一种雨水利用自给农田
    41.
    发明公开

    公开(公告)号:CN116806666A

    公开(公告)日:2023-09-29

    申请号:CN202310137491.3

    申请日:2023-02-20

    Abstract: 本申请公开了一种雨水利用自给农田,包括:储水罐,入口端用于与雨水管连接;布水区,设置有布水管,布水管的入口端与储水罐的出口端连接;种植子系统,包括种植层和排水层,种植层用于种植植物,排水层中设置有排水管;监测子系统,包括远程数据中心、土壤湿度传感器、阀门和控制柜,阀门设置在储水罐的出口端,远程数据中心根据土壤湿度传感器采集的种植层的土壤湿度对控制柜进行控制,进而调整阀门的开启状态。本申请既可以防止农田由于雨量过大而产生失调现象,也不占据过大的地下空间,有效节约了雨水综合利用成本。

    一种无人机回收双向流固耦合的数值模拟方法

    公开(公告)号:CN115983075A

    公开(公告)日:2023-04-18

    申请号:CN202310067472.8

    申请日:2023-01-28

    Abstract: 本发明属于航空航天技术领域,涉及一种无人机回收双向流固耦合的数值模拟方法,包括以下步骤:对模拟对象进行不同计算区域划分,得到外流场计算域和固体计算域;对固体计算域进行网格划分,得到固体计算网格;对外流场计算域进行网格划分,构建插值后的重叠网格;对插值后的重叠网格进行计算,得到流场数据;计算固体计算网格,得到固体变形数据;将流场数据和固体变形数据,通过流固双向耦合的方式,输出耦合结果;以无人机回收时间T0作为判断条件,如流固耦合模拟时间T<T0,外流场计算域网格根据网格变形阈值进行网格扭转变形和局部网格重生,固体几何域网格进行网格重构;如T≥T0,则输出计算结果,更改模拟对象不同的适用材料特性。

    一种面向应用集群的队列任务调度方法及系统

    公开(公告)号:CN114489942A

    公开(公告)日:2022-05-13

    申请号:CN202210062739.X

    申请日:2022-01-19

    Abstract: 本发明公开了一种面向应用集群的队列任务调度方法及系统,将线上和线下任务并存在Kubernetes集群中,基于打分策略对线下任务进行打分,并对线下任务进行优先级排定,保证优先级高的训练任务有着更少的等待时间的同时,考虑多方面因素来调整任务执行队列,对任务的动态变化进行实时监控,调整线上和线下任务的资源分配,保证线上任务的服务质量,同时可以根据不同维度手动暂停线下一个或者一批训练任务,和手动开启暂停的一个和一批训练任务,可应对突发事件或者特殊时期,提高了任务的分配效率,便于资源的管理和控制,解决了现有技术中,资源分配率低,服务质量低的问题。

    一种征信报告解析方法、系统、终端设备和存储介质

    公开(公告)号:CN114357970A

    公开(公告)日:2022-04-15

    申请号:CN202210010909.X

    申请日:2022-01-05

    Abstract: 本发明提出了一种征信报告解析方法、系统、终端设备和存储介质,构建征信报告特征和征信报告特征组,并报告数据库中的征信报告标识,取出对应的征信报告,根据取出的征信报告,对征信报告特征进行计算;对征信报告所在文件夹内所有征信报告进行过滤、标记和计算,创建模型数据集,并将模型数据集保存至数据库。实现了同一个特征可以从不同格式的征信报告中,获取用户信息,并支持根据特定要求对用户信息的过滤,转化和函数计算,特征可以根据业务在线开发和计算,使征信报告的解析更加灵活,自动化和智能化,加快了征信报告的解析效率。解决了现有技术中针对不同样式的征信报告文件解析困难的问题。

    一种基于视觉推理的机器人作业方法

    公开(公告)号:CN109159113B

    公开(公告)日:2020-11-10

    申请号:CN201810924992.5

    申请日:2018-08-14

    Abstract: 本发明公开了一种基于视觉推理的机器人作业方法,包括:通过传感器获取当前包含多个目标物体的场景图像;使用基于深度卷积网络的视觉操作关系网络,完成对场景中物体的检测过程,并获取正确的物体操作关系;使用基于有向锚点框的全卷积抓取检测网络,完成对场景中潜在的抓取部位的检测过程;以感知结果为基础,通过中心点匹配算法匹配物体和抓取部位,通过坐标系变换得到机器人坐标系中的抓取向量,完成当前场景作业执行的过程。利用有向锚点框改善了抓取部位检测算法中预设抓取框对多角度抓取部位的适应能力,提升了抓取部位检测的精度。本发明可以使机器人在纯视觉输入的情况下完成对多目标物体的作业任务。

    一种基于混合深度神经网络的非定常流场快速预测方法

    公开(公告)号:CN110222828A

    公开(公告)日:2019-09-10

    申请号:CN201910506931.1

    申请日:2019-06-12

    Abstract: 本发明公开了一种基于混合深度神经网络的非定常流场快速预测方法,该方法包括生成深度学习网络输入数据;基于该输入数据,构建用于非定常流场快速预测的混合深度神经网络结构;对该深度学习网络进行训练,以得到非定常流场预测神经网络模型;该混合深度神将网络结构由卷积深度神经网络、长短时记忆神经网络及反卷积深度神经网络组成,卷积深度神经网络被用于提取流场中的结构特征,长短时记忆神经网络的作用是引入时间效应,反卷积深度神经网络被用于重现流场信息,三者结合即形成能够预测未知时刻流场信息的闭环网络;测试结果表明这种神经网络结构能够准确地捕捉到流场信息的底层结构特性和时间特性,并能准确地重现出未知时刻整个流畅信息。

Patent Agency Ranking