一种实现气动阀门定位器低温工作的装置及方法

    公开(公告)号:CN114578875A

    公开(公告)日:2022-06-03

    申请号:CN202210216657.6

    申请日:2022-03-07

    Abstract: 本发明针对低温情况下,气动阀门定位器无法进行正常工作的问题,提出一种实现气动阀门定位器低温工作的装置及方法。以智能微处理器为核心,针对功耗大小进行优化计算。通过气动阀门定位器内部多个温度采集装置来提供实时工作温度,针对功耗大小进行优化计算以获得满足要求或最小功耗的温度,并通过改进的模型预测控制算法(MPC算法)对PTC加热装置进行温度控制。本发明控制过程简单且造价低,符合工业生产过程的要求。能够智能地进行温度调节,做到智能化发热控制,使用的MPC预测控制算法,能够精准且快速地调节温度。能够面对复杂多变的工业环境,通过对气动阀门定位器中的温度与功耗进行优化计算,进行稳定的发热控制。

    基于亲水性增强的二硫化钼的柔性湿度传感器及其制备方法

    公开(公告)号:CN113418960A

    公开(公告)日:2021-09-21

    申请号:CN202110495754.9

    申请日:2021-05-07

    Abstract: 本发明公开了基于亲水性增强的二硫化钼的柔性湿度传感器及其制备方法,具体步骤包括:通过选取一定摩尔比的钼源、硫源,水热合成亲水性增强的二硫化钼;将得到的亲水性增强的二硫化钼和一定量的表面活性剂溶于混合溶剂,超声得到二硫化钼分散液;将得到的二硫化钼分散液附着在纸基铜叉指电极上,放入烘箱中干燥,得到基于亲水性增强的二硫化钼的柔性湿度传感器。本发明制备的柔性湿度传感器响应范围宽、响应速度快、灵敏度高、重复性能好。

    一种TE○0n/TE○1n模式激励器

    公开(公告)号:CN105552483A

    公开(公告)日:2016-05-04

    申请号:CN201510956119.0

    申请日:2015-12-17

    CPC classification number: H01P1/163

    Abstract: 本发明公开了一种模式激励器:第一矩形波导(1-2)的一端连接输入端口(1-1),一端连接第一一阶匹配阶梯波导(1-3);第二矩形波导(1-4)的一端连接第一一阶匹配阶梯波导(1-3),一端连接第二一阶匹配阶梯波导(1-5),第二一阶匹配阶梯波导(1-5)的另一端为短路面(1-6);第三矩形波导(1-8)的一端通过耦合孔(1-7)与第二矩形波导(1-4)的侧壁连接,一端连接第三一阶匹配阶梯波导(2-2);第一圆形波导(2-5)的一端连接第三一阶匹配阶梯波导(2-2),一端连接渐变圆形波导(2-6);第二圆形波导(2-7)的一端连接渐变圆形波导(2-6),一端连接输出端口(2-1);第一圆形波导(2-5)的内壁设置不同尺寸的对称脊。本发明反射小,模式纯度高,工作带宽较宽。

    基于SIFT特征点的SAR图像变化检测方法

    公开(公告)号:CN104517124A

    公开(公告)日:2015-04-15

    申请号:CN201410818305.3

    申请日:2014-12-25

    Abstract: 本发明公开了一种基于SIFT特征点的SAR图像变化检测方法,主要解决现有检测方法受“斑点”噪声影响较大的问题。其实现过程是:(1)将已配准且进行辐射校正和几何校正的两幅待检测SAR图像进行归一化处理;(2)利用归一化后的待检测的两幅图获得差异图;(3)利用尺度不变特征变换方法提取差异图中的SIFT特征点;(4)将SIFT特征点作为种子点进行区域生长,得到变化图。本发明具有对“斑点”噪声鲁棒性强的优点,可用于低性噪比下的SAR图像变化检测。

    基于统计模型的Web命名实体识别方法

    公开(公告)号:CN102314417A

    公开(公告)日:2012-01-11

    申请号:CN201110284429.4

    申请日:2011-09-22

    Abstract: 本发明是一种基于统计模型的Web命名实体识别方法,用结构和文本特征对Web命名实体进行多特征表示;本发明将统计方法和规则方法相结合,采用改进的MR-GHMM来优化训练的效率;用改进隐马尔可夫的模型对实体进行标注,对各命名实体标注,实现实体识别;对Web复杂命名实体识别过程作为二层来处理,将第一层的标注结果作为第二层处理的输入进行复杂嵌套实体识别。本发明与原有识别算法相比,该算法的识别准确率提高了,模型训练的时间复杂度也大幅降低。通过对Web命名实体的多特征表示,针对不同领域的实体特征进行修改,就可以应用与Web上不同领域的命名实体进行识别。

    基于弱监督学习的SAR图像目标鉴别方法

    公开(公告)号:CN106326938B

    公开(公告)日:2019-03-08

    申请号:CN201610815763.0

    申请日:2016-09-12

    Abstract: 本发明公开了一种基于弱监督学习的SAR图像目标鉴别方法,主要解决现有技术鉴别性能低和样本标记成本高的问题。其实现方案是:在训练阶段,先对正图像的样本集和负图像的负样本集分别提取局部限制性编码LLC特征,再用负样本集训练一个潜在的狄利克雷分配LDA模型,并用该模型从正图像样本集中挑选初始正样本集,用以迭代训练二类SVM鉴别器,得到最优鉴别器;在测试阶段,先对测试样本集提取局部限制性编码LLC特征,再用得到的最优鉴别器对测试样本集进行鉴别。本发明在鉴别性能与全监督的二类SVM鉴别器相近的同时减少了人工标记的成本,更具有实用性,而且,对比杂波训练的一类SVDD鉴别器在复杂场景下的鉴别性能更优,适用于SAR图像目标鉴别。

    基于半监督协同训练的SAR目标鉴别方法

    公开(公告)号:CN107977667B

    公开(公告)日:2019-02-19

    申请号:CN201610919536.2

    申请日:2016-10-21

    Abstract: 本发明公开了一种基于半监督协同训练的SAR图像目标鉴别方法,主要解决现有鉴别方法需要大量人工标记样本且实时性较差的问题。其实现过程是:1)将恒虚警率CFAR检测切片作为训练样本,从中取少量的样本进行标记;2)提取训练样本的两个林肯特征组;3)用标记过样本的两个林肯特征组训练两个分类器;4)利用3)得到的分类器对无标记样本进行鉴别;5)两个分类器挑选各自置信度较高的少数样本加入到对方的有标记训练样本中;6)利用新的有标记样本重复4)‑5)得到最终的分类器;7)用分类器对测试样本进行分类,得到分类结果。本发明仅需标记少量的样本就能达到与全监督方法相同的效果,可用于实现SAR图像目标的实时鉴别。

Patent Agency Ranking