|
搜索
搜 索
高等教育領(lǐng)域數(shù)字化綜合服務(wù)平臺(tái)
.jpg){kind=logo}
基于核外電子概率密度分布的復(fù)雜曲面零件匹配檢測(cè)方法
本發(fā)明屬于精密加工與測(cè)量技術(shù)領(lǐng)域，并公開了一種基于核外 電子概率密度分布的復(fù)雜曲面零件匹配檢測(cè)方法，包括:對(duì)待測(cè)零件 進(jìn)行非接觸式掃描獲得掃描點(diǎn)云，并將其與設(shè)計(jì)點(diǎn)云組成匹配比較對(duì) 象;將兩片點(diǎn)云轉(zhuǎn)換到同一三維坐標(biāo)系內(nèi)，并將各個(gè)點(diǎn)看作原子的原子核，將此原子核的鄰域點(diǎn)看作核外電子，遍歷所有點(diǎn)計(jì)算得出其對(duì) 應(yīng)的電子概率密度分布值;基于計(jì)算得出的電子概率密度分布值確定 兩個(gè)模型的誤差，并在當(dāng)前誤差不滿足終止條件時(shí)對(duì)測(cè)量點(diǎn)云進(jìn)行粗 匹配和精匹配，直至滿足終止條件為止。通過本發(fā)明，能夠有效解決 現(xiàn)有非接觸式匹配
華中科技大學(xué)
2021-04-14
可有效保留邊界和局部特征的復(fù)雜曲面零件點(diǎn)云精簡(jiǎn)方法
本發(fā)明屬于精密加工與測(cè)量技術(shù)領(lǐng)域，并公開了一種可有效保留邊界和局部特征的復(fù)雜曲面零件點(diǎn)云精簡(jiǎn)方法，包括:對(duì)復(fù)雜曲面 零件生成掃描點(diǎn)云;針對(duì)點(diǎn)云中的各個(gè)點(diǎn)獲得多個(gè)鄰域點(diǎn)并計(jì)算得出 法線向量;繼續(xù)以各個(gè)點(diǎn)為球心找出最短半徑范圍內(nèi)的 m 個(gè)點(diǎn)，然后 求出點(diǎn)云中各個(gè)點(diǎn)的法線向量與這 m 個(gè)點(diǎn)的法線向量之間夾角的平均 值;基于夾角平均值來設(shè)定閾值，然后執(zhí)行特征粗分類;進(jìn)行二次細(xì) 分以完成第一個(gè)精簡(jiǎn)子集的選取，然后基于定向Hausdorff距離來完成 第二個(gè)精簡(jiǎn)子集的選取
華中科技大學(xué)
2021-04-14
永磁同步電機(jī)的電角度旋向和初始值辨識(shí)方法及系統(tǒng)
本發(fā)明公開了一種永磁同步電機(jī)的電角度初始角度和旋向的辨 識(shí)方法及系統(tǒng)，首先通過算法得到轉(zhuǎn)子磁鏈角度的估計(jì)值，然后輸出 角度為轉(zhuǎn)子磁鏈角度估計(jì)值的定子電流，接著確定轉(zhuǎn)子磁鏈角度的估 計(jì)值與轉(zhuǎn)子磁鏈角度的真實(shí)值的位置關(guān)系，并依靠得到的位置關(guān)系， 得到一個(gè)更準(zhǔn)確的轉(zhuǎn)子磁鏈角度的估計(jì)值，反復(fù)執(zhí)行以上步驟數(shù)次， 轉(zhuǎn)子磁鏈角度的估計(jì)值將與轉(zhuǎn)子磁鏈角度的真實(shí)值重合，該磁鏈角度 估計(jì)值與編碼器反饋的轉(zhuǎn)子角度之差值即為電角度的初始值，最后， 利用電角度旋向辨識(shí)算法，辨識(shí)電角度旋向與編碼器反饋的旋向的相 對(duì)關(guān)系，若兩者
