基于局部加热的附着生物驱赶和灭杀方法、系统及管道

    公开(公告)号:CN119949293A

    公开(公告)日:2025-05-09

    申请号:CN202510011229.3

    申请日:2025-01-03

    Applicant: 清华大学

    Inventor: 王宁羽 徐梦珍

    Abstract: 本申请涉及生物污损防治技术领域,特别涉及一种基于局部加热的附着生物驱赶和灭杀方法、系统及管道,其中,包括:获取目标内壁的附着生物数据;根据附着生物数据确定生物附着严重等级;基于生物附着严重等级确定加热装置的目标加热参数,根据目标加热参数控制加热装置加热产生热量,利用热量实现目标内壁表面附着生物驱赶和灭杀,由此,解决了相关技术使用的机械法、化学法和热法对目标内壁附着生物进行驱赶和灭杀造成的生产效率下降、附着生物难以彻底驱除、污染水资源、灭杀效率低和成本较高等问题。

    一种管道固液两相流预测方法、装置及存储介质

    公开(公告)号:CN119293881A

    公开(公告)日:2025-01-10

    申请号:CN202411328414.7

    申请日:2024-09-24

    Applicant: 清华大学

    Abstract: 本公开提供的一种管道固液两相流预测方法、装置及存储介质,包括收集待测矿物水力输送管道的工况条件;引入湍流扩散项#imgabs0##imgabs1#表示湍流粘度,下标T代表相态类型,T=L时表示液相,T=S时表示固相,ΦT表示相局部平均体积分数,σ为湍流扩散系数,需要预先率定;建立考虑该湍流扩散项#imgabs2#影响的固液两相质量守恒方程和固液两相动量守恒方程,以此构建单参数的双流体模型;将收集的所述待测矿物水力输送管道工况条件输入构建的双流体模型中,对其进行求解,输出用于预测管道固液两相流行为的参数。本公开的预测效率和精度高,仅需率定一个参数,即湍流扩散系数,简化了模型参数的率定和应用的复杂性。

    一种多层透明球床的最优折射率测量方法

    公开(公告)号:CN113252603A

    公开(公告)日:2021-08-13

    申请号:CN202110412983.X

    申请日:2021-04-16

    Applicant: 清华大学

    Abstract: 本发明属于光学测量及多孔介质固液运动测量领域,尤其涉及一种多层透明球床的最优折射率测量方法。首先摆放并调整好多个透明球、匹配液及容器、线激光光源、光线接收板、相机等组件。测试中先配置折射率较高的匹配液,然后逐级调低其折射率,在每个匹配液折射率条件下用相机记录线激光经过固液体系后在光线接收板上的光斑图像。对光斑图像中未经过球体激光形成的光斑选取参考范围,计算平均光斑宽度,并与匹配液折射率建立关系,关系曲线的明显拐点即代表多层球床达到最优折射率匹配状态。本发明适用于在不改变或破坏透明球形态下直接精确确定多层透明球床达到最优折射率匹配状态时的匹配液折射率。

    泥石流示踪粒、内部流速实验系统、内部流场测算方法

    公开(公告)号:CN111141927A

    公开(公告)日:2020-05-12

    申请号:CN201911423303.3

    申请日:2019-12-31

    Abstract: 本发明公开泥石流示踪粒、内部流速实验系统、内部流场测算方法。泥石流示踪粒用于投放入泥石流体中捕捉泥石流运动信息,产品包括进行密封防水封装为一体的支撑件组、电子组件、配重组件,电子组件包括电路板及其上集成的电池、六轴传感器、数据存储通信组件。示踪粒能够有效模拟泥石流不同的颗粒级配特征,构成对泥石流组成颗粒在不同空间位置中的全方位模拟,提供研究泥石流内部流速特征的基础数据。泥石流内部流速实验系统,包括实验水槽与其上方的示踪粒投放装置。实验系统能够模拟泥石流不同运动状态,采集丰富的颗粒运动参数。泥石流内部流场测算方法,能够获得泥石流内部流场动态模拟模型,测算泥石流内部流场,描述颗粒分布特征。

    水中有害微体生物的灭杀装置、灭杀方法及输水工程系统

    公开(公告)号:CN102424458A

    公开(公告)日:2012-04-25

    申请号:CN201110255939.9

    申请日:2011-09-01

    Applicant: 清华大学

    Abstract: 本发明一种针对水中有害微体生物的灭杀装置,包括过流通道和其中安装的孔板,所述孔板沿过流断面方向横过所述过流通道,并与所述过流通道的内壁固定连接,而且所述孔板与所述过流通道内壁之间不留空隙。在推动水体流动的动力系统的推动下,利用水流通过不同规格的孔板产生的不同的脉动波,能够有效的有选择的灭杀水中一定体长范围的水中有害微体生物,不仅满足水源的使用要求,而且不损伤或少损伤水中生活的与灭杀对象体长不同的生物,对水源的使用更为有利,本发明还涉及针对水中有害微体生物的灭杀方法和应用该灭杀装置和灭杀方法的输水工程系统。

