-
公开(公告)号：CN117444220A
公开(公告)日：2024-01-26
申请号：CN202311445432.9
申请日：2023-11-02
Applicant: 黑龙江省科学院高技术研究院 , 哈尔滨理工大学
Abstract: 一种增材制造用球形FeCoNi基高熵合金粉末的制备方法，它涉及球形合金粉末的制备方法。它是要解决现有方法制备的FeCoNi基高熵合金粉末的氧含量高、粒径分布不适于的3D打印的技术问题，本方法：一、将FeCoNi基高熵合金加工成电极棒；二、利用等离子旋转电极雾化制粉设备制备粉末；三、筛分出粒径d为15μm≤d＜75μm的合金颗粒；四、利用热等离子体球化制粉设备球化，得到增材制造用球形FeCoNi基高熵合金粉末。该粉末的球形度大于95％，氧含量低于0.01％，高熵合金粉末的粒径范围为15～150μm，粒度在15～53μm的粉末收得率最高达85％，可用于激光选区熔化增材制造领域。
-
公开(公告)号：CN117437407A
公开(公告)日：2024-01-23
申请号：CN202311526380.8
申请日：2023-11-15
Applicant: 哈尔滨理工大学
IPC: G06V10/25 , G06V10/82 , G06V10/774 , G06V10/776 , G06V20/56 , G06V10/764 , G06N3/0464 , G06N3/084
Abstract: 基于YOLOv8的自动驾驶小目标检测模型，本发明涉及自动驾驶技术中，在复杂驾驶场景中小目标检测的精度不足以及检测速度不满足实时性的问题。自动驾驶技术的关键在于目标检测，目标检测的准确性和实时性直接关系到自动驾驶系统的安全与稳定。然而在真实的驾驶环境中，道路环境复杂多变，交通参与者繁多，同时光照、天气、遮挡等因素都会影响目标检测的效果。为了改善这一问题，本发明提出一种基于YOLOv8的自动驾驶小目标检测模型。实验表明，该方法可以有效提高复杂场景中对小目标检测的精度，并且满足自动驾驶场景中对检测速度的要求。本发明应用于自动驾驶小目标检测。
-
公开(公告)号：CN103973427A
公开(公告)日：2014-08-06
申请号：CN201310379191.2
申请日：2013-08-27
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 本发明提供一种基于虚拟计算和数据优化的混沌并行数据的加密方法，包括：S1、建立混沌方程，对数据进行划分，得到划分后的数据集，并确定虚拟计算核心集合；S2、判断所述数据集与所述虚拟计算核心集合的差值，根据所述差值与零的大小，确定执行态虚拟计算核心集合，并建立数据集与执行态虚拟计算核心的静态映射关系；S3、根据并行系统中物理计算核心集合建立执行态物理计算核心集合，并建立所述执行态虚拟计算核心集合到所述执行态物理计算核心集合的静态映射关系，执行态虚拟计算核心获取所述混沌方程的密钥并执行数据加密。本发明实施例中提出的加密方法能够根据实际需要充分利用物理计算核心，即充分利用并行系统的计算资源。
-
公开(公告)号：CN101834717A
公开(公告)日：2010-09-15
申请号：CN201010152456.1
申请日：2010-04-22
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 本发明公开了一种可扩展精度Logistic混沌序列的并行计算方法，其步骤为：(1)初始参数x0、μ整数量化保存到一维数组中，设定要求达到的精度或者指定迭代的次数；(2)并行计算算法第一部分：x＝x×(1-x)，利用矩阵保存计算中间结果，修改动态数组的长度，保存计算结果在动态数组中；(3)并行计算算法第二部分：x＝μ×x，保存计算结果在动态数组中；(4)如果精度或者迭代次数达到要求的值，动态数组中即为得到混沌序列，计算结束；否则，转到(2)。本发明充分利用了混沌系统的特性，提供更加扩大的映射空间的混沌序列。可用于保密通信、信息安全等领域，特别适合于图形图像、多媒体等信息的加密存储和网络传输。
-
公开(公告)号：CN118570171A
公开(公告)日：2024-08-30
申请号：CN202410710473.4
申请日：2024-06-03
Applicant: 哈尔滨理工大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06N3/096
Abstract: 本发明公开了一种基于迁移学习MCS‑YOLOv3的锂电池极片表面缺陷检测方法，属于工业缺陷检测领域。本发明解决了锂电池极片表面小目标缺陷的检测效果定位精度低、容易出现漏检、误检的问题。首先，在图像预处理阶段，使用Mosaic进行数据增强，随机组合并增加缺陷样本的数量，提高网络对缺陷识别的学习能力和检测能力，使得网络面对复杂环境有更好的鲁棒性；其次，在检测模型的训练阶段，引入了迁移学习的方法，缓解了网络在进行少样本数据训练时，训练波动大和收敛时间久的问题；再其次，在网络中引入混合注意力模块CBAM，提升了网络对小目标的特征提取能力，尤其更加关注缺陷区域；最后，用SIoU损失函数代替YOLOv3原始的IoU损失函数，增强检测精度的同时模型收敛速度也有所提升。本发明应用于锂电池极片表面缺陷的精确检测。
-
Patent Agency Ranking
