-
公开(公告)号：CN114440675A
公开(公告)日：2022-05-06
申请号：CN202111280104.9
申请日：2021-11-01
Applicant: 中北大学
Abstract: 本发明提供了一种多放热端连通的重力热管，所述重力热管包括蒸发部、冷凝部和绝热部，液体在蒸发部吸热蒸发，通过绝热部进入冷凝部放热，然后通过重力回到蒸发部；所述冷凝部具有多个放热端，至少两个相邻的放热端之间设置通连管，从放热端下部向上部方向，通连管的流通面积不断降低。本发明提供一种新式结构的重力热管，通过上述设置，可以节省材料，根据压力变化设置通连管，能够保证在流体流动过程中尽快的达到压力均衡。
-
Patent Agency Ranking
公开(公告)号：CN110395070A
公开(公告)日：2019-11-01
申请号：CN201910662127.2
申请日：2019-07-22
Applicant: 中北大学 , 山西中北新材料科技有限公司
Abstract: 本发明涉及水陆空三栖原理车体配件技术领域，特别涉及一种水陆空三栖原理战车用多功能车轮及轮轴系统。一种水陆空三栖原理战车用多功能车轮，包括轮辋、轮毂以及轮胎，所述轮辋与轮毂之间通过若干呈放射状的辐条固定连接，每根辐条上沿相应的辐条为轴线均安装有能够转动的片状轮辐，能够转动的片状轮辐能够封闭轮辋与轮毂之间的空间，并且能够转动的片状轮辐与所有辐条形成的平面之间能够形成夹角。本发明提供的多功能车轮及轮轴系统能够实现车辆在陆地上的正常行驶，同时还能为车辆在水中和空中的行进提供动力，即将陆地行走、水中航行和空中飞行三种功能一体化，除增加战车的通过性以外，还可以增加战车的隐蔽性，提升战车的作战能力。
-
公开(公告)号：CN114440675B
公开(公告)日：2023-07-04
申请号：CN202111280104.9
申请日：2021-11-01
Applicant: 中北大学
Abstract: 本发明提供了一种多放热端连通的重力热管，所述重力热管包括蒸发部、冷凝部和绝热部，液体在蒸发部吸热蒸发，通过绝热部进入冷凝部放热，然后通过重力回到蒸发部；所述冷凝部具有多个放热端，至少两个相邻的放热端之间设置通连管，从放热端下部向上部方向，通连管的流通面积不断降低。本发明提供一种新式结构的重力热管，通过上述设置，可以节省材料，根据压力变化设置通连管，能够保证在流体流动过程中尽快的达到压力均衡。
-
公开(公告)号：CN108564555B
公开(公告)日：2021-09-21
申请号：CN201810447228.3
申请日：2018-05-11
Applicant: 中北大学
Abstract: 本发明涉及一种基于NSST和CNN的数字图像降噪方法，包括如下步骤：步骤1：网络训练；通过Ascombe变换将图像中近似服从泊松分布的噪声转换为近似服从标准高斯分布的噪声；通过NSST即通过非下采样剪切波变换，分别将噪声图像以及其对应的高质量图像分解为多级子带图像，将各级子带图像分别剪切为一定大小的图像块作为数据集；基于获得的数据集，进行卷积神经网络训练即进行CNN训练；步骤2：基于步骤1获得的网络模型，进行图像降噪。
-
公开(公告)号：CN110395070B
公开(公告)日：2023-02-28
申请号：CN201910662127.2
申请日：2019-07-22
Applicant: 中北大学 , 山西中北新材料科技有限公司
Abstract: 本发明涉及水陆空三栖原理车体配件技术领域，特别涉及一种水陆空三栖原理战车用多功能车轮及轮轴系统。一种水陆空三栖原理战车用多功能车轮，包括轮辋、轮毂以及轮胎，所述轮辋与轮毂之间通过若干呈放射状的辐条固定连接，每根辐条上沿相应的辐条为轴线均安装有能够转动的片状轮辐，能够转动的片状轮辐能够封闭轮辋与轮毂之间的空间，并且能够转动的片状轮辐与所有辐条形成的平面之间能够形成夹角。本发明提供的多功能车轮及轮轴系统能够实现车辆在陆地上的正常行驶，同时还能为车辆在水中和空中的行进提供动力，即将陆地行走、水中航行和空中飞行三种功能一体化，除增加战车的通过性以外，还可以增加战车的隐蔽性，提升战车的作战能力。
-
公开(公告)号：CN108564555A
公开(公告)日：2018-09-21
申请号：CN201810447228.3
申请日：2018-05-11
Applicant: 中北大学
Abstract: 本发明涉及一种基于NSST和CNN的数字图像降噪方法，包括如下步骤：步骤1：网络训练；通过Ascombe变换将图像中近似服从泊松分布的噪声转换为近似服从标准高斯分布的噪声；通过NSST即通过非下采样剪切波变换，分别将噪声图像以及其对应的高质量图像分解为多级子带图像，将各级子带图像分别剪切为一定大小的图像块作为数据集；基于获得的数据集，进行卷积神经网络训练即进行CNN训练；步骤2：基于步骤1获得的网络模型，进行图像降噪。
-
-
-
-
-
Search Results
6
records
(took 0.014 seconds)
