-
公开(公告)号：CN109817997B
公开(公告)日：2022-01-28
申请号：CN201910212183.6
申请日：2019-03-20
Applicant: 南京工业大学
Abstract: 本发明涉及一种新型的氧离子、质子以及电子混合导体的固体氧化物燃料电池阴极材料，阴极材料组成分子式为Sr2Sc0.1Nb0.1Co1.5Fe0.3O6−δ(SSNCF),其中δ表示氧空位含量，属于固体氧化物燃料电池阴极材料领域。此阴极材料在拥有一定的氧离子以及电子导电率的情况下，还具备优异的质子导电能力。具备质子、氧离子以及电子混合导电性，使SSNCF在质子导体上具备优异的电化学性能，相应的在650℃下最大输出功率高达840 mW·cm‑2。同时，通过透氢的方法，用实验方法比较两种材料（SSNCF和Ba0.5Sr0.5Co0.8Fe0.2O3‑δ（BSCF））的透氢性能，比较两种材料的质子导电性，估算了其质子导电性。
-
公开(公告)号：CN109817997A
公开(公告)日：2019-05-28
申请号：CN201910212183.6
申请日：2019-03-20
Applicant: 南京工业大学
Abstract: 本发明涉及一种新型的氧离子、质子以及电子混合导体的固体氧化物燃料电池阴极材料，阴极材料组成分子式为Sr2Sc0.1Nb0.1Co1.5Fe0.3O6−δ(SSNCF),其中δ表示氧空位含量，属于固体氧化物燃料电池阴极材料领域。此阴极材料在拥有一定的氧离子以及电子导电率的情况下，还具备优异的质子导电能力。具备质子、氧离子以及电子混合导电性，使SSNCF在质子导体上具备优异的电化学性能，相应的在650℃下最大输出功率高达840 mW·cm-2。同时，通过透氢的方法，用实验方法比较两种材料（SSNCF和Ba0.5Sr0.5Co0.8Fe0.2O3-δ（BSCF））的透氢性能，比较两种材料的质子导电性，估算了其质子导电性。
-
公开(公告)号：CN113149092B
公开(公告)日：2022-07-29
申请号：CN202110261042.0
申请日：2021-03-10
Applicant: 南京工业大学
IPC: H01M8/1246 , C01G55/00 , H01M4/90 , H01M8/1253 , H01M8/126
Abstract: 本发明涉及一种B位掺杂的质子导体燃料电池的电解质材料、制备方法以及直接氨燃料电池中的应用，该电池阳极材料组成分子式为Ni‑Ba(Zr0.1Ce0.7Y0.1Yb0.1)1‑xPdxO3‑δ(Ni‑BZCYYbPd)，电解质材料组成分子式为Ba(Zr0.1Ce0.7Y0.1Yb0.1)1‑xPdxO3‑δ(BZCYYbPd)，其中x表示Pd元素掺杂量x＝0.05，δ表示氧空位含量。通过在电解质材料BaZr0.1Ce0.7Y0.1Yb0.1O3‑δ中掺杂一定含量的钯元素，提高电解质烧结性能、质子电导率，降低了材料的欧姆阻抗。同时Pd的掺杂可以提高阳极材料对氢气和氨气的催化活性。所以，通过Pd的掺杂同时提高燃料电池的电解质和阳极的电化学性能，增加质子导体燃料电池实用性，促进其商业化进展。
-
Patent Agency Ranking
公开(公告)号：CN118196569A
公开(公告)日：2024-06-14
申请号：CN202210229187.7
申请日：2022-03-09
Applicant: 南京工业大学
IPC: G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/22 , G06F40/30 , G06F16/9032 , G06F16/583 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/0985 , G06N3/084
Abstract: 一种基于CNN和LSTM的跨媒体目标检测方法，步骤包括：首先搜集符合目标检测任务的数据集；将图像分为训练集、验证集和测试集，并对数据集中的图像进行文本信息和边界框坐标进行标注；接着构建用于跨媒体目标检测的卷积神经网络模型；然后利用训练集中的图像对卷积神经网络模型进行训练；最后利用训练完成的用于跨媒体目标检测的网络模型，对测试数据集中的图像进行检测。在卷积神经网络模型的图片特征提取模块中：先在多个不同的通道提取图像特征，然后分别由适应性图像特征选取结构进行处理，接着由空间特征融合结构对各个通道得到图形特征进行融合处理，最后由FPN网络对融合后的图像特征处理后输出。本方法可很好完成跨媒体目标检索。
-