華中科技大學(xué)
2021-04-14
一種固定化的洋蔥伯克霍爾德菌脂肪酶及其制備方法
本發(fā)明公開了一種固定化的洋蔥伯克霍爾德菌脂肪酶及其制備方法。所述固定化的洋蔥伯克霍爾德菌脂肪酶，包括碳納米管基質(zhì)和洋蔥伯克霍爾德菌脂肪酶，所述洋蔥伯克霍爾德菌脂肪酶通過親和吸附和/或共價(jià)結(jié)合的方式結(jié)合在碳納米管基質(zhì)的開放端口、表面和內(nèi)壁。所述制備方法包括以下步驟：(1)硫酸超聲處理碳納米管；(2)制備碳納米管與洋蔥伯克霍爾德菌脂肪酶混合液；(3)將碳納米管與洋蔥伯克霍爾德菌脂肪酶混合液在 4℃至 60℃下，振蕩反應(yīng)，獲得所述固定化的洋蔥伯克霍爾德菌脂肪酶。本發(fā)明提供的固定化的洋蔥伯克霍爾德菌脂肪酶增
華中科技大學(xué)
2021-04-14
一種金屬氧化物/鉑納米顆粒復(fù)合催化劑的制備方法
本發(fā)明公開了一種金屬氧化物/鉑納米顆粒復(fù)合催化劑的制備方 法，該方法包括:使用原子層沉積方法生長鉑納米催化劑顆粒和金屬 氧化物，通過改變?cè)訉映练e循環(huán)次數(shù)，從而沉積所需厚度的氧化物 復(fù)合層和所需粒徑的納米顆粒，兩者結(jié)合形成復(fù)合催化劑。通過本發(fā) 明，可以精確制備金屬氧化物和鉑納米顆粒的復(fù)合催化劑，錨定金屬 催化顆粒從而提高鉑催化劑在高溫下的熱穩(wěn)定性，且由于氧化物薄膜 與金屬直接具有催化協(xié)同效應(yīng)，能夠在提高催化劑抗燒結(jié)性的同時(shí)， 提高催化劑的活性。
華中科技大學(xué)
2021-04-14
一種檢測(cè) SCN11A 基因第 673 位堿基突變的試劑盒
本發(fā)明提供了一種變異的 SCN11A 基因，即人類周圍神經(jīng)發(fā)作性疼痛致病基因 SCN11A，其特征在于該變異的 SCN11A 基因的第 673位堿基由野生型的 C 變異為 T；或該變異的 SCN11A 基因的第 2423位堿基由野生型的 C 變異為 G。本發(fā)明還提供了一種檢測(cè)來源于人體生物樣本中是否存在所述基因的突變方法及檢測(cè)試劑盒。本發(fā)明提供的變異的人類 SCN11A 基因可用于制備人類周圍神經(jīng)發(fā)作性疼痛基因診斷芯片，變異的人類 SCN11A 基因所編碼的蛋白質(zhì)可作為治療人類周圍神經(jīng)發(fā)作性疼痛的藥
華中科技大學(xué)
2021-04-14
一種數(shù)控系統(tǒng)伺服驅(qū)動(dòng)信號(hào)諧波頻率的自動(dòng)校正方法
本發(fā)明公開了一種數(shù)控系統(tǒng)伺服驅(qū)動(dòng)信號(hào)諧波頻率的自動(dòng)校正 方法，其包括：采集數(shù)控系統(tǒng)伺服驅(qū)動(dòng)信號(hào)，進(jìn)行快速傅氏變換，將 伺服驅(qū)動(dòng)信號(hào)的幅度譜按幅值由大到小排列獲得幅值有序序列 A＝ {a1,a2,…,an}，利用 Fibonacci 數(shù)列法或黃金分割法搜索得到有序序列 A 中的分段點(diǎn)，分別獲取有序序列 A 的第 1 段和第 2 段中幅值的平均 值 A1、A2，進(jìn)而計(jì)算獲得閾值 t；利用閾值 t 逐個(gè)提取并保存幅度譜 中的各諧波波段；利用提取的各諧波波段結(jié)合校正公式實(shí)現(xiàn)諧波頻率 的自動(dòng)校正。本發(fā)明通過按
