“姚梦菲”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种跨上皮/内皮细胞电阻仪及其测量方法-CN202310597170.1在审
发明人：周志祥;侯潇楠;姚梦菲;唐铎;刘紫佳;郑雨晨;盛超 -专利权人：北京工业大学
申请日： 2023-05-25 - 公布日： 2023-10-24 - 主分类号： G01R27/02 文献下载
摘要：本发明涉及一种跨上皮/内皮细胞电阻仪及其测量方法，其主控板的输入端与固定电阻和测试电极并联，主控板的电源端与外部供电电源连接；测试电极采用银线电极。采用细胞悬浮液进行铺板，待细胞贴壁后，将内室含血清的培养基采用无血清的DMEM溶液替换，外室内的溶液也采用无血清的DMEM溶液替换；由具有银线电极的跨上皮/内皮细胞电阻仪测量空白孔的电阻值，并将空白孔的内室和外室均换成DMEM溶液，此时将Transwell小室转移到测板中；铺板完成后由具有银线电极的跨上皮/内皮细胞电阻仪连续多天测量内皮细胞的TEER值；将每天测量多个内皮细胞的TEER值求均值，根据每天测量结果的均值得到同细胞生长曲线具有一致趋势的TEER值的结果图，作为衡量上皮/内皮细胞屏障形成的定量标准。
一种跨上内皮细胞电阻及其测量方法

[发明专利]基于流网络模型的无人机集群任务资源调度方法-CN202310954303.6在审
发明人：王晓红;姚梦菲;王立志;唐慧;左振坤 -专利权人：北京航空航天大学
申请日： 2023-08-01 - 公布日： 2023-10-10 - 主分类号： G05D1/10 文献下载
摘要：本发明公开一种基于流网络模型的无人机集群任务资源调度方法，首先对无人机集群的任务载荷实体进行抽象化、虚拟化，并分类管理，建立无人机集群资源池构建方法，然后将分类后的载荷通过集群内的任务关系进行连接，得到任务网络链路，进一步得到任务层网络模型。其次引入任务能力的概念，将任务能力赋予任务层网络节点作为节点能力属性，然后节点能力属性转换为任务链路流量属性。在无人机集群系统层面，即是将集群对任务的完成情况进行流量化处理，任务层网络中流动的流量就是集群完成任务的能力流。最后在对集群任务能力进行有效评估的基础上，提出改进蚁群算法以实现寻找全局最优及快速收敛，实现最优集群资源调度策略。
基于流网模型无人机集群任务资源调度方法

[发明专利]无人机集群贮存可用度模型不确定性评估方法-CN202310462903.0在审
发明人：王立志;王晓红;唐慧;孙雅宁;姚梦菲;游令非 -专利权人：北京航空航天大学
申请日： 2023-04-26 - 公布日： 2023-10-03 - 主分类号： G06F30/20 文献下载
摘要：本发明涉及无人机集群技术领域，具体公开一种无人机集群贮存可用度模型不确定性评估方法，定量描述无人机集群贮存期状态建模环节中产生的不确定性问题，为无人机集群贮存可用度模型的发展提供更加准确的数据和分析方法。该方法从模型自身不确定性出发，梳理集群可用度评估中存在的模型信度问题。一方面提出模型不确定性评估指标体系以及对应指标的定量计算和综合方法，另一方面基于函数映射思想，将模型不确定性定量评价结果与可用度预测结果进行综合，从而为最终的无人机集群贮存期可用度评估结果提供更加科学的结果参考。
无人机集群贮存用度模型不确定性评估方法

[发明专利]无人机集群贮存可用度建模和预测方法、装置及介质-CN202310461682.5在审
发明人：王立志;王晓红;唐慧;孙雅宁;姚梦菲;郭志奇 -专利权人：北京航空航天大学
申请日： 2023-04-26 - 公布日： 2023-09-08 - 主分类号： G06F30/20 文献下载
摘要：本发明属于无人机集群技术领域，具体公开一种无人机集群贮存可用度建模和预测方法、装置及介质，其中建模方法包括：获取贮存期可用度影响因素，所述贮存期可用度影响因素包括维修保障属性、无人机自身属性和集群任务信息；根据所述贮存期可用度影响因素建立无人机集群贮存可用度模型。本发明综合考虑无人机集群贮存期间影响因素，覆盖可靠性、维修性和保障性等多通用质量特性，可用度评估效果更加符合集群实际工作需求。
无人机集群贮存用度建模预测方法装置介质

[发明专利]一种基于贝叶斯神经网络的系统健康状态预测方法-CN202111097887.7有效
发明人：王晓红;王立志;孙雅宁;姚梦菲;苏霖 -专利权人：北京航空航天大学
申请日： 2021-09-18 - 公布日： 2022-03-29 - 主分类号： G06F11/34 文献下载
摘要：本发明涉及一种基于贝叶斯神经网络的系统健康状态预测方法，包括：将系统结构的各节点进行划分，得到第一整合节点和第二整合节点；基于所述第一整合节点建立原始多层级系统贝叶斯网络模型，得到第一整合节点的状态分布预测结果，基于所述第二整合节点建立深度学习模型及贝叶斯网络模型，得到第二整合节点的状态分布预测结果；将所述第一整合节点的状态分布预测结果和所述第二整合节点的状态分布预测结果进行整合，实现系统整体的健康状态预测。本发明有效利用了健康状态监测数据，避免了数据重叠和耦合的情况；利用贝叶斯神经网络将系统状态进行划分并预测，有效指导后续系统的运行和维护。
一种基于贝叶斯神经网络系统健康状态预测方法