一种中压快速机械开关
    2.
    实用新型

    公开(公告)号:CN220731405U

    公开(公告)日:2024-04-05

    申请号:CN202322082364.6

    申请日:2023-08-04

    IPC分类号: H01H33/666 H01H33/38

    摘要: 本实用新型涉及一种中压快速机械开关,其结构包括:真空灭弧室、绝缘拉杆、电磁斥力操动机构、基于半永磁材料的合闸状态/分闸状态保持装置和液压变径缓冲装置。电磁斥力操动机构可以使开关快速分合闸,基于半永磁材料的合闸状态/分闸状态保持装置可以在开关分合闸位置提供稳定的保持力,液压变径缓冲装置为开关分闸提供有效的缓冲。分闸时,电磁斥力操动机构和基于半永磁材料的合闸状态/分闸状态保持装置同时动作,电磁斥力操动机构分闸线圈电流到达峰值时间要大于基于半永磁材料的合闸状态/分闸状态保持装置分闸时的电磁斥力操动机构合闸线圈电流到达峰值的时间,使得半永磁材料快速退磁,有效降低磁吸力对于分闸带来的阻力。

    用于共高频母线变换器中抑制高频振荡的装置及变换器

    公开(公告)号:CN111614273A

    公开(公告)日:2020-09-01

    申请号:CN202010577835.9

    申请日:2020-06-23

    IPC分类号: H02M7/12 H02M1/32

    摘要: 本申请公开了一种用于共高频母线变换器中抑制高频振荡的装置及变换器,包括:隔离单元、整流单元和吸收耗能单元,隔离单元用于将高频母线中的高频振荡信号进行隔离,隔离单元的第一端与换流器共高频母线电连接,隔离单元的第二端与整流单元的输入端电连接,整流单元用于将高频振荡信号的交流电压转换为直流电压,整流单元的输出端与吸收耗能单元的输入端电连接,吸收耗能单元用于对电压信号进行吸收。隔离单元将高频母线中的高频振荡信号进行隔离,通过整流单元将交流转换为直流,高频振荡或电压过冲幅值超过方波电压部分被吸收耗能单元吸收,从而实现抑制高频振荡与电压过冲。避免抑制装置故障影响主设备运行,提高可靠性。

    图像分割网络预训练方法及装置

    公开(公告)号:CN114972313B

    公开(公告)日:2024-04-19

    申请号:CN202210710807.9

    申请日:2022-06-22

    发明人: 刘博 王瑜 周付根

    摘要: 本发明公开了一种图像分割网络预训练方法及装置,该方法包括:获取无标注图像的集合S,对集合S中的图像进行裁切和图像增强后形成集合T,将集合T中图像的像素区域进行随机掩膜后,送入第一网络分支进行训练,第一网络分支包含第一语义编码器和第一语义解码器;对集合T中图像进行像素的随机修改后,送入第二网络分支的第一通道和第二通道进行训练,第二网络分支还包含第二语义编码器和第二语义解码器,第二语义编码器共享第一语义编码器的参数,通过对比损失函数约束第二网络分支的训练。本发明提供的技术方案稀释了预训练阶段学习到的无用特征,缓解了现有技术中自监督学习下游任务训练的工作量大的问题。

    医学影像器官分割方法
    8.
    发明授权

    公开(公告)号:CN114049359B

    公开(公告)日:2024-04-16

    申请号:CN202111382294.5

    申请日:2021-11-22

    IPC分类号: G06T7/10 G06N3/0464 G06N3/08

    摘要: 本发明公开了一种医学影像器官分割方法,包括:数据标注,对第一医学影像中的器官进行标注,得到标注后的第二医学影像;数据预处理,对第一医学影像和第二医学影像进行数据预处理;构建神经网络模型,神经网络模型包括3D‑Unet网络模块、集中模块、聚合模块及后处理模块;训练神经网络模型,将第一医学影像裁切为若干子块后作为输入,将第二医学影像裁切为若干子块后作为学习目标,训练神经网络模型;医学影像器官分割,将包含器官的第三医学影像进行预处理,将预处理后的第三医学影像通过滑窗裁切为若干子块,将若干子块送入神经网络模型。本发明通过构建识别全局语义特征的深度学习神经网络,提升了医学影像器官分割效果。

    一种基于光照变化量分离的无监督单目内窥镜图像深度估计方法

    公开(公告)号:CN117152198A

    公开(公告)日:2023-12-01

    申请号:CN202311111825.6

    申请日:2023-08-31

    IPC分类号: G06T7/207 G06T7/50

    摘要: 本发明公开了一种基于光照变化量分离的无监督单目内窥镜图像深度估计方法,属于计算机视觉三维重建技术领域。本发明利用一个基于本征图像分解理论设计的分解网络,将图像分解到两个子空间:反射率和阴影。通过这种方式,将图像中光照变化的部分分离到阴影图中,然后对两个子空间进行合成与调整,利用合成图像与目标图像的相似性,约束网络训练。本发明使用深度估计网络、姿态估计网络、图像分解网络、光照调整网络四个神经网络以及重建损失、反射率损失、结构一致性损失、平滑性损失四项损失函数,有效提升了单目内窥镜深度估计方法的鲁棒性。

    粒子植入布针仿真方法及装置

    公开(公告)号:CN113628209B

    公开(公告)日:2023-11-03

    申请号:CN202111031046.6

    申请日:2021-09-03

    发明人: 刘博 肖卓 周付根

    摘要: 本发明公开了一种粒子植入布针仿真方法及装置,包括:在医学影像中标记肿瘤目标,建立包含肿瘤目标TV区域和OAR区域的三维模型;计算TV区域的质心P0,及三维模型中皮肤点的集合S,计算质心P0与集合S的最小距离,最小距离向量为#imgabs0#其中P1∈S;随机生成若干点Qi,其中i=1…N,#imgabs1#与#imgabs2#的夹角小于β,#imgabs3#以Qi中心,#imgabs4#为法向量生成平面Si,TV区域向Si投影的面积为ati,TV区域向Si投影被OAR区域遮挡的面积为aOi;计算ai,其中ai=ati‑aOi,将ai按面积大小降序排列,降序排列中前K个元素分别对应平面Ej,其中j=1…K,平面Ej为粒子植入布针区域。本发明提出的方案,缓解了传统技术效率较低、对医师经验高度依赖的技术问题。