|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
XM-129脊柱模型（脊椎模型）
XM-129脊椎模型
?
XM-129脊柱模型（脊椎模型）由帶枕骨的頸椎、胸椎、腰椎、骶尾骨、骨盆及脊神經(jīng)串制而成一個(gè)整體，包括脊椎、神經(jīng)根、脊椎動(dòng)脈、分椎間盤、脊柱橫突和脊椎切面，顯示了帶枕骨的脊柱、骨盆和脊神經(jīng)的形態(tài)、外觀和組成，固定于鐵質(zhì)支架上。
尺寸：自然大
材料：PVC材料
上海欣曼科教設(shè)備有限公司
2021-08-23
.jpg){kind=logo}
一種基于仿射算法和攝動(dòng)方法的幾何模型高頻動(dòng)力學(xué)特性預(yù)示方法
本發(fā)明提供了一種基于仿射攝動(dòng)的區(qū)間不確定性結(jié)構(gòu)能量響應(yīng)預(yù)示方法，建立各子系統(tǒng)的確定性結(jié)構(gòu)的統(tǒng)計(jì)能量控制方程，進(jìn)而引入?yún)^(qū)間因素，獲取區(qū)間不確定性結(jié)構(gòu)的區(qū)間統(tǒng)計(jì)能量控制方程，設(shè)定不確定性參數(shù)的區(qū)間參數(shù)，基于仿射攝動(dòng)算法得到各區(qū)間變量的仿射區(qū)間表達(dá)式，設(shè)定各變量的攝動(dòng)分析表達(dá)式，進(jìn)而基于區(qū)間仿射算法的運(yùn)算法則，推導(dǎo)得到考慮區(qū)間不確定性結(jié)構(gòu)的子系統(tǒng)區(qū)間能量表達(dá)式，給定初始邊界參數(shù)和求解頻率后，計(jì)算得到區(qū)間不確定性結(jié)構(gòu)的區(qū)間能量響應(yīng)。通過本發(fā)明方法使得區(qū)間不確定性結(jié)構(gòu)區(qū)間能量響應(yīng)的區(qū)間寬度大大縮小、區(qū)間能量響應(yīng)的預(yù)示精度大大提高，從而可以更加精確地評(píng)估區(qū)間不確定性結(jié)構(gòu)的高頻動(dòng)力學(xué)特性，具有重要的工程應(yīng)用價(jià)值。
東南大學(xué)
2021-04-11
農(nóng)業(yè)大學(xué).jpg){kind=logo}
一種畜禽肉多要素黏彈模型建立方法
本發(fā)明屬于食品檢測(cè)技術(shù)領(lǐng)域，涉及一種畜禽肉黏彈性無損檢測(cè)方法，具體涉及一種多要素黏彈模型建立及其黏彈參數(shù)確定的方法。具體步驟為：首先利用畜禽肉黏彈性無損檢測(cè)系統(tǒng)采集、計(jì)算待測(cè)樣品的應(yīng)變數(shù)據(jù)；然后根據(jù)待測(cè)樣品的變形特征選擇多要素模型，將不同多要素模型與不同數(shù)據(jù)擬合算法結(jié)合，對(duì)應(yīng)變數(shù)據(jù)進(jìn)行數(shù)據(jù)擬合，建立若干畜禽肉多要素黏彈模型；最后比較若干畜禽肉多要素黏彈模型的擬合效果，根據(jù)實(shí)際需求，選擇最佳畜禽肉多要素黏彈模型，并計(jì)算黏彈參數(shù)。最終實(shí)現(xiàn)對(duì)畜禽肉黏彈性的無損、快速檢測(cè)。
中國(guó)農(nóng)業(yè)大學(xué)
2021-04-11
一種基于Bagging-RNN模型的電梯制動(dòng)性能評(píng)價(jià)方法
