专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果63个,建议您升级VIP下载更多相关专利
  • [发明专利]一种燃料电池电流密度分区测试系统和方法-CN202010320292.2有效
  • 李凯;凡时财;殷聪;高艳;黄帆 - 电子科技大学
  • 2020-04-22 - 2023-03-21 - H01M8/04537
  • 本发明公开了一种燃料电池电流密度分区测试系统和方法,属于燃料电池原位检测技术领域。本发明所述系统包括供气模块、电子负载、信号放大模块、数据采集模块、数据处理模块和燃料电池电堆;供气模块为燃料电池电堆提供氧化剂和燃料,电子负载加载在燃料电池电堆上,信号放大模块对燃料电池电堆传出的信号进行放大,数据采集模块采集信号放大模块的输出信号,数据处理模块对数据采集模块采集的信号进行处理。本发明将采样电阻放置于分区镀金铜箔背部,保证了各分区阻抗的一致性;各分区阻抗具有一致性,使采样结果能真实反映实际电堆内部电流密度分布特性;本发明克服了采样电阻精度控制难和装置成本高的问题;能测量大量矩阵分区的电流密度分布。
  • 一种燃料电池电流密度分区测试系统方法
  • [发明专利]DNA甲基化扩展方法-CN201910289075.9有效
  • 凡时财;孙毅;邹见效;徐红兵 - 电子科技大学
  • 2019-04-11 - 2022-11-22 - G16B30/00
  • 本发明公开了一种DNA甲基化扩展方法,根据现有甲基化水平测试方法所能覆盖的CpG位点构建参照位点集,再构建训练位点集,对训练位点集中的每个CpG位点,分别采用M种相似度计算方法,在参照位点集中筛选出与其最相似的M个CpG位点,然后从现有的甲基化公共数据库中提取出训练数据,对所构建的预测模型进行训练,对于某段DNA序列中的待扩展位点,分别采用M种相似度计算方法,在参照位点集中筛选出与其最相似的M个CPG位点,采用现有甲基化水平测试方法测试得到该段DNA序列中M个最相似CPG位点的甲基化水平输入预测模型,输出的甲基化水平即为待扩展位点的甲基化水平。本发明可以基于现有CpG位点的相关数据实现甲基化水平未知的CpG位点的甲基化精准扩展。
  • dna甲基化扩展方法
  • [发明专利]基于Stacked LSTM的故障诊断方法-CN202010115477.X有效
  • 凡时财;张清清;邹见效;徐红兵 - 电子科技大学
  • 2020-02-25 - 2022-10-18 - G05B19/418
  • 本发明公开了一种基于Stacked LSTM的故障诊断方法,首先采集化工系统在正常状态和K种故障状态下各个测量设备的测量数据,构建得到训练样本,然后构建基于Stacked LSTM的故障诊断模型,包括Stacked LSTM网络、全连接层以及softmax层,其中Stacked LSTM网络由D层LSTM网络叠加得到,采用训练样本对故障诊断模型进行训练,在化工系统运行过程中采集实际运行数据并构建输入序列输入至基于Stacked LSTM的故障诊断模型中,得到故障识别结果。本发明通过堆叠多层LSTM网络形成Stacked LSTM网络,能够在不同时间尺度下自动提取原始数据的动态时序信息,并且对于复杂非线性数据具有较强的表达能力,从而提高故障诊断的准确率和鲁棒性。
  • 基于stackedlstm故障诊断方法
  • [发明专利]基于AM-TCN的故障诊断方法-CN202111589058.0在审
  • 凡时财;张季阳;郑宏;何建 - 宜宾电子科技大学研究院
  • 2021-12-23 - 2022-04-08 - G06F30/27
  • 本发明公开了一种基于AM‑TCN的故障诊断方法,首先在工业过程的正常和各个故障运行状态下,采用传感器设备采集状态监控数据,构建时间序列训练样本;然后构建基于AM‑TCN的故障诊断模型,包括注意力机制层、时间卷积网络、全连接层和SoftMax层,其中时间卷积网络由多个时间卷积块堆叠而成;采用训练样本对基于AM‑TCN的故障诊断模型进行训练;在工业过程的实际运行过程,采集状态监控数据并构建时间序列,将时间序列输入训练好的基于AM‑TCN的故障诊断模型中,得到故障诊断结果。本发明结合注意力机制和时间卷积网络构建基于AM‑TCN的故障诊断模型,提升对时序数据的特征提取效果,从而提高工业过程的故障诊断的准确性和鲁棒性。
  • 基于amtcn故障诊断方法

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top