|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
軌道區(qū)域交通噪聲預(yù)測(cè)方法
本發(fā)明提供了一種軌道區(qū)域交通噪聲預(yù)測(cè)方法，包括：將測(cè)試系統(tǒng)劃分為多個(gè)測(cè)試子系統(tǒng)并建立其對(duì)應(yīng)的子振動(dòng)方程；根據(jù)多個(gè)子振動(dòng)方程之間的協(xié)調(diào)關(guān)系建立總振動(dòng)方程；根據(jù)振動(dòng)方程及測(cè)試參數(shù)計(jì)算待測(cè)區(qū)域的聲源強(qiáng)；根據(jù)噪聲地圖繪制單元及聲源強(qiáng)，繪制待測(cè)區(qū)域?qū)?yīng)的噪聲地圖，以便根據(jù)噪聲地圖對(duì)城市軌道區(qū)域交通噪聲進(jìn)行預(yù)測(cè)，其是基于耦合系統(tǒng)(車輛系統(tǒng)、軌道系統(tǒng)、橋梁-樁基系統(tǒng)和環(huán)境土體系統(tǒng))的振動(dòng)響應(yīng)計(jì)算聲源強(qiáng)，使得計(jì)算結(jié)果準(zhǔn)確合理，且適用于各種車輛和高架軌道結(jié)構(gòu)，并且本方法中將待測(cè)區(qū)域的交通噪聲繪制成噪聲地圖，通過(guò)該方式使我國(guó)城市軌道交通的噪聲管理與控制、噪聲環(huán)境影響評(píng)價(jià)、公眾參與以及方案決策變得直觀且方便。
西南交通大學(xué)
2018-09-18
.jpg){kind=logo}
指紋配準(zhǔn)方法及裝置
1. 痛點(diǎn)問(wèn)題
手指是三維柔性器官，在利用主流的接觸式指紋采集技術(shù)時(shí)，天然會(huì)引入皮膚變形，并且無(wú)法一次采集得到全部信息。變形給指紋識(shí)別以及指紋拼接帶來(lái)了很大挑戰(zhàn)。在指紋識(shí)別方面，為提高指紋識(shí)別率，通常在匹配前先使用指紋配準(zhǔn)技術(shù)將待匹配指紋與庫(kù)指紋進(jìn)行對(duì)齊，再計(jì)算匹配分?jǐn)?shù)。然而變形導(dǎo)致配準(zhǔn)偏差，從而影響識(shí)別率。目前的解決方案采取容忍偏差的方式，沒(méi)有精密測(cè)量手指變形，區(qū)分真假匹配指紋的能力受到很大限制。指紋拼接是將不同角度采集的指紋圖像進(jìn)行拼接，得到完整指紋的技術(shù)。由于目前基于細(xì)節(jié)點(diǎn)匹配的方案難以準(zhǔn)確測(cè)量指紋變形，在拼接時(shí)很容易出現(xiàn)脊線錯(cuò)位，產(chǎn)生虛假特征，并遺漏真實(shí)特征，進(jìn)而影響識(shí)別率。
2. 解決方案
本技術(shù)的核心在于將通信領(lǐng)域的一維信號(hào)相位解調(diào)技術(shù)拓展到二維指紋圖像的精確配準(zhǔn)。基本原理為：給定兩幅指紋圖像，首先通過(guò)細(xì)節(jié)點(diǎn)匹配進(jìn)行粗配準(zhǔn)，然后再采用基于相位解調(diào)的方法進(jìn)行精細(xì)配準(zhǔn)。因此，該方法結(jié)合了細(xì)節(jié)點(diǎn)匹配適合全局對(duì)齊的優(yōu)點(diǎn)，以及相位解調(diào)適合處理局部變形的優(yōu)點(diǎn)，對(duì)噪聲魯棒而且速度快。本技術(shù)可用于指紋識(shí)別系統(tǒng)，還可用于指紋拼接模塊。
合作需求
尋求在生物特征識(shí)別領(lǐng)域有相關(guān)技術(shù)開(kāi)發(fā)、市場(chǎng)推廣經(jīng)驗(yàn)，能推廣本技術(shù)落地的高科技企業(yè)，可以進(jìn)行深度合作。
清華大學(xué)
2022-02-24
致密球形陶瓷顆粒制備方法
本發(fā)明公開(kāi)了一種致密球形陶瓷顆粒制備方法，用于制造用于人體組織修復(fù)和填充材料，包括以下主要的工藝步驟：明膠2重量份、羧甲基殼聚糖1重量份、檸檬酸鈉0.6份重量，用50～80重量份的水溶解后，加入陶瓷漿料30～50重量份混合后配置成陶瓷/明膠一羧甲基殼聚糖泥漿；經(jīng)去氣處理后加入到油相中，在常溫常壓環(huán)境下攪拌，使泥漿成為溶膠狀球形顆粒；再加入戊二醛水溶液使所述球形溶膠狀顆粒發(fā)生原位凝膠化過(guò)程而固化賦形，濾除乳化劑后獲得凝膠狀球形顆粒，然后經(jīng)干燥、培燒以及機(jī)械整形工藝獲得初坯，再經(jīng)燒結(jié)工藝即獲得致密球形顆粒制品。本發(fā)明具有容易成型，工序少，工藝簡(jiǎn)單，易于操作，而且無(wú)需高壓機(jī)等復(fù)雜的大型設(shè)備，產(chǎn)品致密度和強(qiáng)度高的優(yōu)點(diǎn)。
