-
公开(公告)号：CN112826513B
公开(公告)日：2022-02-18
申请号：CN202110005160.5
申请日：2021-01-05
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于深度学习和特异性矫正在FECG上胎儿心率检测系统，属于胎心心电图上的胎儿心率检测领域。本发明通过独立成分分析、深度神经网络、一维目标检测、特异性模型诊断等方法，由于卷积神经网络和循环神经网络在处理一维信号方面性能优越，本发明将当下热门的目标检测技术迁移到一维信号上搭建出一个全部基于深度学习的针对胎心心电图的完整检测框架，同时又使用一个特异性矫正模型消除个体差异从而解决机器学习应用到医学问题上经常出现的因病人个体差异导致的模型泛化能力差的问题，从而实现了基于胎心心电图的胎儿心率准确监测，可用于临床诊断。
-
公开(公告)号：CN111697263B
公开(公告)日：2021-08-10
申请号：CN202010586117.8
申请日：2020-06-24
Applicant: 华中科技大学
IPC: H01M10/0565 , H01M10/0525
Abstract: 本发明属于聚合物电解质领域，更具体地，涉及一种有机无机杂化聚合物电解质、其制备和应用。其首先采用氨基硅烷偶联剂对纤维素进行化学改性；然后使硅烷偶联剂改性的纤维素含有的氨基与含有溴引发位点的酰溴试剂反应，使含溴引发剂连接到所述纤维素表面，最后将具有溴引发位点的改性纤维素与单体和锂盐混合，加热引发单体聚合得到基于表面引发聚合的有机无机杂化的聚合物电解质。该聚合物电解质应用于锂电池时，其改性纤维素基底提供较好的力学支撑，使得该电解质膜具有较好的力学性能，同时，由于该纤维素基底被硅烷偶联剂所包覆，含硅的无机成分的引入，使得电解质膜的离子电导率得到提高。
-
公开(公告)号：CN110987433B
公开(公告)日：2021-05-18
申请号：CN201911280815.9
申请日：2019-12-13
Applicant: 华中科技大学
IPC: G01M13/045
Abstract: 本发明公开了一种基于高频信号特征幅值的轴承故障预警方法，属于滚动轴承故障预警领域，该方法包括：等间隔采集训练轴承的振动信号；对振动信号做离散小波变换并提取高频分量；对高频分量绝对值进行排序得到强化冲击振幅LR和地毯冲击振幅HR；将同一时刻对应的LR‑HR值作为该时刻预警特征；根据训练轴承全寿命周期的LR‑HR值对训练轴承进行正常阶段和故障阶段划分；分别对各阶段的预警特征进行韦布尔分布拟合，得到概率分布；采集运行中测试轴承的LR‑HR值；基于概率分布计算测试轴承处于正常阶段和故障阶段的概率。本发明利用高频噪声信号进行故障预警，避免了复杂的去噪和信号增强过程，且故障预警特征会随着退化严重程度增大，预警速度快，适于实际应用。
-
公开(公告)号：CN111477953B
公开(公告)日：2021-04-02
申请号：CN202010332762.7
申请日：2020-04-24
Applicant: 华中科技大学
IPC: H01M10/0565 , H01M10/0525 , H01M10/42
Abstract: 本发明公开了一种具有自愈合功能的全固态聚合物电解质，包括交联聚合物和锂盐，所述交联聚合物是以含硫聚倍半硅氧烷为内核、含硼氧五元环的低聚物为交联臂形成的交联聚合物。该发明中硼氧五元环具有络合锂盐阴离子的能力，与含硫聚倍半硅氧烷协同作用，在使聚合物电解质具有优异的自愈合性能基础上，提高了聚合物电解质的离子电导率和机械性能。
-
公开(公告)号：CN110350243B
公开(公告)日：2020-12-04
申请号：CN201910694472.4
申请日：2019-07-30
Applicant: 华中科技大学
IPC: H01M10/0565 , H01M10/058 , H01M10/052
Abstract: 本发明公开了一种聚合物电解质的原位制备方法及其应用，该方法是在不使用配体的情况下，使包括单体、引发剂以及锂盐相混合，搅拌均匀形成前驱液，在保护性气体下，再将纤维素膜浸入所述前驱液中，加热反应24h，从而使所述单体进行原子转移自由基聚合反应，得到聚合物和聚合物电解质，并将其应用到锂电池中。本发明克服了现有聚合物电解质制备周期长、工艺路线复杂、有机溶剂的残留、杂质的引入等缺点，使得工艺流程简化，同时抑制锂枝晶的生长，能够彻底解决电解液漏液的问题。这是一种新型的简单有效地制备锂电池用聚合物电解质的方法。
-
Patent Agency Ranking
公开(公告)号：CN111326788A
公开(公告)日：2020-06-23
申请号：CN202010134146.0
申请日：2020-03-02
Applicant: 华中科技大学
IPC: H01M10/0565 , H01M10/0525 , H01M10/42 , C08F283/06 , C08F212/14 , C08F220/36 , C07D239/47 , C07C311/48 , C07C303/36
