|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺
.jpg){kind=logo}
一種應(yīng)用于熱回收蒸發(fā)冷卻機(jī)組的新式轉(zhuǎn)輪除濕裝置
本實(shí)用新型公開了一種應(yīng)用于熱回收蒸發(fā)冷卻機(jī)組的新式轉(zhuǎn)輪除濕裝置，包括機(jī)殼，機(jī)殼內(nèi)設(shè)有再生腔和除濕腔，機(jī)殼內(nèi)設(shè)有分別與再生腔和除濕腔相配合的轉(zhuǎn)輪，再生腔的右側(cè)端貫通連接回風(fēng)管，再生腔的左側(cè)端貫通連接排風(fēng)管，回風(fēng)管的內(nèi)腔由內(nèi)到外依次設(shè)有電熱網(wǎng)、第一熱交換器和第一防護(hù)網(wǎng)，排風(fēng)管的內(nèi)腔由內(nèi)到外依次設(shè)有第二熱交換器、第一風(fēng)機(jī)和第二防護(hù)網(wǎng)，除濕腔的右側(cè)端貫通連接送風(fēng)管，除濕腔的左側(cè)端貫通連接新風(fēng)管；本實(shí)用新型通過設(shè)置第一熱交換器和第二熱交換器，配合循環(huán)泵，充分吸收廢氣中的熱量，用于加熱氣體，使得預(yù)熱循環(huán)利用，降
安徽建筑大學(xué)
2021-01-12
基于卷積神經(jīng)網(wǎng)絡(luò)的給水管網(wǎng)多點(diǎn)漏損定位方法及其裝置
本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的給水管網(wǎng)多點(diǎn)漏損定位方法，包括以下步驟：對供水管網(wǎng)壓力數(shù)據(jù)進(jìn)行采集，將采集的供水?dāng)?shù)據(jù)分為訓(xùn)練樣本和測試樣本；將各個樣本歸一化，歸一化后的訓(xùn)練樣本輸入到卷積神經(jīng)網(wǎng)絡(luò)模型中進(jìn)行訓(xùn)練，得到卷積神經(jīng)網(wǎng)絡(luò)模型，歸一化后的測試樣本對卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行測試，保存訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型；實(shí)時數(shù)據(jù)歸一化后輸入到訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型中，通過訓(xùn)練好的卷積神經(jīng)網(wǎng)絡(luò)模型來得到預(yù)測結(jié)果；將預(yù)測結(jié)果對比標(biāo)簽索引，判斷漏損。本發(fā)明還公開一種基于卷積神經(jīng)網(wǎng)絡(luò)的給水管網(wǎng)多點(diǎn)漏損定位裝置。本發(fā)明
安徽建筑大學(xué)
2021-01-12
一種利用浮力自動啟閉擋板實(shí)現(xiàn)截污流量可控的截流井
本實(shí)用新型公開了一種利用浮力自動啟閉擋板實(shí)現(xiàn)截污流量可控的截流井，它包括截流井構(gòu)筑物，所述截流井構(gòu)筑物內(nèi)設(shè)有合流管道，所述截流井構(gòu)筑物還連接有截流管道，所述截流井構(gòu)筑物內(nèi)通過轉(zhuǎn)軸設(shè)有擋板，且所述擋板與截流管道相鄰，所述擋板還固定連接有浮筒，當(dāng)水位發(fā)生變化，擋板通過浮筒和轉(zhuǎn)軸相對于截流管道轉(zhuǎn)動。本實(shí)用新型結(jié)構(gòu)簡單、制造容易、成本低廉、無需電力、無需任何精密設(shè)施、完全由水力自動控制擋板啟閉、維護(hù)管理非常方便、無堵塞問題，在發(fā)生溢流時截流管道可以做到零流量或者較小流量。
安徽建筑大學(xué)
2021-01-12
業(yè)大學(xué).jpg){kind=logo}
一套快速檢測蘋果枝條內(nèi)輪紋病菌侵染量的簡易方法
本發(fā)明公開了一套快速檢測蘋果枝條內(nèi)輪紋病菌侵染量的簡易方法，涉及植物體內(nèi)病原菌侵染量的快速檢測技術(shù)。本發(fā)明適用于檢測基部直徑不超過3厘米活體蘋果枝條的帶菌量。具體方法為在待檢測枝條的基部環(huán)剝皮層，寬度2~10毫米；用有效成份含量60g/L~100g/L的百草枯藥液浸泡吸水紙、脫脂棉、棉線或布條，取出瀝干后，纏繞在環(huán)剝口處，用膠帶或塑料膜包嚴(yán)；從處理后的第3天開始，檢查記錄處理枝條上發(fā)生病變和未發(fā)生
青島農(nóng)業(yè)大學(xué)
2021-01-12
一套早期檢測蘋果果實(shí)內(nèi)潛伏輪紋病菌的組織學(xué)方法
