-
公开(公告)号：CN119529392A
公开(公告)日：2025-02-28
申请号：CN202411704396.8
申请日：2024-11-26
Applicant: 湖南大学苏州研究院 , 湖南大学 , 湖南金箭新材料科技有限公司
Abstract: 本发明提供一种绿色环保型阻燃纤维素材料及其制备工艺，将氨基硅油微乳液稀释后，与纤维素充分混合，通过超声波振动技术在常温下改性纤维素表面，使其具备初步的耐热和疏水性能。将改性纤维素与无水磷酸盐及尿素的混合溶液共混，并通过高温高压水热反应实现磷酸化改性，进一步提高纤维素的阻燃能力和热稳定性。采用三聚氰胺水溶液对磷酸化纤维素进行P‑N协同改性，以形成具有“酸源、气源和碳源”三源一体特性的阻燃纤维素。本发明制备的绿色环保型阻燃纤维素材料，阻燃性能优越，改性纤维素燃烧后残碳率达到75.6％，显著优于未改性纤维素的9.3％；产品环保无毒，燃烧后无卤化物等有毒物质释放，安全性高，制备简便，工艺流程简单，成本低廉。
-
公开(公告)号：CN119464789A
公开(公告)日：2025-02-18
申请号：CN202411581949.5
申请日：2024-11-07
Applicant: 湖南大学苏州研究院 , 安徽江淮汽车集团股份有限公司 , 湖南大学
Abstract: 本发明公开了一种高质量铸造铝合金低真空熔炼制造方法，包括如下步骤：S1、在低真空熔炼炉中熔炼无锂铝液；S2、向无锂铝液中吹惰性气体并向无锂铝液中加入锂，熔炼形成铝锂熔体；S3、在低真空超声振动条件下继续熔炼铝锂熔体，对铝锂熔体进行精炼；S4、开启熔炼炉的炉盖，除去熔体表面的熔渣后将铝锂熔体浇注到模具中进行浇铸，冷却后形成铝锂合金。本发明高质量铸造铝合金低真空熔炼制造方法能够避免铝锂合金熔炼过程中的氢化氧化反应、以及锂在空气环境中的烧损，提高了锂元素的利用率，克服了铝锂合金的气孔、成分偏析等缺陷。
-
公开(公告)号：CN119150621A
公开(公告)日：2024-12-17
申请号：CN202411566386.2
申请日：2024-11-05
IPC: G06F30/23 , G06F119/02 , G06F119/14 , G06F111/10
Abstract: 本发明公开了一种自冲铆接接头成形与力学性能测试集成的有限元建模方法，包括金相剖面测试；对自冲铆接成形过程进行仿真，设置动力学分析步1，搭建自冲铆接成形过程三维模型；对既变形的三维模型进行保留；对既变形的三维模型进行顺序分析步设置，增加动力学分析步2；接头力学性能测试条件设置；设置参考点，输出自冲铆接接头力位移曲线；对模型进行数值计算得到接头成形后的截面参数和剪切性能测试的力位移曲线，该发明解决了现有模拟方法中由于成型和测试相互独立而造成力学测试模型的残余应力数值影响丢失的问题，提高了自冲铆接接头性能预测的准确性和效率，可从力学性能响应的角度溯源工艺参数带来的影响。
-
公开(公告)号：CN119465650A
公开(公告)日：2025-02-18
申请号：CN202411678045.4
申请日：2024-11-22
Applicant: 湖南大学苏州研究院 , 湖南大学 , 湖南金箭新材料科技有限公司
IPC: D06M15/643 , D06M11/71 , D06M13/364 , C08L1/08 , C08L83/08 , C08B15/06 , C08B5/00 , D06M101/06
Abstract: 本发明提供一种绿色环保型阻燃纤维素材料及其制备方法，包括以下重量份的组分：生物基纤维素20‑40份、磷酸盐60‑90份、尿素30‑90份、氨基硅油微乳液5‑10份和三聚氰胺90‑150份。本发明制备的阻燃纤维素材料具有优异的阻燃性能，同时实现了废物利用和环保生产，采用来源广泛的纤维素，成本低廉，符合可持续发展需求；协同改性显著提高纤维素的阻燃性能。本发明通过水热反应釜提供高温高压条件，促进磷酸盐和纤维素分子的均匀结合，提高改性效率，同时避免高温对纤维素分子结构的过度破坏。同时，通过脲素的辅助效应，降低磷酸化反应所需的温度，保护纤维素分子完整性；提升羟基的反应活性，促进改性均匀性；提高材料与热塑性树脂的相容性。
-
公开(公告)号：CN118862699B
公开(公告)日：2025-02-11
申请号：CN202411341043.6
申请日：2024-09-25
IPC: G06F30/27 , G06F30/15 , G06F119/14
Abstract: 本发明公开了一种基于神经网络自学习的SPR2失效卡片拓展方法，包括以下操作方法：试制FDS或SPR接头；建立数据库，根据后续机器学习的输入与输出设置，进行针对性的数据库建立；建立人工神经网络通路；改善后的机器学习架构搭建，先判断待预测数据集的失效形式，并输出，随后采用相对应的失效数据子集进行后续的预测与运算；读取数据并输出SPR2参数通过针对拉剪工况，调整参数值；自动调节个别参数；整体模式使用方法，直接输入待测的FDS的材料新组合，最后可以直接输出失效形式、预测的力位移曲线，以及新的材料卡片参数值，该发明涉及热熔自攻丝连接技术仿真领域，是一种基于神经网络自学习的高效高质适用于热熔自攻丝与自冲铆的SPR2失效卡片拓展方法。
-
Patent Agency Ranking
公开(公告)号：CN119249925A
公开(公告)日：2025-01-03