公开(公告)号：CN113149092A
公开(公告)日：2021-07-23
申请号：CN202110261042.0
申请日：2021-03-10
Applicant: 南京工业大学
IPC: C01G55/00 , H01M4/90 , H01M8/1253 , H01M8/126
Abstract: 本发明涉及一种B位掺杂的质子导体燃料电池的电解质材料、制备方法以及直接氨燃料电池中的应用，该电池阳极材料组成分子式为Ni‑Ba(Zr0.1Ce0.7Y0.1Yb0.1)1‑xPdxO3‑δ(Ni‑BZCYYbPd)，电解质材料组成分子式为Ba(Zr0.1Ce0.7Y0.1Yb0.1)1‑xPdxO3‑δ(BZCYYbPd)，其中x表示Pd元素掺杂量x＝0.05，δ表示氧空位含量。通过在电解质材料BaZr0.1Ce0.7Y0.1Yb0.1O3‑δ中掺杂一定含量的钯元素，提高电解质烧结性能、质子电导率，降低了材料的欧姆阻抗。同时Pd的掺杂可以提高阳极材料对氢气和氨气的催化活性。所以，通过Pd的掺杂同时提高燃料电池的电解质和阳极的电化学性能，增加质子导体燃料电池实用性，促进其商业化进展。
-
公开(公告)号：CN111932511B
公开(公告)日：2022-08-12
申请号：CN202010775041.3
申请日：2020-08-04
Applicant: 南京工业大学
Abstract: 本发明涉及一种基于深度学习的卷积神经网络电子元器件质量检测方法，属于故障诊断技术与信号处理分析技术领域。本发明首先搜集不合格电子元器件的图像，如元件缺脚、错误打标，将收集到的图像分为训练集、验证集和测试集，并对数据集中的图像进行不合格区域标注，包括坐标信息和分类信息；其次构建用于电子元器件质量检测的卷积神经网络模型；然后利用训练数据集中的图像对用于不合格元器件图像检测的卷积神经网络模型进行训练；利用训练好的用于裂纹图像检测的卷积神经网络模型，对测试数据集中的不合格元器件图像进行质量检测。本发明使得网络模型能够有效增加不合格元器件的选择，并且比传统的多步图像检测方法速度更快，可以在短时间内处理更多的图像；使得网络模型可以获得更精细的局部细节；使得整个网络可以实现有效的递进式特征传递，提高了网络模型的电子元器件质量检测精度。
-
公开(公告)号：CN110429288A
公开(公告)日：2019-11-08
申请号：CN201910730160.4
申请日：2019-08-08
Applicant: 南京工业大学
Abstract: 本发明涉及一种全B位缺陷的质子导体燃料电池的电池结构及其制备方法，电解质材料组成分子式为Ba(Zr0.1Ce0.7Y0.1Yb0.1)xO3-δ（BZCYYb-x），阴极材料组成分子式为Ba(Co0.4Fe0.4Zr0.1Y0.1)xO3-δ(BCFZY-x)，其中x表示B位元素缺陷量，0.9≤x≤1，δ表示氧空位含量。通过在钙钛矿材料BaZr0.1Ce0.7Y0.1Yb0.1O3-δ和BaCo0.4Fe0.4Zr0.1Y0.1O3-δ中B位离子缺陷而提高燃料电池的电化学性能。B位缺陷的Ba(Zr0.1Ce0.7Y0.1Yb0.1)xO3-δ材料在烧结性能，透氧能力，质子电导率和低温阻抗，以及Ba(Co0.4Fe0.4Zr0.1Y0.1)xO3-δ材料在氧化还原性能(ORR)，面积比阻抗和双离子交换能力都有所提高。
-
公开(公告)号：CN111932511A
公开(公告)日：2020-11-13
申请号：CN202010775041.3
申请日：2020-08-04
Applicant: 南京工业大学
Abstract: 本发明涉及一种基于深度学习的卷积神经网络电子元器件质量检测方法，属于故障诊断技术与信号处理分析技术领域。本发明首先搜集不合格电子元器件的图像，如元件缺脚、错误打标，将收集到的图像分为训练集、验证集和测试集，并对数据集中的图像进行不合格区域标注，包括坐标信息和分类信息；其次构建用于电子元器件质量检测的卷积神经网络模型；然后利用训练数据集中的图像对用于不合格元器件图像检测的卷积神经网络模型进行训练；利用训练好的用于裂纹图像检测的卷积神经网络模型，对测试数据集中的不合格元器件图像进行质量检测。本发明使得网络模型能够有效增加不合格元器件的选择，并且比传统的多步图像检测方法速度更快，可以在短时间内处理更多的图像；使得网络模型可以获得更精细的局部细节；使得整个网络可以实现有效的递进式特征传递，提高了网络模型的电子元器件质量检测精度。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
