-
公开(公告)号：CN119253071A
公开(公告)日：2025-01-03
申请号：CN202411381660.9
申请日：2024-09-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H01M10/0567 , H01M10/0568 , H01M10/0569 , H01M10/052 , H01M10/42
Abstract: 本发明属于电解液技术领域，具体公开了一种用于锂金属电池快速充电的电解液，通过在碳酸酯类电解液中引入3‑环丁烯砜和LiNO3添加剂，3‑环丁烯砜能够促进LiNO3在商用碳酸酯类电解液中的溶解，LiNO3和3‑环丁烯砜通过还原分解生成无机氮化物、硫化物和氧化物，从而在锂金属表面构建了一种兼具高离子电导率和高机械强度的SEI膜，进而改善锂沉积的均匀性，提升快充充电工作条件下锂金属电池的循环寿命。
-
公开(公告)号：CN116859423A
公开(公告)日：2023-10-10
申请号：CN202311116881.9
申请日：2023-09-01
Abstract: 本发明涉及一种GNSS观测网解算中独立基线的确定方法、装置及设备，所述方法包括确定所有观测站对之间每个历元的同步观测卫星；观测站对通过任意两个观测站组成；基于同步观测卫星确定一天中每个观测站对的同步观测次数并构建同步观测矩阵，以及根据每个观测站对的两个观测站之间的坐标距离构建距离矩阵；根据同步观测矩阵和距离矩阵，确定独立基线选择基准。本发明通过得到独立基线选择基准为两个观测站之间不同观测次数与基线长度的比值，表示每单位距离观察到的卫星数量，本申请技术方案通过只寻找最大观测值或最短基线来克服基线精度下降的问题，提高了独立基线定位精度且计算步骤简便。
-
公开(公告)号：CN114676603A
公开(公告)日：2022-06-28
申请号：CN202210595934.9
申请日：2022-05-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳星地孪生科技有限公司
Abstract: 本申请涉及一种地球辐射带模型选用方法及系统，方法包括：接收模型选用指令，基于预先设定的分析角度，从模型选用指令中获取各分析角度对应的分析数据，基于分析角度和分析角度对应的分析数据，在备选的多个地球辐射带模型中确定符合模型选用指令的目标地球辐射带模型。由于地球辐射带受地磁场、太阳活动和轨道高度等影响，所以本申请中的分析角度至少包括：内带电效应分析、工程任务轨道分析、辐射带环境类别分析和太阳活动情况分析。根据本申请中的分析角度可以更好的在多个备选地球辐射带模型中选用符合模型选用指令的目标地球辐射带模型。
-
公开(公告)号：CN113901704A
公开(公告)日：2022-01-07
申请号：CN202111397846.X
申请日：2021-11-24
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳星地孪生科技有限公司
Abstract: 本申请涉及一种确定航天器在轨周期粒子注量及置信度的方法及设备，方法包括：确定航天器在轨周期时长和发射日期区间，根据航天器在轨周期时长和发射日期区间，建立航天器在轨周期的粒子注量统计图，根据航天器在轨周期的注量统计图，得到航天器在轨周期内，不同粒子注量的出现概率。本申请中可以根据航天器在轨周期时长和发射日期区间，快速确定航天器在轨周期内不同粒子注量的出现概率即置信度，从而确定最恶劣辐射粒子注量及其置信度，为航天器的设计提供依据。
-
公开(公告)号：CN116136975B
公开(公告)日：2023-08-15
申请号：CN202310160993.8
申请日：2023-02-24
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳星地孪生科技有限公司
Abstract: 本申请涉及中性大气预测技术领域，尤其涉及一种基于LSTM神经网络的中性大气温度密度预测方法及设备，方法包括：获取观测数据；观测数据至少包括：太阳辐射指数和地磁活动指数。将观测数据输入预先训练的LSTM神经网络，得到中性大气温度和密度随时间变化的数据。本申请中的技术方案，利用LSTM神经网络，深度学习历史观测数据，生成以太阳辐射指数和地磁活动指数作为输入的预测模型，从而给出得到中性大气温度和密度随时间变化的数据。相比于现有的经验模型，本申请中基于LSTM神经网络进行预测，准确度更高，更符合真实观测结果。
-
Patent Agency Ranking
公开(公告)号：CN115983495B
公开(公告)日：2023-08-11
申请号：CN202310134274.9
申请日：2023-02-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳星地孪生科技有限公司
IPC: G06Q10/04 , G06N5/04 , G06F18/214
