-
公开(公告)号：CN115962801A
公开(公告)日：2023-04-14
申请号：CN202211688331.X
申请日：2022-12-27
Applicant: 大连理工大学
Abstract: 本发明提供一种基于位置可调节纳米裂纹图案的超灵敏、高鲁棒性的多功能电子皮肤及制备方法，属于触觉传感领域。该多功能电子皮肤主要包括衬底、高灵敏度应变传感单元和温度传感单元。衬底为PI衬底，可以使电子皮肤有很高的环境鲁棒性。高灵敏度应变单元是基于不同金属之间延展性差异的位置可编程裂纹图形方法进行制造。其灵敏度可以通过改变纳米裂纹图案化进行调节。温度传感单元采用蛇形线设计以减少应变的影响的无裂纹金属薄膜。本发明所提出的多功能电子皮肤不仅具有高应变灵敏度和宽温度范围，而且具有良好的环境稳定性，因此，在未来的柔性多功能电子系统中具有很大的潜力。
-
公开(公告)号：CN115511206A
公开(公告)日：2022-12-23
申请号：CN202211268814.4
申请日：2022-10-17
Applicant: 大连理工大学
Abstract: 本发明属于流域水文预报误差校正技术领域，且公开了一种基于网格降雨信息的CNN‑LSTM卷积循环神经网络水文预报校正方法，水文预报校正方法总共分为三个主要步骤，分别为收集水文要素、构建CNN‑LSTM卷积循环神经网络校正模型和模型验证与误差校正。本发明将收集的数据作为模型的输入特征，利用历史观测数据、预报数据训练和确定模型结构，挖掘预报影响因素、时空特征与预报误差之间的相关关系，利用实际预报降雨径流资料对模型进行验证，实现水文预报误差智能校正，该模型具有较高的精度，尤其在汛期，校正后的预报流量精度有明显的提高，有效地应对误差规律的非线性特点，为人工智能在流域水文预报领域的“分布式”应用奠定基础。
-
公开(公告)号：CN115470850A
公开(公告)日：2022-12-13
申请号：CN202211104588.6
申请日：2022-09-09
Applicant: 大连理工大学
Abstract: 一种基于管网水质时空数据的水质异常事件识别预警方法，属于供水管网水处理技术领域。首先，对供水管网中具有相同变化趋势的相邻监测站点分组分析，进行数据的准备与处理。其次，构造对抗学习网络模型，通过模型训练和更新，找到稳定状态。第三，基于模型的生成器和判别器构造异常分数，并选择合适的异常分数阈值。第四，进行水质异常事件的概率计算，并计算各个时刻发生污染事件的概率，进行平滑处理。最后，分别利用单站点模型和多站点模型进行水质异常事故的概率计算，并进行融合，得到反映污染事件可能性的组合事件概率。本发明通过融合单站点和多站点的异常检测模型的结果提高污染事件的检测准确率；模型的构建和训练仅需要供水管网正常运行下的水质数据，应用范围广，实用性强。
-
公开(公告)号：CN114062051A
公开(公告)日：2022-02-18
申请号：CN202111458759.0
申请日：2021-12-02
Applicant: 大连理工大学
IPC: G01N1/14
Abstract: 本发明涉及水体采样技术领域，公开了一种岸边式河流中心水体采样装置，包括L型固定板，所述L型固定板顶部设置有采样机构和垃圾拦截机构；所述采样机构包括方形孔、第一电机、第一电机轴、第二电机、第二电机轴。本发明通过在L型固定板上的第二电机、电动伸缩缸和抽水泵，不仅可以将采样装置固定在岸边，在不采样时，利用照明灯体作为岸边的路灯使用，在采样时，经过打开第二电机移动电动伸缩缸、管道和抽水泵，使管道和抽水泵倾斜进入到水中进行采样，经过电动伸缩缸能够移动管道和抽水泵的位置，从而在河流中心进行采样，不仅如此，由于在储水箱体内部设置有pH传感器和浊度传感器，能够在采样的过程中，直接对河流水进行预分析。
-
公开(公告)号：CN109948567B
公开(公告)日：2022-02-15
申请号：CN201910231725.4
申请日：2019-03-26
Applicant: 大连理工大学
IPC: G06K9/00
Abstract: 一种基于图论的长距离输水系统气液两相流流型识别方法，属于长距离输水系统供水安全分析技术领域，能够实现气液两相流流型的识别。首先，提取压力信号得到时间序列曲线，根据时间序列曲线上的波峰宽度将其分割为若干个窗口，将每个窗口内压力信号值的平均值作为一个节点，并按大小进行降序或升序重排序。其次，根据节点和节点之间是否产生连接构建复杂网络图。最后，根据复杂网络结构图的统计特征反映流型变化趋势。本发明不需要高昂的实验监测设备和复杂的压力信号处理技术，能够以图论的方式简单直观的判断真实输水管道(不透明管道)中的气液两相流流型，并能够依据一些指标的定量动态特征预测流型变化趋势，为输水管道的安全运行提供指导意义。
-