公开(公告)号：CN118172758A
公开(公告)日：2024-06-11
申请号：CN202410292618.3
申请日：2024-03-14
Applicant: 哈尔滨理工大学
IPC: G06V20/58 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明是一种基于PYNQ‑Z2的自动驾驶目标检测方法，涉及计算机视觉与嵌入式领域，主要解决自动驾驶场景中网络模型部署的功耗限制与检测精度、实时性需求的问题。现阶段目标检测领域的技术快速发展，很多优秀算法模型已经在CPU和GPU平台上实现部署，但该类方案普遍面临着高功耗、高成本、实时性不足的问题，不符合自动驾驶领域。针对这些问题，本发明提出了一种在PYNQ‑Z2异构处理器平台部署YOLOv8目标检测模型的方法。实现了在该平台资源支持的情况下，满足自动驾驶场景的功耗限制以及该场景中目标检测精度与实时性的要求。
-
公开(公告)号：CN114429061A
公开(公告)日：2022-05-03
申请号：CN202111565814.6
申请日：2021-12-21
Applicant: 哈尔滨理工大学
Abstract: 本发明公开了一种基于空洞卷积神经网络ECT二维图像重建方法，主要对封闭管道内进行相流进行测量，通过电容传感器获取管道内被测相流流动的介质的电容值，并且本文主要采用基于ANSYS18.0软件进行ECT传感器的模型设计，对管道内相流进行电容值的检测。传统ECT技术图像重建算法，都是利用表征电容测量值与被测区域介电常数分布关系的灵敏度分布，计算图像对应位置的像素灰度值。但灵敏度分布易受被测多相流介电常数分布的影响，在被测区域内分布不均匀，在空洞卷积神经网络上得到很好的效果，在卷积神经网络的卷积层和全链接层加入非线性激活函数能够很好的应用在电容值和被测区域的这种非线性关系。能够高度实现二维管道图像重建。
-
公开(公告)号：CN111945647A
公开(公告)日：2020-11-17
申请号：CN202010959166.1
申请日：2020-09-14
Applicant: 哈尔滨理工大学
IPC: E01H4/02
Abstract: 本发明公开了一种新型磨冰机，属于磨冰机领域的一种新型产品，包括车体，车体的内部固定连接有水箱，水箱的外端固定连接有出水管，出水管的出水端与车体上的浇水装置固定连接，水箱的内部设有平衡板，平衡板的上端与水箱的内顶端固定连接有多个均匀分布的伸缩杆，平衡板的上端固定连接有密封板，密封板位于伸缩杆的外侧，密封板包括回型框和密封橡胶，本发明通过平衡板、伸缩杆、回型框、密封橡胶和通气孔的配合使用，并结合大气压的恒定作用，实现了对水箱的水运动进行限制，使水面可以保持平衡，在车体转弯的惯性作用下也不易发生水力作用不平衡的情况，从而减少对外侧车轮的影响，进而解决在拐弯处对冰面造成浇冰不均匀的问题。
-
公开(公告)号：CN103973427B
公开(公告)日：2017-12-08
申请号：CN201310379191.2
申请日：2013-08-27
Applicant: 哈尔滨理工大学
IPC: H04L9/00
Abstract: 本发明提供一种基于虚拟计算和数据优化的混沌并行数据的加密方法，包括：S1、建立混沌方程，对数据进行划分，得到划分后的数据集，并确定虚拟计算核心集合；S2、判断所述数据集与所述虚拟计算核心集合的差值，根据所述差值与零的大小，确定执行态虚拟计算核心集合，并建立数据集与执行态虚拟计算核心的静态映射关系；S3、根据并行系统中物理计算核心集合建立执行态物理计算核心集合，并建立所述执行态虚拟计算核心集合到所述执行态物理计算核心集合的静态映射关系，执行态虚拟计算核心获取所述混沌方程的密钥并执行数据加密。本发明实施例中提出的加密方法能够根据实际需要充分利用物理计算核心，即充分利用并行系统的计算资源。
-
公开(公告)号：CN114187478A
公开(公告)日：2022-03-15
申请号：CN202111549551.X
申请日：2021-12-17
Applicant: 哈尔滨理工大学
IPC: G06V10/764 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提出一种基于二级LVQ网络的流型分类方法，属于多相流检测技术领域，解决了大多数流型识别方法对效果的影响、计算量大、实时性和精度的问题。其包括以下步骤：步骤一、电容层析成像n电极模型建立；步骤二、以水平管道内气液两相流为例，将流型分类为层流、环状流、核心流、1/4层流、3/4层流、1/2层流，外加空管和满管；步骤三、由于电容样本数据类型多数据量冗杂，所以采取特征的方法对样本数据进行初步分类；步骤四、定义相应的特征参数10个；步骤五、第一级别网络输入辨识参数为tbr，将输入粗略划分为层流和其他流型；步骤六、第二级网络通过LVQ网络继续辨识识出1/4层流、1/2层流、3/4层流，另一部分辨识环状流、均匀流、核心流及满管流；步骤七、输出层采用数字编号，1～8分别代表8种流型类别。该8维矢量只有一个目标值为1，其余的值均为0，目标值为1即代表属于那种流型。该方法为多相流工业业检测提供了一个新方法，实现对管道内流型数据的准确分类。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.024 seconds)