一種基于Bagging?RNN模型的電梯制動(dòng)性能評(píng)價(jià)方法，包括：a)獲取不同制動(dòng)性能的電梯在制動(dòng)過程中的閘皮溫度序列數(shù)據(jù)，作為樣本集；b）按照比例將樣本集劃分為訓(xùn)練集和驗(yàn)證集；c）使用訓(xùn)練集數(shù)據(jù)訓(xùn)練Bagging?RNN模型，根據(jù)訓(xùn)練誤差修正Bagging?RNN模型參數(shù)；d）使用驗(yàn)證集數(shù)據(jù)驗(yàn)證Bagging?RNN模型的泛化能力，根據(jù)驗(yàn)證結(jié)果進(jìn)一步修正Bagging?RNN模型參數(shù)，將修正后的Bagging?RNN模型作為電梯制動(dòng)性能的評(píng)價(jià)模型；e)將被測(cè)電梯在制動(dòng)過程中的閘皮溫度序列數(shù)據(jù)作為Bagging?RNN模型的輸入，模型輸出被測(cè)電梯的制動(dòng)性能評(píng)價(jià)結(jié)果。本發(fā)明從電梯制動(dòng)時(shí)電梯閘皮最高溫度變化的生成機(jī)理出發(fā)，獲取不同制動(dòng)性能電梯制動(dòng)過程中的閘皮溫度序列數(shù)據(jù)，并基于歷史數(shù)據(jù)提出了相應(yīng)的電梯制動(dòng)性能的評(píng)價(jià)方法。
東南大學(xué)
2021-04-11
.jpg){kind=logo}
基于遙感影像DN值多元參量定標(biāo)模型的自適應(yīng)成像方法
本發(fā)明涉及一種基于遙感影像值多元參量定標(biāo)模型的自適應(yīng)成像方法,其步驟包括建立成像系統(tǒng)電子學(xué)參數(shù)與遙感圖像的定量數(shù)學(xué)關(guān)系；獲取遙感成像系統(tǒng)的位置和姿態(tài)參數(shù),并計(jì)算成像區(qū)域獲取成像區(qū)域地物覆蓋類型、地物反射光譜以及成像區(qū)域上空大氣和氣溶膠參數(shù),根據(jù)輻射傳輸方程計(jì)算該成像區(qū)域?qū)?yīng)的入瞳輻亮度；對(duì)每一景遙感影像入瞳輻亮度進(jìn)行排序得到最大入瞳輻亮度值,并通過成像系統(tǒng)調(diào)節(jié)成像參數(shù)使其不超過成像系統(tǒng)最大輸出圖像值,然后驅(qū)動(dòng)成像設(shè)備獲取遙感影像。
北京大學(xué)
2021-02-01
.jpg){kind=logo}
構(gòu)建透明化肝臟離體模型評(píng)估腫瘤血管栓塞治療方法
南科大生物醫(yī)學(xué)工程系助理教授郭瓊玉課題組在腫瘤介入栓塞領(lǐng)域構(gòu)建透明化離體模型方面取得最新研究進(jìn)展，相關(guān)成果論文以“構(gòu)建透明化肝臟離體模型評(píng)估腫瘤血管栓塞治療（Decellularized liver as a translucent ex vivo model for vascular embolization evaluation）”為題發(fā)表在生物材料領(lǐng)域頂級(jí)學(xué)術(shù)期刊Biomaterials。此項(xiàng)研究工作為建立透明化器官模型可視化研究及評(píng)估臨床治療手段開辟了新的途徑，有望為蓬勃發(fā)展的生物技術(shù)和生物材料提供更加有效的評(píng)估策略。
南方科技大學(xué)
2021-04-11
沙理工大學(xué).jpg){kind=logo}
基于Kriging模型的風(fēng)力機(jī)齒輪箱故障診斷方法