申请号：CN202411793247.3
申请日：2024-12-09
IPC: G06F30/27 , G06F30/15 , G06F18/2113 , G06F18/214 , G06F18/243 , G06N3/0464 , G06N5/01 , G06N20/20 , G06N3/084 , G06N3/0985 , G06F119/14
Abstract: 本发明公开了一种基于深度学习的机械多接头力学性能预测方法，包括：进行SPR、FDS、焊点的多个接头的精细模型仿真，创建若干机械连接接头精细模型，实现数据构建；采集CAE精细模型或者实验料片的布局特征信息；对接头数据库基于随机森林方法进行特征选择；基于卷积神经网络构建强度特征模型，通过随机森林方法选择的特征信息数据作为训练集，对应的接头强度特征信息作为标签，对多接头的强度特征模型进行训练；集成多个卷积神经网络模型，综合获取预测的多接头强度特征信息，模型的评估与模型应用，该发明通过将历史数据和仿真结果作为训练数据，深度学习模型可以高效地预测接头数量与位置变化时的力学性能。
-
公开(公告)号：CN119239650A
公开(公告)日：2025-01-03
申请号：CN202411502359.9
申请日：2024-10-25
Applicant: 湖南大学苏州研究院
Abstract: 本发明公开了一种用于自动驾驶车辆的多车碰撞减缓系统及控制方法，目的在于提高车辆在紧急情况下的决策准确性，确保乘员的安全与舒适。系统包括信息感知模块、车辆动力学模块、人体损伤预测模块、碰撞减缓规划模块及运动跟踪模块。信息感知模块负责收集周围环境数据，车辆动力学模块预测车辆状态并检测潜在碰撞，人体损伤预测模块基于机器学习预测碰撞伤害程度，碰撞减缓规划模块通过优化算法最小化伤害，运动跟踪模块执行相应的车辆控制动作。该系统通过综合分析车辆周边环境及预测碰撞后果，能够在多车碰撞即将发生时，规划出最优的车辆运动轨迹，以最小化交通参与者的伤害，避免因紧急避障而导致更严重二次碰撞的发生，提升整体道路安全水平。
-
公开(公告)号：CN119760872A
公开(公告)日：2025-04-04
申请号：CN202411822918.4
申请日：2024-12-12
IPC: G06F30/15
Abstract: 本发明公开了一种考虑成本与效率的钢铝混合连接接头智能布钉系统，包括确定输入目标，输入目标分为：模糊的使用场景、具体的强度ST、成本PT或偏好的连接形式；讨论单一连接方式，分为选型与先选型再优化；对于步骤S2给出的方案进行自优化：基于多接头力学性能预测模型建立数据库模块，引入强度因子Si，成本因子Pi，轻量化因子Li，密封及NVH因子Ni。得到目标强度，根据接头的数量多少、成本的高低、强度、轻量化以及密封与NVH性能的高低，进行布置方案优化，该发明在输入目标环节可实现柔性升级，即添加多项可量化的指标X，在后续的优化环节添加进入相应的指标因子Xi，从而可以符合更多工况需求的优选系统。
-
公开(公告)号：CN119061301A
公开(公告)日：2024-12-03
申请号：CN202411565017.1
申请日：2024-11-05
Applicant: 湖南大学苏州研究院 , 安徽江淮汽车集团股份有限公司 , 湖南大学
Abstract: 本发明公开了一种用于塑性成形的低成本高强韧铝合金铸坯及其制备方法，包括如下步骤：S1、选取纯Al、纯Li、纯Cu、纯Mg和中间合金作为制备铝锂合金的原材料；S2、将未包含纯Li的原材料混合并在真空井式炉内进行熔炼，熔炼时的熔炼温度为740℃～760℃；S3、将纯Li原材料加入所述无Li的合金熔体中，并在铝锂合金熔体表层加入覆盖剂，该阶段的熔炼温度为710℃～730℃；S4、将所述的铝锂合金熔体进行超声精炼处理，并浇注到高真空压铸机或挤压机的成形模具中进行压铸或挤压成形。本发明方法能够制备低成本高强韧铝合金铸坯，制备过程简单、效率高，克服了铝锂合金的气孔、成分偏析等缺陷。
-
公开(公告)号：CN119249925B
公开(公告)日：2025-04-18
申请号：CN202411793247.3
申请日：2024-12-09
IPC: G06F30/27 , G06F30/15 , G06F18/2113 , G06F18/214 , G06F18/243 , G06N3/0464 , G06N5/01 , G06N20/20 , G06N3/084 , G06N3/0985 , G06F119/14
Abstract: 本发明公开了一种基于深度学习的机械多接头力学性能预测方法，包括：进行SPR、FDS、焊点的多个接头的精细模型仿真，创建若干机械连接接头精细模型，实现数据构建；采集CAE精细模型或者实验料片的布局特征信息；对接头数据库基于随机森林方法进行特征选择；基于卷积神经网络构建强度特征模型，通过随机森林方法选择的特征信息数据作为训练集，对应的接头强度特征信息作为标签，对多接头的强度特征模型进行训练；集成多个卷积神经网络模型，综合获取预测的多接头强度特征信息，模型的评估与模型应用，该发明通过将历史数据和仿真结果作为训练数据，深度学习模型可以高效地预测接头数量与位置变化时的力学性能。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.043 seconds)
