一种层状多孔陶瓷基催化剂、制法、应用、应用系统和应用方法

    公开(公告)号:CN115770592A

    公开(公告)日:2023-03-10

    申请号:CN202211547069.7

    申请日:2022-12-05

    Applicant: 东南大学

    Inventor: 吴敏 赵敏

    Abstract: 本发明公开了一种层状多孔陶瓷基光催化剂、制备方法及处理废水系统和方法。该层状多孔陶瓷基光催化剂为La2Ti2‑xCuxO7/(Bi5O7I)y,其中,x为0.2‑1,y为0.2‑1.2,La2Ti2‑xCuxO7是在La2Ti2O7中掺杂Cu改性制得。采用陶瓷基催化剂协同催化,提高了催化剂的强度,且含有的金属阳离子可与多元有机废水中多种污染物螯合,使其具有更好的吸附效果。采用该层状多孔陶瓷基催化剂及废水系统和方法处理高浓度多元有机废水,可使高浓度多元有机废水的COD降解率达到70%以上。本发明利用光催化和臭氧/陶瓷膜催化技术耦合协同,可以实现单一工艺难以达到的降解效果,无二次污染,绿色环保。

    一种基于动态温度响应的钢渣沥青混合料含量检测方法

    公开(公告)号:CN119269577A

    公开(公告)日:2025-01-07

    申请号:CN202411542552.5

    申请日:2024-10-31

    Abstract: 本发明涉及一种基于动态温度响应的钢渣沥青混合料含量检测方法,属于道路工程材料检测的技术领域。该方法通过对沥青样品进行动态加热和冷却循环,利用热红外成像设备实时监测材料的表面温度变化,获得加热和冷却过程中的温度响应曲线。由于钢渣具有较低的导热系数和较高的热容量,在加热和冷却过程中表现出较慢的热响应行为,与常规沥青集料的热响应不同。通过分析温度‑时间面积(TTA)和修正系数,结合温度区段的权重函数,可精确评估钢渣在沥青混合料中的掺量。该方法具有检测快速、精确且非破坏性等优点,适用于道路施工和养护中的钢渣沥青混合料评估,以及实验室配方研发的材料评估。

    基于掩码自监督的动态心电质量评估方法

    公开(公告)号:CN118058751A

    公开(公告)日:2024-05-24

    申请号:CN202410442367.2

    申请日:2024-04-12

    Applicant: 东南大学

    Abstract: 本发明针对现有传统机器学习分类的方法,提出了一种基于掩码自监督的动态心电质量评估方法。将心电信号转化成时频图,使用掩码自监督模型训练编码器,得到特征向量,再将特征向量输入到分类器中,进行心电质量评估。该方法具有自监督学习的特点,不需要提前标注心电信号。该方法可以通过模型自动学习心电信号的各个特征,能够更好地适应实际应用场景中的多样性和变化,提高了算法在实际应用中的鲁棒性。

    一种层状多孔陶瓷基催化剂、制法、应用、应用系统和应用方法

    公开(公告)号:CN115770592B

    公开(公告)日:2024-04-05

    申请号:CN202211547069.7

    申请日:2022-12-05

    Applicant: 东南大学

    Inventor: 吴敏 赵敏

    Abstract: 本发明公开了一种层状多孔陶瓷基光催化剂、制备方法及处理废水系统和方法。该层状多孔陶瓷基光催化剂为La2Ti2‑xCuxO7/(Bi5O7I)y,其中,x为0.2‑1,y为0.2‑1.2,La2Ti2‑xCuxO7是在La2Ti2O7中掺杂Cu改性制得。采用陶瓷基催化剂协同催化,提高了催化剂的强度,且含有的金属阳离子可与多元有机废水中多种污染物螯合,使其具有更好的吸附效果。采用该层状多孔陶瓷基催化剂及废水系统和方法处理高浓度多元有机废水,可使高浓度多元有机废水的COD降解率达到70%以上。本发明利用光催化和臭氧/陶瓷膜催化技术耦合协同,可以实现单一工艺难以达到的降解效果,无二次污染,绿色环保。

    基于改进深度残差收缩网络的滚动轴承故障诊断方法

    公开(公告)号:CN114441173B

    公开(公告)日:2023-11-24

    申请号:CN202111630326.9

    申请日:2021-12-28

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于改进深度残差收缩网络的滚动轴承故障诊断方法,包括:S1、获取输入振动信号,向输入振动信号中添加高斯白噪声,对加噪信号重复间隔采样获得采样信号,将采样信号矩阵化,转化为灰度图样本,并对样本数据赋予轴承状态的标签;S2、将灰度图样本按比例拆分成训练集和测试集;S3、将稠密连接加入改进残差收缩模块构建改进深度残差收缩网络;S4、将训练集输入改进深度残差收缩网络进行训练,通过前向传播得到误差,通过反向传播优化参数,至误差收敛;S5、将测试集输入训练好的改进深度残差收缩网络获得故障分类结果。本发明具有更快的收敛速度和更强的抗噪声干扰能力,提高了滚动轴承在强噪声变工况下故障诊断的准确率。

    一种基于MS-ALSTM的滚动轴承剩余寿命预测方法

    公开(公告)号:CN115048856A

    公开(公告)日:2022-09-13

    申请号:CN202210501643.9

    申请日:2022-05-09

    Applicant: 东南大学

    Abstract: 本发明提出了一种基于MS‑ALSTM的滚动轴承剩余寿命预测方法,包括如下步骤:S1、获得滚动轴承的全周期振动信号,提取振动信号的时域特征;S2、归一化处理后,经过主成分分析方法降维;S3、将降维后的综合指标进行离散小波分解,得到不同尺度的输入,得到训练集与测试集;S4、引入注意力机制,在原始LSTM单元的基础上构建ALSTM模型,输入训练集进行训练;S5、使用训练好的模型进行测试,得到输出结果,即实现剩余寿命预测。实验结果表明,本发明方法预测精度高,预测结果准确,误差小。

    基于改进深度残差收缩网络的滚动轴承故障诊断方法

    公开(公告)号:CN114441173A

    公开(公告)日:2022-05-06

    申请号:CN202111630326.9

    申请日:2021-12-28

    Applicant: 东南大学

    Abstract: 本发明涉及一种基于改进深度残差收缩网络的滚动轴承故障诊断方法,包括:S1、获取输入振动信号,向输入振动信号中添加高斯白噪声,对加噪信号重复间隔采样获得采样信号,将采样信号矩阵化,转化为灰度图样本,并对样本数据赋予轴承状态的标签;S2、将灰度图样本按比例拆分成训练集和测试集;S3、将稠密连接加入改进残差收缩模块构建改进深度残差收缩网络;S4、将训练集输入改进深度残差收缩网络进行训练,通过前向传播得到误差,通过反向传播优化参数,至误差收敛;S5、将测试集输入训练好的改进深度残差收缩网络获得故障分类结果。本发明具有更快的收敛速度和更强的抗噪声干扰能力,提高了滚动轴承在强噪声变工况下故障诊断的准确率。

Patent Agency Ranking