-
公开(公告)号：CN103278128A
公开(公告)日：2013-09-04
申请号：CN201310185152.9
申请日：2013-05-17
Applicant: 中国工程物理研究院激光聚变研究中心 , 西南科技大学
IPC: G01B21/22
Abstract: 本发明公开了一种快速的KDP晶体最佳匹配角精确测量方法，包括以下步骤：A1单点调谐曲线的快速测量；A2、晶体全口径的最佳匹配角计算方法；采用快速搜索策略，在最佳匹配角附近获取该测量点在不同角度下的相对转换效率，从而拟合该点的调谐曲线。采用各单点的相对转换效率总和最大规则求取晶体全口径的最佳匹配角。本发明的方法针对现有测量系统存在测量速度慢、计算晶体最佳匹配角存在误差等问题，实现了对KDP晶体最佳匹配角的快速、准确测量。
-
公开(公告)号：CN103245303B
公开(公告)日：2016-01-20
申请号：CN201310183511.7
申请日：2013-05-17
Applicant: 中国工程物理研究院激光聚变研究中心 , 西南科技大学
IPC: G01B11/24
Abstract: 本发明公开了一种多姿态大口径平面光学元件面形检测装置和方法，包括光学系统（1）、三维精密运动平台（2）和面形检测控制与处理系统（3）；三维精密运动平台（2）包括垂直运动导轨（4）、水平运动导轨（5）和旋转运动平台（6）；三维精密运动平台（2）用于实现对不同姿态下光学元件的面形测量过程中的二维扫描运动；面形检测控制与处理系统（3）实现对三维精密运动平台（2）的运动控制、光学系统（1）的姿态调整、光斑信息采集、面形重构、面形绘制功能；本发明提升了系统的测量精度，采用高精度测角仪、猫步法测量方法和光学系统姿态自动校正等技术，检测精度能达1/6波长。
-
公开(公告)号：CN103278128B
公开(公告)日：2015-11-04
申请号：CN201310185152.9
申请日：2013-05-17
Applicant: 中国工程物理研究院激光聚变研究中心 , 西南科技大学
IPC: G01B21/22
Abstract: 本发明公开了一种快速的KDP晶体最佳匹配角精确测量方法，包括以下步骤：A1单点调谐曲线的快速测量；A2、晶体全口径的最佳匹配角计算方法；采用快速搜索策略，在最佳匹配角附近获取该测量点在不同角度下的相对转换效率，从而拟合该点的调谐曲线。采用各单点的相对转换效率总和最大规则求取晶体全口径的最佳匹配角。本发明的方法针对现有测量系统存在测量速度慢、计算晶体最佳匹配角存在误差等问题，实现了对KDP晶体最佳匹配角的快速、准确测量。
-
公开(公告)号：CN103245303A
公开(公告)日：2013-08-14
申请号：CN201310183511.7
申请日：2013-05-17
Applicant: 中国工程物理研究院激光聚变研究中心 , 西南科技大学
IPC: G01B11/24
Abstract: 本发明公开了一种多姿态大口径平面光学元件面形检测装置和方法，包括光学系统（1）、三维精密运动平台（2）和面形检测控制与处理系统（3）；三维精密运动平台（2）包括垂直运动导轨（4）、水平运动导轨（5）和旋转运动平台（6）；三维精密运动平台（2）用于实现对不同姿态下光学元件的面形测量过程中的二维扫描运动；面形检测控制与处理系统（3）实现对三维精密运动平台（2）的运动控制、光学系统（1）的姿态调整、光斑信息采集、面形重构、面形绘制功能；本发明提升了系统的测量精度，采用高精度测角仪、猫步法测量方法和光学系统姿态自动校正等技术，检测精度能达1/6波长。
-
公开(公告)号：CN119229192B
公开(公告)日：2025-04-15
申请号：CN202411293707.6
申请日：2024-09-14
Applicant: 西南科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/30 , G06N3/094
Abstract: 本发明公开了一种基于梯度噪声抑制生成式对抗网络的图像生成方法，该方法包括以下步骤：获取训练集，用于判别器的正样本；生成图像集作为负样本；训练梯度噪声感知器；在GNS‑GAN对抗学习中设置训练参数，计算和更新判别器和生成器的权重；最后，使用生成器生成图像并进行像素值尺度交换，完成最终图像的生成。本发明的优点是：提高了生成图像的质量和对抗学习的稳定性，通过梯度噪声抑制技术有效减少了训练过程中的噪声影响；减少了训练时间和计算资源消耗，避免了传统扩散模型中的复杂正向和逆向扩散步骤；改进了网络结构，使生成器和判别器的参数量更少，提升了模型的训练效率。
-
Patent Agency Ranking
公开(公告)号：CN118095014B
公开(公告)日：2024-06-28
