-
公开(公告)号：CN113679506A
公开(公告)日：2021-11-23
申请号：CN202110768530.0
申请日：2021-07-07
Applicant: 兰州大学
Abstract: 本发明涉及3D打印技术领域，具体为一种3D打印内壁微图案化神经导管的简易制备方法，提出了一种快速、便捷、简易、低成本、适用多种生物材料的制备内壁微图案、侧壁无缝的一体化神经导管制备方法；其包括打印装置的搭建和墨水配置、打印及交联；该方法依托直接书写式3D打印系统，将“墨水”直接打印在具有微图案结构的钨钢棒上，交联固化后直接取下。与传统工艺相比，该方法不但具有同样精细度的微图案结构和无缝侧壁，并且操作简单、制备快速，设备一次搭建便可一直重复使用。本方法基于3D打印技术提出了一种快速、便捷、简易、低成本、适用多种生物材料的制备内壁微图案、侧壁无缝的一体化神经导管制备方法。
-
公开(公告)号：CN113270157A
公开(公告)日：2021-08-17
申请号：CN202110552056.8
申请日：2021-05-20
Applicant: 兰州大学
IPC: G16C60/00 , G06F30/23 , G06F30/27 , G06F119/14
Abstract: 本发明公开了一种基于机器学习的力学超材料设计与优化方法，包括：设计一系列力学超材料；通过有限元方法计算得到每种结构的力学性能参数；建立力学超材料结构特征与其对应力学性能参数的数据集；通过机器学习，映射力学超材料的结构特征以及通过有限元分析得到的力学性能之间的关系，并得到一系列新的满足我们设定力学性能的力学超结构；将机器学习得到的力学超材料再进行模拟建立新的数据集，再通过机器学习进一步优化力学超材料的结构以及力学性能；本发明的有益效果在于：本发明将机器学习应用到力学超材料设计与优化中，与以往基于丰富先验知识的传统方法不同，机器学习可以提供更多的选择。
-
公开(公告)号：CN113095127A
公开(公告)日：2021-07-09
申请号：CN202110224210.9
申请日：2021-03-01
Applicant: 兰州大学
Abstract: 本发明涉及土木工程结构健康评估与防灾减灾技术领域，具体为一种基于卫星图像的建筑震后定位与破坏状态评估方法，解决了利用卫星图像开展建筑物震后破坏状态评估中具有的稠密小目标较难识别、数据不平衡、图像分辨率低、空间信息有限等问题；其有益效果在于：针对基于卫星图像的建筑震后定位与破坏状态评估方法存在的不足，实现了卫星图像建筑物震害损伤的高精度识别与等级评估。本方法针对建筑震后卫星图像数据集具有稠密小目标、数据不平衡、空间信息有限、分辨率一般等特点，提出了高精度、两阶段的卫星图像建筑物震害损伤识别与评估方法，最终实现了卫星图像震后建筑物定位准确率95.31％以及破坏状态评估准确率97％。
-
公开(公告)号：CN112999415A
公开(公告)日：2021-06-22
申请号：CN202110313603.7
申请日：2021-03-24
Applicant: 兰州大学
Abstract: 本发明提供了一种石墨烯基聚合物复合神经导管的制备方法，包括如下步骤：（1）氧化石墨烯制备：第一阶段：制备得到膨胀石墨；第二阶段：制备得到高浓度氧化石墨烯分散液；（2）打印墨水制备：海藻酸钠溶液为打印墨水一；石墨烯分散液加入乙二胺溶液为打印墨水二；（3）3D打印rGO导管：采用同轴双材料3D打印针头，墨水一通过3D打印机的主打印针头流出，墨水二通过副打印针头流出，形成宏观三维rGO导管，冷冻干燥后备用；（4）石墨烯基聚合物管的制备：将rGO导管进行烧灼还原，将聚合物溶解在二氯甲烷中，将rGO导管泡制在上述液体中，浸泡一段时间后将rGO导管捞出，自然条件下风干，石墨烯基聚合物复合神经导管制备完成。
-
公开(公告)号：CN112010298A
公开(公告)日：2020-12-01
申请号：CN202010820163.X
申请日：2020-08-14
Applicant: 兰州大学
IPC: C01B32/198 , C01B32/192
Abstract: 本发明公开了一种快速高效宏量制备大片径氧化石墨烯的方法，以天然鳞片石墨为原料，以硫酸高铈(Ce(SO4)2·4H2O)、高锰酸钾(KMnO4)、硫酸(H2SO4)、五氧化二磷(P2O5)、硝酸铵(NH4NO3)等作为插层剂和氧化剂，具体包括如下几部分。(1)石墨在插层剂作用下，充分释放层间空间以削弱层间相互作用力，得到预氧化的插层石墨氧化物；(2)采用氧化剂对插层氧化物氧化后，获得大片径的氧化石墨烯聚集体；(3)采用离心纯化、超声剥离手段辅助制备出大片径的氧化石墨烯分散液。本发明制备氧化石墨烯具有原料廉价、片径尺寸大、工艺简单且易控的特点，非常适用于工业化大规模生产。
-
Patent Agency Ranking
