|
|
钻瓜专利网为您找到相关结果 152893个，建议您 升级VIP下载更多相关专利
- [实用新型]一种低温系统的超导磁体装置-CN202120591141.0有效
-
袁金辉;莫耀敏;乐志良;郑杰
-
宁波健信核磁技术有限公司
-
2021-03-23
-
2021-10-29
-
H01F6/04
- 本实用新型公开了一种低温系统的超导磁体装置，包括：300K容器，300K容器内设置50K冷屏，50K冷屏内设置4K筒体，4K筒体内设置磁体线圈，300K容器、50K冷屏及4K筒体内均为真空，4K筒体上设置储罐，储罐上分别设置与储罐内部连通的输液管和排气管，输液管的外端分别穿过50K冷屏和300K容器与第一堵头连接，输液管的外端分别穿过50K冷屏和300K容器与第二堵头连接。向储液罐中输入液氮，再将储液罐中的气体排出，可以冷却4K筒体，无需向4K筒体内部输入液氮，也无需将4K筒体内部反复抽真空，只需将储液罐、输液管和排气管中抽真空即可，操作方便，避免了容器损坏造成液氮蒸发，
- 一种低温系统超导磁体装置
- [实用新型]一种按键输入设备-CN201620232263.X有效
-
杨晓恩
-
苏州本控电子科技有限公司
-
2016-03-24
-
2016-08-17
-
G08C23/04
- 控制芯片，MCU控制芯片具有三个信号输入端口I1、I2和I3、两个信号输出端口O1和O2以及一个控制芯片端口X，所述的三个信号输入端口I1、I2与I3和两个信号输出端口O1和O2之间设置有六个按键开关K1、K2、K3、K4、K5和K6，按键开关K1上并联有按键开关K7，按键开关K2上并联有按键开关K8，按键开关K3上并联有按键开关K9，按键开关K4上并联有按键开关K10，按键开关K5上并联有按键开关K11，按键开关K6上并联有按键开关K12。
- 一种按键输入设备
- [发明专利]用于降低变压器的磁芯中的单向磁通分量的设备-CN201380076964.8有效
-
P.汉伯格
-
西门子公司
-
2013-05-28
-
2017-06-30
-
H01F27/38
- 本发明涉及用于降低变压器、尤其三相变压器的磁芯中的单向磁通分量的设备，所述设备包括多个补偿绕组（K1、K2、K3），所述补偿绕组与所述变压器的磁芯磁耦合。所述设备的特征在于，‑设置有用于将电流馈入到所述补偿绕组（K1、K2、K3）中的可控电流源（S），所述可控电流源与所述补偿绕组（K1、K2、K3）、更确切地说与所述补偿绕组的中性点（P1）电串联地布置，所述中性点由所述补偿绕组（K1、K2、K3）的输入端形成，以及‑设置有中性点生成器（H），所述中性点生成器与所述补偿绕组（K1、K2、K3）的输出端导电连接，以及–所述电流源（S）将所述补偿绕组（K1、K2、K3）的中性点（P1）和所述中性点生成器（H）的中性点（P2）互相电连接。
- 用于降低变压器中的单向通分设备
- [发明专利]经济型双相不锈钢及其制造方法-CN201580071241.8有效
-
崔点镕
-
POSCO公司
-
2015-12-24
-
2019-11-01
-
B22D11/055
- SFE＝25.7+1.59×Ni/[K(Ni)‑K(Ni)×V(γ)+V(γ)]+0.795×Cu/[K(Cu)‑K(Cu)×V(γ)+V(γ)]‑0.85×Cr/[K(Cr)‑K(Cr)×V(γ)+V(γ)]+0.001×(Cr/[K(Cr)‑K(Cr)×V(γ)+V(γ)])2+38.2×(N/[K(N)‑K(N)×V(γ)+V(γ)])0.5‑2.8×Si/[K(Si)‑K(Si)×V(γ)+V(γ)]‑1.34×Mn/[K(Mn)‑K(Mn)×V(γ)+V(γ)]+0.06×(Mn/[K(Mn)‑K(Mn)×V(γ)+V(γ)])2………………[式2]，在[式2]中，Ni、Cu、Cr、N、Si、Mn表示各元素成分的总含量(wt％)，K(x)是各元素成分(x)的分配系数，且由下述[式3]表示，V(γ)是奥氏体的相分率(0.45～0.75K(x)＝[铁素体相中的x元素的含量]/[奥氏体相中的x元素的含量]………………[式3]。
- 双相不锈钢经济型奥氏体相铁素体相奥氏体奥氏体系不锈钢应变诱发马氏体堆垛层错分配系数临界应变双相组织铁素体优选制造
- [发明专利]一种基于认知网络的网络流量预测方法和装置-CN201010585259.9有效
-
朱晓敏;谷秀君;张润彤;李丹丹;杨泽东;华蕊;李岩
-
北京交通大学
-
2010-12-10
-
2011-05-11
-
H04W16/22
- 本发明提供了一种基于认知网络的网络流量预测方法和装置，通过对输入信号X(t)进行最小二乘法处理，输出预测样本数据Y(t)，对Y(t)进行小波变换，分解为不同频率成分的分量，k时刻小波变换系数序列{D1(k)，D2(k)，…DL(k)，AL(k)}，把分量{D1(k)，D2(k)，…DL(k)}作为Elman网络的输入，k+T时刻的小波系数{D1(k+T)，D2(k+T)，…DL(k+T)}作为输出来训练网络，把分量{AL(k)}作为线性网络的输入，{AL(k+T)}来作为输出来训练网络，将训练好的小波各分量{D1(k+T)，D2(k+T)，…DL(k+T)，AL(k+T)}作为BP网络的输入，k+T时刻的原始流量时间{f(k+T)}作为网络输出，训练网络，获取预测输出，针对以往的流量模型以及预测方法的利弊，引入LMS算法对输入样本进行预处理，再输入到接下来的小波神经网络预测模型(WNN)中，解决了现有模型的“过拟合
- 一种基于认知网络网络流量预测方法装置
|
