一种小型可移装室内静音阁及其构建方法

    公开(公告)号:CN105257028A

    公开(公告)日:2016-01-20

    申请号:CN201510598299.X

    申请日:2015-09-18

    Applicant: 清华大学

    Inventor: 燕翔 王江华 苏京

    Abstract: 本发明公开一种小型可移装室内静音阁及其构建方法,用于营造室内静音环境。包括安装基体、静音阁主体、门窗、屋顶、消声和通风系统、通电系统;安装基体铺设在屋内地板上,有橡胶类减震垫;静音阁主体采用复合墙板,是由外合成板、砂岩板、中空层、内合成板、巴斯夫吸音棉构成的层间结构,屋顶采用复合盖板,是由上、下两层复合板和中空层构成的层间结构,墙体与地板以及屋顶之间采用阶梯槽的方式嵌入式安装,消声和通风系统覆盖在屋顶上,采用巴斯夫吸音棉作为填充物,借助于巴斯夫吸音棉填充物采用迂回曲线式开设进气通道和出气通道。本发明模块化设计,达到了产品化拆装移动特性,隔声效果良好。

    一种通风隔声窗
    43.
    发明授权

    公开(公告)号:CN100427718C

    公开(公告)日:2008-10-22

    申请号:CN200510085005.X

    申请日:2005-07-19

    Inventor: 贾猛虎 燕翔

    Abstract: 本发明涉及一种通风隔声窗,它包括两窗框,分隔每一窗框的中挺和安装在窗框和中挺之间的内、外层玻璃窗,其特征在于:它还包括一第一消声通道,其设置在两窗框的底部,第一消声通道的进气口横向设置在室外一侧,出气口横向向上设置在两窗框之间,进气口设置有一可开启的密封封挡,进、出气口之间由消声隔板隔设成回转的消声通路;一第二消声通道,其密封连接在两窗框的中挺之间,第二消声通道的进气口横向设置在底部,出气口横向设置在顶部,进、出气口之间由消声隔板隔设成折返的消声通路;外玻璃窗,其中挺上部为固定窗玻璃,中挺下部为玻璃百叶窗;内玻璃窗,其中挺上部为玻璃百叶窗,中挺下部为两内开式平开窗。本发明隔声效果显著,可广泛用于各种建筑物中。

    一种脉冲声音发生的方法
    45.
    发明公开

    公开(公告)号:CN105306014A

    公开(公告)日:2016-02-03

    申请号:CN201510596115.6

    申请日:2015-09-18

    Applicant: 清华大学

    Inventor: 燕翔 陈旭永

    Abstract: 本发明涉及一种脉冲声音发生的方法,是通过高压电能在极化磁媒介放电体上形成放电,使放电体周围的空气产生剧烈震动而发出声音,包括如下步骤:1)以12V直流电作为系统供电电源;2)通过一高压恒流逆变电路将12V低压电转变为5000V/10mA高压电;3)高压恒流逆变电路与一高压储能电容导通;4)通过耐高压电磁开关,将高压储能电容与一极化磁媒介放电体导通,使高压电能释放到所述极化磁媒介放电体中;5)在极化磁媒介放电体中形成有高压放电,从而使周围空气受震动而发声。本发明利用高压储能,在极化磁媒介上形成放电的方式产生脉冲声音,安全、声能大,最大声能可达到150dB。

    一种复合声屏障板
    48.
    发明公开

    公开(公告)号:CN118639574A

    公开(公告)日:2024-09-13

    申请号:CN202410889409.7

    申请日:2024-07-04

    Abstract: 本发明公开了一种复合声屏障板,属于吸隔声降噪技术领域。复合声屏障板包括带孔面板、背板和框架结构连接形成的金属壳体,框架结构包括两个竖梁、一个顶部横梁和一个底部横梁,顶部横梁和底部横梁分别与带孔面板和背板连接固定;在金属壳体内设置有吸声棉/板,吸声棉/板包括底板和与底板一体成型的吸声尖劈;带孔面板上设置有若干波浪状弯折面,波浪状弯折面与吸声尖劈倾斜面相接触。波浪状弯折面上设置有若干的吸声孔;背板和吸声棉/板之间设置有弹性支撑金属网。有益效果在于:弹性支撑金属网能够方便地安装在背板上,对吸声棉/板起到稳定支撑的作用;吸声棉/板中的吸声尖劈增强了复合声屏障板的吸声效果。

    基于混合深度学习的高铁道岔智能故障检测方法

    公开(公告)号:CN109766927B

    公开(公告)日:2023-08-22

    申请号:CN201811574962.2

    申请日:2018-12-21

    Applicant: 清华大学

    Abstract: 本发明提供一种基于混合深度学习的高铁道岔智能故障检测方法,该方法将结合深度学习自动特征提取及传统机器学习异常点检测的混合深度学习方法运用到道岔故障检测方法研究中,利用深度学习进行自动特征提取,形成了维度更小且更加抽象的特征数据,解决了特征提取过程依赖人工经验及聚类算法在高维数据下的计算困难问题;然后使用聚类算法结合专家知识选取正常数据簇,解决无法获得大量有标签数据问题;最后使用标注为正常的数据训练单分类支持向量机进行异常点检测并解决了道岔故障检测过程中无标签或标签不足的问题。

    基于混合深度学习的高铁道岔智能故障预测方法

    公开(公告)号:CN109815983A

    公开(公告)日:2019-05-28

    申请号:CN201811573642.5

    申请日:2018-12-21

    Applicant: 清华大学

    Abstract: 本发明提供一种基于混合深度学习的高铁道岔智能故障预测方法,其利用降噪自编码器自动提取道岔电流曲线数据的特征,再基于密度聚类方法对无标签特征数据进行聚类,结合专家知识选取不同道岔故障标准下聚类簇作为正常数据,最后使用不同道岔故障标准下的正常数据分别训练单分类支持向量机,将两个单分类支持向量机输出结果交叉,形成道岔故障检测及预测四象限模型,对待测数据进行故障检测和预测;该方法和系统具有高效、客观地提取道岔动作电流曲线特征的优点;减少了人工逐条数据标注的工作量,具有可靠、高效获取正常数据的优点;仅输入不同故障标准下的正常数据即可进行道岔故障检测及预测的优点。

Patent Agency Ranking