本發(fā)明公開了一套早期檢測蘋果果實(shí)內(nèi)潛伏輪紋病菌的組織學(xué)方法，涉及植物組織內(nèi)病原菌檢測領(lǐng)域。本方法適用于調(diào)查蘋果果實(shí)內(nèi)潛帶輪紋病菌的皮孔數(shù)量。具體方法為：對于欲檢測的蘋果果實(shí)或果實(shí)組織在不低于100℃的溫度蒸煮10分鐘以上，剝?nèi)”砥ぃ粍內(nèi)〉谋砥そ?jīng)1%~15%的次氯酸鈉透明5~20分鐘，1%~30%氫氧化鉀或氫氧化鈉浸泡3~5分鐘，0.1%~3%的苯胺藍(lán)水溶液染色3~5分鐘，用20%~80%的甘油作浮
青島農(nóng)業(yè)大學(xué)
2021-01-12
大學(xué).jpg){kind=logo}
一種消除熱軋超低碳鋼板酸洗后表面出現(xiàn)黑斑的軋制方法
（專利號：ZL 201310643733.2） 簡介：本發(fā)明公開了一種消除熱軋超低碳鋼板酸洗后表面出現(xiàn)黑斑的軋制方法，屬于金屬塑性成型加工領(lǐng)域。本發(fā)明軋制方法具體步驟是：（1）在板坯經(jīng)過連續(xù)加熱爐加熱到1180～1200℃出爐；（2）應(yīng)用高水壓、大水量除鱗，保證把鋼坯的表面溫度降到1150℃以下；（3）進(jìn)入粗軋機(jī)進(jìn)行軋制，軋制的相對壓下量不能大于經(jīng)驗(yàn)值；（4）進(jìn)行軋間高水壓、小水量除鱗；（5）重復(fù)步驟（3）、（4），直到板坯粗軋的目標(biāo)厚度
安徽工業(yè)大學(xué)
2021-01-12
轉(zhuǎn)盤式連續(xù)熱處理低階弱粘煤或低階不粘煤的方法
（專利號：ZL 201410030342.8） 簡介：本發(fā)明提供一種轉(zhuǎn)盤式連續(xù)熱處理低階弱粘煤或低階不粘煤的方法，屬于煤化工技術(shù)領(lǐng)域。該方法首先將干燥后粒度小于3mm的煤料通過螺旋震動給料器在頂部給料，不同氣氛介質(zhì)預(yù)熱到一定溫度后進(jìn)入轉(zhuǎn)盤式熱處理裝置，控制爐溫與電機(jī)轉(zhuǎn)速改變煤料的升溫速率來改質(zhì)低階弱粘煤或低階不粘煤。熱處理后煤樣的干燥無灰基揮發(fā)分由原來的42%左右降低到15%左右，H/C基本無變化，O/C相應(yīng)降低較多，熱處理后煤樣揮發(fā)分降
安徽工業(yè)大學(xué)
2021-01-12
一種彈性預(yù)加載下中厚板材熱態(tài)成形的方法和裝置
（專利號：ZL 201310137403.6） 簡介：本發(fā)明公開一種彈性預(yù)加載下中厚板材熱態(tài)成形的方法和裝置，屬于金屬板材塑性成形技術(shù)領(lǐng)域。本發(fā)明首先將中厚板材在預(yù)彎模具上進(jìn)行彈性預(yù)加載，使中厚板材發(fā)生彈性變形，然后根據(jù)中厚板材物理性能將待成形的中厚板材加熱至150-920℃，再向中厚板材受拉表面區(qū)域施以150-400℃高壓熱態(tài)液體介質(zhì)進(jìn)行沖擊，使中厚板材發(fā)生塑性變形，直至獲得所需的形狀為止。本發(fā)明方法由于中厚板材首先被加載發(fā)生彈性變形，
安徽工業(yè)大學(xué)
2021-01-12
一種向鋼液中加入納米粒子以優(yōu)化鋼組織的方法
（專利號：ZL 201310211127.3） 簡介：本發(fā)明公開了一種向鋼液中加入納米粒子以優(yōu)化鋼組織的方法，屬于鋼鐵冶金領(lǐng)域。其步驟為：將納米粉體與純鐵粉進(jìn)行混合分散，納米粉體與純鐵粉的質(zhì)量百分比分別為1~40%、60~99%，納米粉體的平均粒徑為10nm~5000nm；混合料在惰性氣體氣氛下利用熱壓技術(shù)燒結(jié)成納米粉體棒，該納米粉體棒的芯材為鋼棒，納米粉體棒的外層為混合料，熱壓燒結(jié)的壓力為5~40MPa，燒結(jié)溫度為1000~1400℃，
安徽工業(yè)大學(xué)
2021-01-12
.jpg){kind=logo}
基于卷積神經(jīng)網(wǎng)絡(luò)的城市軌道交通乘客擁擠程度檢測方法
本發(fā)明公開了一種基于卷積神經(jīng)網(wǎng)絡(luò)的城市軌道交通乘客擁擠程度檢測方法，首先對待檢測視頻進(jìn)行預(yù)處理，分段并提取運(yùn)動殘差圖像，將原始圖像與運(yùn)動殘差圖像組合作為卷積神經(jīng)網(wǎng)絡(luò)算法的輸入，建立至少包含一個卷積層和最大池化層的特征提取塊，處理并計算原始圖像和運(yùn)動殘差圖像中包含的人群狀態(tài)特征，再將人群狀態(tài)特征和運(yùn)動特征結(jié)合，構(gòu)建至少包含一個卷積層、最大池化層和全連接層的特征融合塊，進(jìn)行融合處理，同時構(gòu)建分類器，使用預(yù)制的帶有擁擠程度標(biāo)簽的訓(xùn)練集對卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，使分類器對待測視頻中的乘客擁擠程度進(jìn)行正確檢測，更加全面的表征監(jiān)控視頻中的客流狀況，實(shí)現(xiàn)擁擠程度的檢測，提高了算法檢測的準(zhǔn)確率。
東南大學(xué)
2021-04-13