成果簡(jiǎn)介：本發(fā)明公開了一種基于Kriging模型的風(fēng)力機(jī)齒輪箱故障診斷方法。本發(fā)明具有診斷結(jié)果快速準(zhǔn)確、非線性擬合效果好、使用靈活、計(jì)算量小的優(yōu)點(diǎn)，能夠?yàn)閷?shí)現(xiàn)風(fēng)力機(jī)齒輪箱故障在線診斷奠定基礎(chǔ)。市場(chǎng)預(yù)測(cè)：2015年全國(guó)（除臺(tái)灣地區(qū)外）新增安裝風(fēng)電機(jī)組16740臺(tái)，新增裝機(jī)容量30753MW，同比增長(zhǎng)32.6%；累計(jì)安裝風(fēng)電機(jī)組92981臺(tái)，累計(jì)裝機(jī)容量145362MW，同比增長(zhǎng)26.8%。同時(shí)，隨著風(fēng)電機(jī)組運(yùn)營(yíng)時(shí)間累積，
長(zhǎng)沙理工大學(xué)
2021-01-12
.jpg){kind=logo}
一種基于離散廣義 Nash 匯流模型的河道洪水預(yù)報(bào)方法
本發(fā)明公開了一種基于離散廣義 Nash 匯流模型的河道洪水預(yù)報(bào)方法，通過引入滯蓄曲線，簡(jiǎn)化廣義 Nash 匯流模型，并建立離散的廣義 Nash 匯流模型，基于該模型提出一種河道洪水預(yù)報(bào)方法，將河道下斷面出流過程表述為時(shí)段初、時(shí)段末入流量與當(dāng)前時(shí)刻及之前若干時(shí)刻出流量的線性組合，根據(jù)滯蓄曲線得出權(quán)重系數(shù)；本發(fā)明提供的這種基于離散廣義 Nash 匯流模型的河道洪水預(yù)報(bào)方法，由于融入了部分歷史有效信息，可提高預(yù)報(bào)精度，且簡(jiǎn)單直觀，便于在工程實(shí)踐中推廣應(yīng)用。
華中科技大學(xué)
2021-04-14
一種直線感應(yīng)電機(jī)多步長(zhǎng)模型預(yù)測(cè)控制方法
本發(fā)明公開了一種直線感應(yīng)電機(jī)多步長(zhǎng)模型預(yù)測(cè)控制方法，包 括如下步驟：(1)采集直線感應(yīng)電機(jī)的狀態(tài)變量及角速度；(2)求解無約 束條件下的電機(jī)輸入電壓矢量最優(yōu)值；(3)判定最優(yōu)值是否滿足電壓約 束條件，若滿足，則進(jìn)入步驟(5)，否則進(jìn)入步驟(4)；(4)以滿足電壓約 束條件為目標(biāo)更新最優(yōu)值；(5)判定最優(yōu)值是否滿足電流約束條件，若 滿足，則進(jìn)入步驟(7)，否則進(jìn)入步驟(6)；(6)以滿足電流約束條件為目標(biāo)更新最優(yōu)值；(7)根據(jù)電機(jī)輸入電壓矢量最優(yōu)值計(jì)算三相橋臂的占空 比，將其送給逆變器調(diào)制電機(jī)工作狀態(tài)
華中科技大學(xué)
2021-04-14
.jpg){kind=logo}
基于投影數(shù)字高程模型的正射影像鑲嵌線自動(dòng)提取方法
本發(fā)明公開了一種基于投影數(shù)字高程模型的正射影像鑲嵌線自動(dòng)提取方法，包括步驟：步驟 1，獲 取單片正射影像的投影數(shù)字高程模型；步驟 2，確定待鑲嵌正射影像對(duì)；步驟 3，將待鑲嵌正射影像對(duì) 的投影數(shù)字高程模型按地理坐標(biāo)疊加獲得疊加圖像，將疊加圖像二值化得到二值疊加圖像；步驟 4，采 用圖像形態(tài)學(xué)方法提取二值疊加圖像的骨架線獲得骨架線網(wǎng)絡(luò)，采用 Dijkstra 算法在骨架線網(wǎng)絡(luò)中搜尋 最短路徑，即待鑲嵌影像對(duì)的鑲嵌線。本發(fā)明方法能自動(dòng)獲取高質(zhì)量的正
武漢大學(xué)
2021-04-14