-
公开(公告)号:CN115722204B
公开(公告)日:2024-07-23
申请号:CN202211447557.0
申请日:2022-11-18
Applicant: 黑龙江省原子能研究院 , 哈尔滨工程大学
Abstract: 一种氨基增强磷酸化纤维素铀吸附剂的制备方法,它属于含铀放射性废水治理领域。本发明要解决现有纤维素表面接枝率低,与铀作用的功能位点数量有限,铀吸附性能有待提高的问题。制备方法:将纤维素粉及尿素分散于N,N‑二甲基甲酰胺中反应,然后加入磷酸改性剂反应,最后清洗并干燥。本发明用于氨基增强磷酸化纤维素铀吸附剂的制备。
-
公开(公告)号:CN115722204A
公开(公告)日:2023-03-03
申请号:CN202211447557.0
申请日:2022-11-18
Applicant: 黑龙江省原子能研究院 , 哈尔滨工程大学
Abstract: 一种氨基增强磷酸化纤维素铀吸附剂的制备方法,它属于含铀放射性废水治理领域。本发明要解决现有纤维素表面接枝率低,与铀作用的功能位点数量有限,铀吸附性能有待提高的问题。制备方法:将纤维素粉及尿素分散于N,N‑二甲基甲酰胺中反应,然后加入磷酸改性剂反应,最后清洗并干燥。本发明用于氨基增强磷酸化纤维素铀吸附剂的制备。
-
公开(公告)号:CN116541748A
公开(公告)日:2023-08-04
申请号:CN202310493011.7
申请日:2023-05-05
Applicant: 哈尔滨工程大学
IPC: G06F18/24 , G06F16/35 , G06F18/214 , G06N3/0464 , G06N3/08 , G06F30/27 , G06Q50/06 , G01R31/08
Abstract: 本发明涉及电网系统故障诊断领域,尤其是涉及一种基于人工智能技术的电网故障诊断方法和系统,本发明在对复杂电网故障诊断时,根据获取的故障信息的类型不同,分为数值型信息和文本型信息,将两种不同类型信息分别输入到不同的人工智能模型,避免了输入信息维度过大,造成人工智能模型训练量大和对硬件要求高的情况;同时,根据模型对数据类型的适用程度不同,针对数值型信息采用卷积神经网络模型进行故障诊断,针对文本型信息采用BP卷积神经网络模型进行故障诊断,然后根据两个诊断结果确定最终诊断结论,大大提高了故障诊断的准确性。
-
-