申请号：CN202410472541.8
申请日：2024-04-19
Applicant: 西南科技大学
IPC: G06F30/23 , G06F30/15 , G16C60/00 , G06T11/60 , G06N3/0464 , G06N3/0455 , G06F119/14
Abstract: 本发明公开了一种基于机器学习的复合材料性能快速计算方法，基于多尺度有限元求解的思路，构造两种类型网格，大尺度粗网格用于分析复合材料结构的宏观大尺度特性，小尺度细网格用于表征复合材料结构小尺度下的非均质特性，大幅度降低单次求解的网格单元数量，提升求解速度和收敛效率，大幅减少复合材料结构性能分析的时间；本发明通过提出的基于机器学习的复合材料性能快速计算方法，可以实现复合材料小尺度结构位移的快速预测，与有限元分析相比较，计算效率提升了80倍以上，且反演计算得到的复合材料结构内部应力分布的误差在5%以下。
-
公开(公告)号：CN118095014A
公开(公告)日：2024-05-28
申请号：CN202410472541.8
申请日：2024-04-19
Applicant: 西南科技大学
IPC: G06F30/23 , G06F30/15 , G16C60/00 , G06T11/60 , G06N3/0464 , G06N3/0455 , G06F119/14
Abstract: 本发明公开了一种基于机器学习的复合材料性能快速计算方法，基于多尺度有限元求解的思路，构造两种类型网格，大尺度粗网格用于分析复合材料结构的宏观大尺度特性，小尺度细网格用于表征复合材料结构小尺度下的非均质特性，大幅度降低单次求解的网格单元数量，提升求解速度和收敛效率，大幅减少复合材料结构性能分析的时间；本发明通过提出的基于机器学习的复合材料性能快速计算方法，可以实现复合材料小尺度结构位移的快速预测，与有限元分析相比较，计算效率提升了80倍以上，且反演计算得到的复合材料结构内部应力分布的误差在5%以下。
-
公开(公告)号：CN106326892A
公开(公告)日：2017-01-11
申请号：CN201610624928.6
申请日：2016-08-01
Applicant: 西南科技大学
CPC classification number: G06K9/3216 , G01C21/20 , G06K9/4671
Abstract: 本发明提供一种旋翼式无人机的视觉着陆位姿估计方法，将Tsai方法与快速四点方法融合起来计算位姿参数，该融合的方式既可以避免Tsai方法中迭代求解所消耗的时间，也能够提高Tsai方法和快速四点方法中位姿参数计算的精度，并基于该方法设计了一种分级合作目标，该合作目标能适应不同降落高度下的位姿估计，最后进行了大量仿真实验进行方法验证。
-
公开(公告)号：CN103471528B
公开(公告)日：2016-06-08
申请号：CN201310421684.8
申请日：2013-09-16
Applicant: 西南科技大学
IPC: G01B11/26
Abstract: 本发明公开了一种干涉条纹倾斜角测量方法。采用一维离散傅里叶变换的实部低频极大值坐标跳变周期求出条纹图像x和y方向周期Tx和Ty；根据一维周期比值求得倾斜角：θ=actan(Ty／Tx)；θ趋近于0或π／2，一个方向的跳变坐标Yjmp序列长度小于等于1时，将图像旋转π／4后，再进行Tx和Ty的计算。实验结果表明，与求倾斜角度的经典算法Hough变换和Radon变换相比，本发明算法运行速度快、计算精度高。算法性能影响因素有图像大小、倾斜角度、条纹周期等，当条纹在x、y方向均超过1个周期时，一次测量运行时间小于0.1s，测量精度达到0.1°。
-
公开(公告)号：CN103267492B
公开(公告)日：2016-06-08
申请号：CN201310172925.X
申请日：2013-05-10
Applicant: 西南科技大学
IPC: G01B11/24
Abstract: 本发明公开了一种阵列式超大口径平面光学元件面形检测装置和方法，包括DVD/CD光学头阵列(1)、光学头阵列的恒流驱动子系统(2)、FES信号采集子系统(3)和面形检测控制与处理子系统(4)，DVD/CD光学头阵列(1)用于检测被测区域的面形；FES信号采集子系统(3)用于实时采集DVD/CD光学头阵列(1)所检测区域的面形高差；面形检测控制与处理子系统(4)用于对DVD/CD光学头阵列(1)的信号采集、面形重构与绘制。采用阵列式布置DVD/CD光学头，提升面形检测设备的面形检测精度和效率。在背景技术中所列角差法、干涉法等研制的面形设备均价格高，设备庞大，采用本发明能大大降低设备的研制成本。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.091 seconds)
