstract: 本发明公开了一种基于函数型统计模型的玻璃电阻率预测方法及系统，方法步骤为：采集玻璃材料在不同温度下的电阻率数据，构建玻璃电阻率的数据库；对电阻率数据进行取对数处理；计算所有电阻率数据的均值函数和协方差函数；利用指数基函数对均值函数和协方差函数进行近似处理；使用函数型主成分分析模型对不同组分、不同温度下的玻璃电阻率数据进行建模；通过上述构建的模型对待检测玻璃样本的电阻率进行预测。本发明相比较传统的方法，具有更低的预测误差和更好的可解释性。
-
公开(公告)号：CN115893804A
公开(公告)日：2023-04-04
申请号：CN202211100198.1
申请日：2022-09-06
Applicant: 南京玻璃纤维研究设计院有限公司
Abstract: 本发明公开了一种多组分玻璃材料高通量制备装置及方法，装置包括承载玻璃配合料的凹形阵列坩埚，托运小车带动凹形阵列坩埚进行水平和垂直方向运动，在装置工作时，将凹形阵列坩埚依次运输至电阻炉、多喷嘴淬冷机构内，电阻炉对玻璃配合料进行熔制，并对熔融玻璃液进行澄清均化，多喷嘴淬冷机构对熔融玻璃液进行快速冷却成型；控制系统用于控制托运小车、电阻炉和多喷嘴淬冷机构工作。本发明装置可批量制备出一系列不同组分的玻璃块体样品，大大提高了玻璃样品的制备效率，有助于快速建立玻璃“成分‑性能”的关系，大大提升了筛选玻璃最优组分配比条件的效率。
-
公开(公告)号：CN113326664B
公开(公告)日：2022-10-21
申请号：CN202110717315.8
申请日：2021-06-28
Applicant: 南京玻璃纤维研究设计院有限公司
IPC: G06F30/27 , G06F119/02
Abstract: 本发明公开了一种基于M5P算法预测玻璃介电常数的方法，属于玻璃性能预测技术领域。所述方法通过提供一种新的具有不同对称性的氧化物团簇的原子结构模型的构造方法，并基于第一性原理考虑电子结构，只构造团簇而不构造晶体，从而既可以反映体系的状态，又不增加计算成本，同时保证了介电常数的预测准确度。而且本申请采用M5P模型树构造介电常数预测模型，不需要考虑全局线性回归，M5P模型树将样本特征划分为若干个分段线性回归，树的可解释性更强，而且该算法的训练模型时间短。
-
公开(公告)号：CN113312853B
公开(公告)日：2022-10-21
申请号：CN202110723107.9
申请日：2021-06-28
Applicant: 南京玻璃纤维研究设计院有限公司
IPC: G06F30/27 , G06F119/14
Abstract: 本发明公开了一种基于分子动力学和岭回归算法的密度预测方法，属于机器学习预测玻璃性能技术领域。所述方法在构造用于机器学习的描述符时，基于分子动力学构造具有不同对称性的氧化物晶体的原子结构模型作为分子动力学计算的晶胞，且选择每单位阳离子i的结合能和晶胞中阳离子i与最近邻氧离子的键长L作为预测性能参数，同时基于岭回归模型构建密度预测模型，实现了对于玻璃密度的快速准确预测，尤其针对一些对密度要求较高的玻璃产品的研发，很大程度上节省了研发成本。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.048 seconds)