Patent Agency Ranking
公开(公告)号：CN110610264A
公开(公告)日：2019-12-24
申请号：CN201910837656.1
申请日：2019-09-05
Applicant: 大连理工大学
Abstract: 一种针对不确定性情景下供水管网调控的单目标优化算法，属于供水管网智能调控领域。首先，构建不确定性情景下供水管网调控的随机型单目标优化数学模型。其次，对随机型单目标优化数学模型中的不确定性参数进行量化。再次，对第一步的随机型单目标优化数学模型进行优化求解。最后，根据上述求解结果输出的最优个体，提取其决策变量，将其变化为决策方案。本发明在标准遗传算法的基础上提出新的改进措施，有效保证了机会约束评估准确性，能显著提升问题求解的优化效率；且基于本发明所优化的解决方案，可为管理人员提供优化科学且安全可靠的决策支持，推动供水管网的智能调控管理。
-
公开(公告)号：CN110489901A
公开(公告)日：2019-11-22
申请号：CN201910790030.X
申请日：2019-08-26
Applicant: 大连理工大学
IPC: G06F17/50
Abstract: 本发明公开了一种用于校验精密机床空间几何误差模型建模精度的方法，为填补判断精密机床含参变量表征空间几何误差模型建模精度准确性的数值理论校验方法，从统计学和数值仿真方面，通过数值算法、迭代算法与高阶无穷小舍去算法，对迭代结果进行数值仿真类比分析，分离了基于小误差假设理论且忽略高阶无穷小的迭代求解精度对其所造成的理论计算误差；量化了对于特征矩阵迭代求解中，不同处理方法所对应的数值偏差量级；检验其建模精度保证在一定数值量级的基础上，达到了精准校验和指导建模的目的。本方法具有成本低、周期短、验证准确性高等优点，可拓展应用于校验超精密机床空间几何误差模型建模精度准确性，故具有良好的市场应用前景与推广价值。
-
公开(公告)号：CN106407526B
公开(公告)日：2019-08-09
申请号：CN201610802751.4
申请日：2016-09-05
Applicant: 大连理工大学
IPC: G06F17/50
Abstract: 本发明一种微铣削过程刀具后刀面磨损预测方法属于微铣削加工领域，涉及一种通过仿真建模推导微铣削过程刀具后刀面磨损的预测方法。该方法采用有限元仿真技术，通过对工件和刀具三维建模，考虑材料弹塑性本构关系，建立刀具工件摩擦类型、金属切削分离准则，输出有限元仿真不同切削参数下刀具轴向磨损值，再通过几何关系确定微铣刀后刀面磨损值，预测微铣削过程刀具磨损情况。预测方法实现了微铣削过程刀具后刀面磨损的精准预测，与微铣刀具磨损试验研究相比显著降低经济成本，操作简单，精度满足要求。
-
公开(公告)号：CN109948567A
公开(公告)日：2019-06-28
申请号：CN201910231725.4
申请日：2019-03-26
Applicant: 大连理工大学
IPC: G06K9/00
Abstract: 一种基于图论的长距离输水系统气液两相流流型识别方法，属于长距离输水系统供水安全分析技术领域，能够实现气液两相流流型的识别。首先，提取压力信号得到时间序列曲线，根据时间序列曲线上的波峰宽度将其分割为若干个窗口，将每个窗口内压力信号值的平均值作为一个节点，并按大小进行降序或升序重排序。其次，根据节点和节点之间是否产生连接构建复杂网络图。最后，根据复杂网络结构图的统计特征反映流型变化趋势。本发明不需要高昂的实验监测设备和复杂的压力信号处理技术，能够以图论的方式简单直观的判断真实输水管道(不透明管道)中的气液两相流流型，并能够依据一些指标的定量动态特征预测流型变化趋势，为输水管道的安全运行提供指导意义。
-
公开(公告)号：CN109800493A
公开(公告)日：2019-05-24
申请号：CN201910026122.0
申请日：2019-01-11
Applicant: 国电电力发展股份有限公司 , 大连理工大学
IPC: G06F17/50
Abstract: 本发明通过分析水电站运行过程中影响其经济效率的各项因素，建立一种基于水电经济运行的水电能量平衡分析模型，属于水电生产运行管理技术领域。该水电能量平衡分析模型包括理论发电量平衡方程、应发电量平衡方程、水能利用效率方程、损失电量平衡方程，模型的核心是水能与电能转化过程中的能量守恒原理，即在不计损耗情况下，水电站某时段来水量除以额定耗水率换算出的电量称为理论发电量。模型通过定性、定量相结合的方法综合分析水能损失原因，并通过细化明确水电经济运行过程中需要加强管理的环节，强化监督体系，落实方案的具体实施情况，进一步提高水电经济运行水平。
-
-
-
-
-
-
-
-
-
Search Results
141
records
(took 0.029 seconds)