華中科技大學(xué)
2021-04-14
基于含鐵污泥熱解殘?jiān)?em>的污泥復(fù)合調(diào)理劑及其制備與應(yīng)用
本發(fā)明公開了一種基于含鐵污泥熱解殘?jiān)奈勰鄰?fù)合調(diào)理劑及其制備與應(yīng)用，該污泥復(fù)合調(diào)理劑包括含鐵污泥熱解殘?jiān)芭c該含鐵污泥熱解殘?jiān)浜鲜褂玫难趸瘎黄渲校F污泥熱解殘?jiān)且院F元素試劑參與的高級(jí)氧化技術(shù)中得到的含鐵污泥為對(duì)象，脫水后得到含鐵泥餅，接著再將該含鐵泥餅進(jìn)行熱解處理得到的熱解殘?jiān)１景l(fā)明其中通過對(duì)含鐵污泥泥餅的后續(xù)處理工藝整體、再利用方式，以及各個(gè)后續(xù)處理工藝步驟的具體反應(yīng)條件參數(shù)等進(jìn)行改進(jìn)，與現(xiàn)有技術(shù)相比能夠有效解決現(xiàn)有污泥處理處置技術(shù)末端的泥餅處理處置的問題，再利用含鐵污泥泥餅形成可用于
華中科技大學(xué)
2021-04-14
廢電路板破碎分離回收銅殘余非金屬粉催化熱解的方法
本發(fā)明公開了一種廢電路板破碎分離回收銅殘余非金屬粉催化熱解的處理方法，該方法是在非金屬粉中加入堿性廢渣混合均勻得到混合物，然后對(duì)該混合物進(jìn)行熱解，從而實(shí)現(xiàn)非金屬粉與堿性廢渣的共熱解；堿性廢渣中含有金屬氧化物，能夠促進(jìn)熱解產(chǎn)物的催化，使得得到的熱解產(chǎn)物中，熱解氣中的溴含量下降，而被固定在熱解殘?jiān)械匿逶睾可撸瑹峤饨褂蛢?nèi)含碳數(shù)為 5～10 的輕質(zhì)油比例提高。本發(fā)明通過對(duì)關(guān)鍵共熱解反應(yīng)的反應(yīng)參數(shù)、條件以及該反應(yīng)所對(duì)應(yīng)的微觀作用機(jī)理等進(jìn)行改進(jìn)，與現(xiàn)有技術(shù)相比能夠有效解決熱解產(chǎn)物中的熱解油以重質(zhì)焦油為主 。
華中科技大學(xué)
2021-04-14
可有效保留邊界和局部特征的復(fù)雜曲面零件點(diǎn)云精簡(jiǎn)方法
本發(fā)明屬于精密加工與測(cè)量技術(shù)領(lǐng)域，并公開了一種可有效保留邊界和局部特征的復(fù)雜曲面零件點(diǎn)云精簡(jiǎn)方法，包括：對(duì)復(fù)雜曲面 零件生成掃描點(diǎn)云；針對(duì)點(diǎn)云中的各個(gè)點(diǎn)獲得多個(gè)鄰域點(diǎn)并計(jì)算得出 法線向量；繼續(xù)以各個(gè)點(diǎn)為球心找出最短半徑范圍內(nèi)的 m 個(gè)點(diǎn)，然后 求出點(diǎn)云中各個(gè)點(diǎn)的法線向量與這 m個(gè)點(diǎn)的法線向量之間夾角的平均 值；基于夾角平均值來設(shè)定閾值，然后執(zhí)行特征粗分類；進(jìn)行二次細(xì) 分以完成第一個(gè)精簡(jiǎn)子集的選取，然后基于定向 Hausdorff 距離來完成 第二個(gè)精簡(jiǎn)子集的選取；最后對(duì)兩個(gè)精簡(jiǎn)子集進(jìn)行合并，由此獲得
華中科技大學(xué)
2021-04-14