公开(公告)号：CN110634615A
公开(公告)日：2019-12-31
申请号：CN201910916914.5
申请日：2019-09-26
Applicant: 兰州大学
IPC: H01B12/08
Abstract: 本发明公开了一种3D打印制备高温超导钇钡铜氧(YBCO)线材的方法，该方法分以下四步：首先制备纳米级超导粉末前驱体；然后配制具有合适粘度和支撑特性的打印浆料；之后采用CAD三维建模，导出STL格式模型数据采用专业软件进行切片；通过扭绞打印喷头实现低电流损耗的一步成型绞线制备。最后，将打印好的绞线通过排塑、成相、补氧、封装等工艺形成实用化的超导绞缆。本发明首次实现了直接书写式3D打印先进技术在高温超导线材方面的应用。通过3D打印制备微纳米级超导芯丝，实现了芯丝的细丝化工艺，实现了材料、结构的一体化设计。本发明简化了高温超导线材的制备工艺，提高了高温超导线材的载流性能和生产效率，降低了生产成本。
-
公开(公告)号：CN118908636A
公开(公告)日：2024-11-08
申请号：CN202411007962.X
申请日：2024-07-25
Applicant: 兰州大学
Abstract: 本发明公开了一种凝灰岩石粉废弃物制备的复合材料及其制备方法。本发明通过将10.00～11.67份凝灰岩石粉废弃物、5.00～6.67份高炉矿渣粉混合搅拌均匀，加入33.40份砂、40.8份碎石搅拌均匀，得到干混料；再将9.13份碱液加入干混料中，搅拌均匀，得到混合料；最后将混合料倒入模具、振捣密实抹平，表面覆保鲜膜密封，置于80℃烘箱中养护24小时，脱模，将脱模试块于烘箱环境中养护至设定龄期，得到复合材料。本发明绿色环保，工艺简单，价格低廉，强度可调，能满足实际的工程需求。
-
公开(公告)号：CN117554208A
公开(公告)日：2024-02-13
申请号：CN202311612294.9
申请日：2023-11-29
Applicant: 兰州大学
Abstract: 本发明提供一种极端环境基于分布式光纤传感器的构件应变和温度解耦测量方法。测量方法包括：开展不同温度下分布式光纤传感器的温度实验，得到控温稳定区域测试位置的平均温度测试规律；开展不同温度下分布式光纤传感器高温应变实验，得到各个温度下整个测试区域（控温稳定区域+温度过渡区域）不同测试位置的应变测试规律，并结合温度测试规律反演出各个测试位置的温度值；开展极端环境中特种构件热力解耦测量，通过上述得到的测试规律结合高温热电偶和高温应变计验证构件待测位置处由分布式光纤传感器测得的温度和应变，进而解决极端环境中基于分布式光纤传感器的构件应变和温度测量问题。
-
公开(公告)号：CN115705690A
公开(公告)日：2023-02-17
申请号：CN202110887682.2
申请日：2021-08-03
Applicant: 兰州大学
IPC: G06V10/774 , G06V10/764 , G06V10/82 , G06V10/26 , G06N3/04 , G06N3/08
Abstract: 本发明涉及土木工程结构健康评估与防灾减灾技术领域，具体为一种基于无人机和语义分割模型的建筑物震害评估方法,其目的在于提出了一种基于无人机和语义分割模型的建筑物震害评估方法，主要解决的问题是：现有的语义分割模型中对无人机图像中的多尺度、视角遮挡的目标分割精度较低且占用硬件资源较大的问题；其有益效果为：本发明提供的无人机建筑物震害评估模型占用内存小，仅为基准模型的80％；且改进后模型的具有较高的精度，可达91.4％，相比基准模型提升了5.5％。
-
公开(公告)号：CN114067226A
公开(公告)日：2022-02-18
申请号：CN202111423198.0
申请日：2021-11-26
Applicant: 兰州大学
IPC: G06V20/17 , G06V10/774 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于结构健康监测与防灾减灾技术领域，尤其涉及一种云端一体化的灾害智能感知、传输、识别与评估方法,具体包括如下步骤：步骤一、将无人机搭载云台相机、图传云盒等组件并与地面工作站联机组成无人机平台；步骤二、操作步骤一中无人机平台中的地面工作站实现灾害信息采集并将图像/视频数据实时上传至云端；步骤三、利用地面工作站实时下载步骤二所采集的灾害图像/视频数据；步骤四、对步骤三中下载的实时灾害数据进行灾害识别与评估；本发明的有益效果为：本发明结合无人机平台和深度学习技术可以实现智能化、自动化的灾害损伤评估，且具有效率高、安全性高、可区域化评估等优势。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.037 seconds)