西南交通大學(xué)
2016-10-20
手寫文字的識(shí)別方法
本發(fā)明涉及手寫文字的識(shí)別方法，包括：a.歸一化手寫輸入數(shù)據(jù)，定義神經(jīng)元數(shù)，建立自動(dòng)編碼器模型并初始化權(quán)重和偏置；b.通過(guò)壓縮感知模型進(jìn)行數(shù)據(jù)壓縮采樣；c.對(duì)得到數(shù)據(jù)進(jìn)行自動(dòng)編解碼后重建手寫輸入數(shù)據(jù)，使重建數(shù)據(jù)相對(duì)原始手寫輸入的誤差最小化；d.將構(gòu)建的各模型逐層堆疊組成n層神經(jīng)元的特征深度學(xué)習(xí)模型，并對(duì)所述的n層神經(jīng)元遍歷進(jìn)行深度特征學(xué)習(xí)，其中n為自然數(shù)；e.輸出識(shí)別的手寫文字。本發(fā)明能夠通過(guò)模擬人腦視覺(jué)神經(jīng)元感知事物的特性，結(jié)合壓縮感知和深度學(xué)習(xí)，自動(dòng)挖掘表征手寫文字的細(xì)致特征，非常有效的提高了手寫文字的表征能力和模型學(xué)習(xí)的效率，大幅度的提高了手寫文字特別是手寫數(shù)字的識(shí)別精度和識(shí)別效率。
西南交通大學(xué)
2016-10-14
一種圖案繪制方法
本發(fā)明公開(kāi)了一種圖案繪制方法。首先選擇導(dǎo)電材料為基體、導(dǎo)電材料為繪制材料，然后在基體和繪制材料之間施加脈沖電源，其中，基體與脈沖電源的陰極連接，繪制材料與脈沖電源的陽(yáng)極連接，控制繪制材料與基體之間的距離至繪制材料開(kāi)始熔化，使熔化后的液態(tài)繪制材料沉積到基體表面的同時(shí)與基體形成化學(xué)鍵結(jié)合，通過(guò)控制繪制材料的移動(dòng)方向從而形成所需圖案。在一定電壓下，當(dāng)基體與繪制材料接近至二者之間的介質(zhì)被短路電流擊穿時(shí)會(huì)產(chǎn)生局部高溫，使得繪制材料熔化并沉積到基體表面的同時(shí)與基體形成化學(xué)鍵結(jié)合，結(jié)合力強(qiáng)，不易發(fā)生脫落等現(xiàn)象。在沉積過(guò)程中，基體所受的應(yīng)力幾乎為零，因此不會(huì)有任何變形或開(kāi)裂風(fēng)險(xiǎn)。
西南交通大學(xué)
2016-10-19
.jpg){kind=logo}
一種目標(biāo)檢測(cè)方法
本發(fā)明公開(kāi)了基于維數(shù)遞增弱線性回歸樹(shù)的目標(biāo)檢測(cè)方法，其步驟為：①準(zhǔn)備訓(xùn)練樣本集(xi，yi)，i＝1，……，N，xi 表示訓(xùn)練樣本的特征值集合，yi 為樣本類別，N 為訓(xùn)練樣本數(shù)，N 為自然數(shù)；②初始化訓(xùn)練樣本權(quán)重為其中 t 為自然數(shù)，初始化時(shí) t＝1；③對(duì)樣本集合進(jìn)行循環(huán)計(jì)算，選定循環(huán)次數(shù) T，T 為自然數(shù)每次循環(huán)都得到一個(gè)線性回歸樹(shù)作為弱分類器。等到 T 次循環(huán)完成后，再將 T 個(gè)弱分類器合成一個(gè)強(qiáng)分類器；④使用該強(qiáng)分類器對(duì)數(shù)字圖像中的各個(gè)區(qū)域進(jìn)行分類，從而判斷是否為
華中科技大學(xué)
2021-04-14
一種水文預(yù)報(bào)方法
本發(fā)明公開(kāi)了一種基于理想邊界和多元線性回歸的上下限區(qū)間水文預(yù)報(bào)方法。本發(fā)明分別采用同倍比放大和縮小實(shí)測(cè)流量的方法構(gòu)造理想的上下限邊界，在率定期以理想上、下限邊界為目標(biāo)和最小二乘法為原則確定多元線性回歸上限和下限模型的結(jié)構(gòu)和參數(shù)，通過(guò)率定期和檢驗(yàn)期的上下限預(yù)報(bào)結(jié)果實(shí)現(xiàn)上下限區(qū)間水文預(yù)報(bào)。以預(yù)報(bào)區(qū)間包含率、相對(duì)寬度、對(duì)稱性和均方根誤差(采用區(qū)間中值作為預(yù)報(bào)值)為精度評(píng)定指標(biāo)，對(duì)比現(xiàn)有神經(jīng)網(wǎng)絡(luò)方法和不同相對(duì)寬度的回歸模型區(qū)間預(yù)報(bào)結(jié)果，本發(fā)明提出的方法表現(xiàn)出較好的預(yù)報(bào)精度和預(yù)報(bào)效果。本發(fā)明采用的方法計(jì)算簡(jiǎn)單