Abstract: 本申请涉及空间环境预报技术领域，尤其涉及一种基于RFR‑Net的全球中性大气温度密度预测方法及设备，方法包括：获取大气环境数据；根据大气环境数据生成待还原全球大气环境分布图，并对待还原全球大气环境分布图的缺失部分生成遮罩图层。将待还原全球大气环境分布图和遮罩图层输入预先训练的空间分布模型，使空间分布模型根据待还原全球大气环境分布图的已有部分，对待还原全球大气环境分布图的缺失部分进行还原，得到还原后的完整全球大气环境分布图；根据完整全球大气环境分布图确定全球大气环境数据。本申请的技术方案，可以确定全球大气环境数据，且相较于传统的中性大气经验模型对大气环境数据的模拟结果更加准确。
-
公开(公告)号：CN114676603B
公开(公告)日：2022-09-20
申请号：CN202210595934.9
申请日：2022-05-30
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳星地孪生科技有限公司
Abstract: 本申请涉及一种地球辐射带模型选用方法及系统，方法包括：接收模型选用指令，基于预先设定的分析角度，从模型选用指令中获取各分析角度对应的分析数据，基于分析角度和分析角度对应的分析数据，在备选的多个地球辐射带模型中确定符合模型选用指令的目标地球辐射带模型。由于地球辐射带受地磁场、太阳活动和轨道高度等影响，所以本申请中的分析角度至少包括：内带电效应分析、工程任务轨道分析、辐射带环境类别分析和太阳活动情况分析。根据本申请中的分析角度可以更好的在多个备选地球辐射带模型中选用符合模型选用指令的目标地球辐射带模型。
-
公开(公告)号：CN118198502A
公开(公告)日：2024-06-14
申请号：CN202410401647.9
申请日：2024-04-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: H01M10/0569 , H01M10/0567 , H01M10/052
Abstract: 本发明属于锂电池技术领域，具体涉及一种锂金属电池电解液及锂金属电池，通过在碳酸酯类电解液中引入1,3‑二甲基‑3,4,5,6‑四氢‑2‑嘧啶酮和硝酸锂添加剂，硝酸锂还原分解生成Li3N和LiNxOy，在锂金属表面形成电化学性能稳定、离子电导率高的无机层，并且进一步生成均匀致密的富氮有机层，提升SEI膜的柔韧性，可以缓解锂金属因体积膨胀引起的应力，降低SEI在循环过程中破裂的风险。此外，有机组分还有助于形成平坦且致密的SEI结构，作为保护屏障，抑制有害副反应和电解质的消耗，能有效地抑制锂枝晶的生长，提升锂金属电池的高倍率性能以及电池循环寿命。
-
公开(公告)号：CN116136975A
公开(公告)日：2023-05-19
申请号：CN202310160993.8
申请日：2023-02-24
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳星地孪生科技有限公司
Abstract: 本申请涉及中性大气预测技术领域，尤其涉及一种基于LSTM神经网络的中性大气温度密度预测方法及设备，方法包括：获取观测数据；观测数据至少包括：太阳辐射指数和地磁活动指数。将观测数据输入预先训练的LSTM神经网络，得到中性大气温度和密度随时间变化的数据。本申请中的技术方案，利用LSTM神经网络，深度学习历史观测数据，生成以太阳辐射指数和地磁活动指数作为输入的预测模型，从而给出得到中性大气温度和密度随时间变化的数据。相比于现有的经验模型，本申请中基于LSTM神经网络进行预测，准确度更高，更符合真实观测结果。
-
公开(公告)号：CN116011680A
公开(公告)日：2023-04-25
申请号：CN202310134273.4
申请日：2023-02-20
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院) , 深圳星地孪生科技有限公司
IPC: G06Q10/04 , G06N3/08 , G06N3/0464
Abstract: 本申请涉及F10.7指数预测技术领域，尤其涉及一种F10.7指数的预测方法及设备，方法，包括：获取上一周期的历史F10.7指数作为输入数据；将输入数据输入预先训练的预测模型，得到当前周期的预测F10.7指数；其中，预测模型基于SCINet网络和经验模态分解进行训练。因经验模态分解是依据数据自身的时间尺度特征来进行信号分解，无需预先设定任何基函数，是一种时频域信号处理方式，所以经验模态分解在处理非平稳及非线性数据上具有明显的优势，适合分析非线性非平稳的信号序列。SCINet网络是当前深度学习在时间序列预测中较为出色的模型，通过结合上述两种技术手段，本申请中的预测模型在训练时所付出的时间成本相对现有技术中的其他模型更低。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.024 seconds)