Abstract: 本发明属于聚合物电解质体系相关领域，公开了一种单离子聚合物电解质体系及其制备方法和应用，该单离子聚合物电解质体系由单离子聚合物电解质和金属盐组成，其中所述单离子聚合物电解质由含对苯乙烯磺酰基团的单离子导体锂盐、含四重氢键的UPyMA和聚乙二醇单甲醚甲基丙烯酸酯这三种单体经可逆加成-断裂链转移聚合反应得到。本发明通过对该单离子聚合物电解质体系中的关键结构、相关组成以及制备方法的整体工艺流程等多方面的优化设计，与现有技术相比不仅能够更好地解决聚合物电解质体系易产生裂纹的现象，而且还能够显著提高金属离子迁移数和离子电导率，同时有效抑制金属枝晶的生长，因而尤其适用于锂离子电池等金属离子电池领域。
-
公开(公告)号：CN110161425B
公开(公告)日：2020-05-19
申请号：CN201910416850.2
申请日：2019-05-20
Applicant: 华中科技大学
IPC: G01R31/392
Abstract: 本发明公开了一种基于锂电池退化阶段划分的剩余使用寿命的预测方法，包括：根据训练集的健康指标和电池容量值间的关系，建立容量预测模型；预测测试集的容量值；将训练集和测试集的容量值划分为3个阶段，并建立分类模型；根据第三阶段的健康指标和对应的剩余使用寿命建立RUL预测模型；采集待预测剩余使用寿命样本的健康指标，获取预测容量值；将预测容量值输入分类模型获得样本类别；若其处于第三阶段，则将样本的健康指标输入RUL预测模型获得剩余使用寿命的预测值。本发明根据分类模型和RUL预测模型准确预测处于第三阶段的电池剩余使用寿命，也只预测第三阶段的电池剩余使用寿命，使本发明的计算量较小。
-
公开(公告)号：CN110161425A
公开(公告)日：2019-08-23
申请号：CN201910416850.2
申请日：2019-05-20
Applicant: 华中科技大学
IPC: G01R31/392
Abstract: 本发明公开了一种基于锂电池退化阶段划分的剩余使用寿命的预测方法，包括：根据训练集的健康指标和电池容量值间的关系，建立容量预测模型；预测测试集的容量值；将训练集和测试集的容量值划分为3个阶段，并建立分类模型；根据第三阶段的健康指标和对应的剩余使用寿命建立RUL预测模型；采集待预测剩余使用寿命样本的健康指标，获取预测容量值；将预测容量值输入分类模型获得样本类别；若其处于第三阶段，则将样本的健康指标输入RUL预测模型获得剩余使用寿命的预测值。本发明根据分类模型和RUL预测模型准确预测处于第三阶段的电池剩余使用寿命，也只预测第三阶段的电池剩余使用寿命，使本发明的计算量较小。
-
公开(公告)号：CN108536127A
公开(公告)日：2018-09-14
申请号：CN201810357053.7
申请日：2018-04-20
Applicant: 华中科技大学
IPC: G05B23/02
CPC classification number: G05B23/0205
Abstract: 本发明公开了一种数据驱动的多变量控制系统的模型失配诊断方法，包括根据闭环操作数据，估计白噪声、辨识干扰模型、得到全局过程模型残差和各输出通道的过程模型残差。根据白噪声和全局过程模型残差获取全局模型质量指标，根据全局模型质量指标检测多变量控制系统的整体过程模型失配，根据白噪声和各输出通道的过程模型残差获取输出通道的整体模型质量指标和局部模型质量指标，用于确定多变量控制系统的模型失配的输入输出子通道，当前子通道的局部模型质量指标越接近于0，该输入输出子通道的过程模型存在的模型失配越严重。本发明在工业过程正常运行工况下即可诊断过程模型失配，降低了系统维护成本，提高了系统安全性。
-
公开(公告)号：CN119128648A
公开(公告)日：2024-12-13
申请号：CN202411275937.X
申请日：2024-09-12
Applicant: 华中科技大学无锡研究院 , 元始智能科技(南通)有限公司
IPC: G06F18/241 , G06F18/213 , G06N3/0464 , G06N3/08 , G01M13/00
Abstract: 本发明涉及一种针对于液压系统多速率数据的故障诊断方法。本发明包括获取液压系统中多传感器信号，所述多传感器信号包括由不同类型传感器采集到的压力、温度和/或振动信号对所述多传感器信号进行预处理；基于预处理后的所述多传感器信号，获取所述多传感器信号中对应高采样速率信号的第一故障特征和对应低采样速率信号的第二故障特征；对所述第一故障特征和所述第二故障特征进行融合，得到多速率融合特征；基于所述多速率融合特征，进行故障分类。本发明能够对液压系统故障部件进行准确故障识别，解决了多速率信号难以输入单一神经网络中进行推理训练的问题。
-
-
-
-
-
-
-
-
-
Search Results
55
records
(took 0.034 seconds)