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
荷葉收割裝置及其控制方法
本發(fā)明涉及一種荷葉收割船裝置，屬于農(nóng)業(yè)機(jī)械領(lǐng)域。精巧的機(jī)構(gòu)設(shè)計(jì)系統(tǒng)設(shè)計(jì)和可靠的控制系統(tǒng)達(dá)到通過(guò)人工遙控實(shí)現(xiàn)控制收割刀具的啟動(dòng)、停止，船體的前進(jìn)后退、左右轉(zhuǎn)彎, 自行調(diào)節(jié)高度以適應(yīng)不同荷葉高度上的差異等功能,有效提高生產(chǎn)效率,改善荷葉收割質(zhì)量,避免各種人身傷害。船在不工作時(shí)可把刀具全部推入船體內(nèi)側(cè)，減少占地空間。荷葉可廣泛應(yīng)用于功能食品、保健食品和飲料中，它還是綠色食品包裝及多種藥品的生產(chǎn)原料，市場(chǎng)需求量大。 該裝置實(shí)現(xiàn)荷葉的自動(dòng)收割去梗，提高工作效率，降低人力勞動(dòng)成本。收割刀具可升降能夠適應(yīng)大多數(shù)荷葉的高度差異，適用范圍廣。整體裝置采用遙控控制，遠(yuǎn)程操作大大降低安全隱患。整個(gè)裝置結(jié)構(gòu)簡(jiǎn)單輕便，自動(dòng)化程度高，生產(chǎn)成本低，提高勞動(dòng)生產(chǎn)率，具有良好社會(huì)經(jīng)濟(jì)效益。
青島大學(xué)
2021-04-13
荷葉收割裝置及其控制方法
本發(fā)明涉及一種荷葉收割船裝置，屬于農(nóng)業(yè)機(jī)械領(lǐng)域。精巧的機(jī)構(gòu)設(shè)計(jì)系統(tǒng)設(shè)計(jì)和可靠的控制系統(tǒng)達(dá)到通過(guò)人工遙控實(shí)現(xiàn)控制收割刀具的啟動(dòng)、停止，船體的前進(jìn)后退、左右轉(zhuǎn)彎, 自行調(diào)節(jié)高度以適應(yīng)不同荷葉高度上的差異等功能,有效提高生產(chǎn)效率,改善荷葉收割質(zhì)量,避免各種人身傷害。船在不工作時(shí)可把刀具全部推入船體內(nèi)側(cè)，減少占地空間。荷葉可廣泛應(yīng)用于功能食品、保健食品和飲料中，它還是綠色食品包裝及多種藥品的生產(chǎn)原料，市場(chǎng)需求量大。 該裝置實(shí)現(xiàn)荷葉的自動(dòng)收割去梗，提高工作效率，降低人力勞動(dòng)成本。收割刀具可升降能夠適應(yīng)大多數(shù)荷葉的高度差異，適用范圍廣。整體裝置采用遙控控制，遠(yuǎn)程操作大大降低安全隱患。整個(gè)裝置結(jié)構(gòu)簡(jiǎn)單輕便，自動(dòng)化程度高，生產(chǎn)成本低，提高勞動(dòng)生產(chǎn)率，具有良好社會(huì)經(jīng)濟(jì)效益。
青島大學(xué)
2021-04-13
.jpg){kind=logo}
基于3D打印的復(fù)雜結(jié)構(gòu)模具制作方法及成型方法
本發(fā)明公開(kāi)了一種基于3D打印的復(fù)雜結(jié)構(gòu)模具制作方法和成型方法，包括：構(gòu)建目標(biāo)模型和模具制作裝置，得到目標(biāo)模型文件和模具制作裝置文件；將三維模型文件和模具制作裝置文件導(dǎo)入3D打印機(jī)，制作目標(biāo)模型和模具制作裝置；在目標(biāo)模型表面鋪設(shè)硅膠膜或明膠膜固化；在模具制作裝置內(nèi)表面和目標(biāo)模型的薄膜表面涂覆隔斷材料層，在模具制作裝置中定位模型；澆注下模液，固化，得到下模；在下模上的分型面上涂覆隔斷材料層，澆鑄上模液，固化，去除目標(biāo)模型得到復(fù)雜結(jié)構(gòu)型面特征的上下模模具。本發(fā)明基于成熟的三維打印技術(shù)，穩(wěn)定性、可控性好，結(jié)構(gòu)簡(jiǎn)單、價(jià)格經(jīng)濟(jì)，加之可以脫機(jī)打印，使得生產(chǎn)更易于配置和優(yōu)化。
浙江大學(xué)
2021-04-11