    用于水体中沼蛤幼虫灭杀的脉冲射流装置及方法

    公开(公告)号:CN119744836A

    公开(公告)日:2025-04-04

    申请号:CN202510146447.8

    申请日:2025-02-10

    Applicant: 清华大学

    Abstract: 本发明公开了一种用于水体中沼蛤幼虫灭杀的脉冲射流装置,脉冲射流装置包括主体、控制件,主体内部形成有容腔,主体的侧壁形成有与容腔连通的进水口和第一喷水孔,进水口适于向容腔内通入高压水流;控制件可移动地设置于主体上且控制件的部分伸入容腔内,控制件形成有阻水部和第二喷水孔,阻水部与第一喷水孔正对时封闭第一喷水孔,第二喷水孔与第一喷水孔的至少部分正对时进行射流以适于对沼蛤幼虫进行灭杀。本发明的脉冲射流装置,可以利用高压射流产生强剪切力和紊动效应,通过物理方式破坏沼蛤幼虫的生理结构,实现沼蛤幼虫的有效灭杀。

    一种拒马型泥石流防治结构及其制备方法

    公开(公告)号:CN115198671A

    公开(公告)日:2022-10-18

    申请号:CN202210893590.X

    申请日:2022-07-27

    Applicant: 清华大学

    Abstract: 一种拒马型泥石流防治结构及其制备方法,所述结构包括拒马型锁扣,所述拒马型锁扣包括多个X交叉的交叉管,在所述交叉管的交叉点上部固定有水平管,在所述交叉管和水平管中分别穿过支撑树干和水平树干,所述支撑树干从下部伸出的长度大于上部伸出的长度,下部伸出的部分用于支撑,所述水平树干将多个交叉管串联为相互平行的排状X型拒马状结构。本发明用于拦截泥石流运动,消耗泥石流动能,由于拒马型结构能够有效展宽,结构内部可与泥石流颗粒充分接触,从而实现拦截泥石流运动的目的。本发明结构简单有效,能够适应复杂的地形环境和施工条件。

    一种仿生型消能减灾结构单元

    公开(公告)号:CN114892593A

    公开(公告)日:2022-08-12

    申请号:CN202210618808.0

    申请日:2022-06-01

    Applicant: 清华大学

    Abstract: 一种仿生型消能减灾结构单元,包括球形或多面体网状结构和若干倒伞状结构,每个所述倒伞状结构包括纵筋伞柄和多个伞骨,所述网状结构内部中空,表面为网状,网孔孔口的口径大于所述纵筋伞柄的外径;所述纵筋伞柄底端通过所述网状结构表面的网孔嵌入所述网状结构,且所述纵筋伞柄与网孔壁固定;所述伞骨底部与所述纵筋伞柄的顶端相连,且伞骨与所述纵筋伞柄的本体形成钝角。本发明通过仿照蒲公英形状构建消能减灾结构单元,提高了结构的强度,解决了阶梯结构的搭建问题,同时能够满足消能减灾结构单元的施工需求,可在施工条件差的泥石流沟道作业,而且配置难度低、速度快。

    一种流域水沙研究模型的智能集合评估方法和系统

    公开(公告)号:CN110765418B

    公开(公告)日:2021-07-20

    申请号:CN201910953930.1

    申请日:2019-10-09

    Applicant: 清华大学

    Abstract: 一种流域水沙研究模型的智能集合评估方法和系统,包括以下步骤:(1)确立研究对象,包括流域、因变量、自变量和时间尺度;(2)筛选最优模型:将确立的流域水沙数据集随机置乱后切分为训练集和测试集,选取不同机器学习方法并在不同的时间尺度和不同的自变量组合下分流出多组以涵盖所有可能的情况,每种情况通过获取参数和筛选得到一组最优模型,每种方法再筛选出一组结果最好的作为最终的最优模型;(3)基于三种不同指标体系评估最终的最优模型,指标体系包括无量纲指标和有量纲指标用于评估模型的优良性和基于最小信息准则的评价指标用于平衡模型拟合结果的优良性和复杂度。用统一的标准对集合的各类型模型的适用性给出定量的评估结果。

    基于人工神经网络的鱼类轨迹跟踪方法和系统

    公开(公告)号:CN112070799A

    公开(公告)日:2020-12-11

    申请号:CN202010478461.5

    申请日:2020-05-29

    Applicant: 清华大学

    Abstract: 本发明涉及一种基于人工神经网络的鱼类轨迹跟踪方法和系统,该方法包括:S1,获取目标鱼类的视频或图像;S2,获取带有标签的鱼体图像作为初始训练样本集并输入U‑net卷积神经网络通过深度学习算法进行迭代训练得到鱼体识别神经网络模型;S3,利用鱼体识别神经网络模型对采集的目标鱼类的视频或图像中的鱼体进行识别并分割出鱼体形态,计算鱼体中预设点的位置;S4,利用目标跟踪算法得到目标鱼类的运动轨迹,分析目标鱼类的运动特征。该方法能够精确地对鱼体进行识别和轨迹跟踪,从而降低实验对光照条件的依赖及克服鱼缸的镜面反射和水面波动的影响,计算效率高,可以应用到长时间的实验视频中,识别和轨迹跟踪的效果提高。

Patent Agency Ranking