一种基于电磁超声相控阵传感器的LCR波声束偏转调控方法

    公开(公告)号:CN112268954A

    公开(公告)日:2021-01-26

    申请号:CN202010895376.9

    申请日:2020-08-31

    Abstract: 本发明公开了一种基于电磁超声相控阵传感器的LCR波声束偏转调控方法,当传感器工作时,矩形钕铁硼磁铁提供倾斜于铝板的静磁场,载有交流电流的单向线圈在铝板集肤深度层内,感应出与发射电流频率一致的交变磁场,并进而在铝板表面集肤深度层内感生出与线圈电流方向相反、频率相同的涡流,倾斜静磁场与感应涡流相互作用,根据左手定则,耦合出斜入射洛伦兹力,该斜入射的洛仑兹力作为斜入射的超声声源。通过调整相控阵相关参数和引入倾斜静磁场相结合的方法,提高了电磁声相控阵传感器的声束偏转调控能力。本发明设计的方法,可在金属板结构中激励出与板表面夹角更小的LCR波,提高残余应力检测的分辨率,具有极大的应用价值。

    一种基于双回折线圈电磁声传感器的LCR波声束偏转调控方法

    公开(公告)号:CN114216600A

    公开(公告)日:2022-03-22

    申请号:CN202111540145.7

    申请日:2021-12-15

    Abstract: 本发明公开了一种基于双回折线圈电磁声传感器的LCR波声束偏转调控方法,当传感器工作时,矩形钕铁硼磁铁提供垂直于铝板的静磁场,载有交变电流的双回折线圈在铝板集肤深度层内,感应出与发射电流频率一致的交变磁场,进而在铝板表面集肤深度层内感生出与线圈电流方向相反、频率相同的涡流。静磁场与感应涡流相互作用,耦合出洛伦兹力,从而激发出超声波。通过调整双回折线圈相关参数(间距相关参数k和时延参数△t)的方法,提高了电磁声相控传感器的声束偏转调控能力。本发明设计的方法,可在金属板结构中激励出与板表面夹角更小的LCR波,提高了残余应力检测的灵敏度。在超声波残余应力检测方面,提供了较大的应用价值和参考意义。

    一种超声兰姆波触控屏
    3.
    发明公开

    公开(公告)号:CN111459324A

    公开(公告)日:2020-07-28

    申请号:CN202010233693.4

    申请日:2020-03-30

    Abstract: 本发明公开了一种超声兰姆波触控屏,触控介质对超声兰姆波声场的扰动作用随触控介质位置而变化,通过预先标定触控介质的超声兰姆波声指纹库,在实际应用时,利用智能算法将实测信号与预先标定的声指纹库进行匹配,实现触控介质在屏板的定位。超声兰姆波触控屏主要由主控系统、超声激励接收模块、感知屏和显示屏模块构成。ARM用于内置算法程序实现声指纹识别确定触控介质在感知屏的位置坐标,转换成控制指令通过MIPI接口与显示屏进行通讯,在识别的位置坐标处实现程序触控。本发明公布的超声兰姆波触控屏可对非导电触控介质进行定位识别,并可借鉴用于机器人触觉系统设计等。

    一种超声兰姆波触控屏
    4.
    发明授权

    公开(公告)号:CN111459324B

    公开(公告)日:2023-06-30

    申请号:CN202010233693.4

    申请日:2020-03-30

    Abstract: 本发明公开了一种超声兰姆波触控屏,触控介质对超声兰姆波声场的扰动作用随触控介质位置而变化,通过预先标定触控介质的超声兰姆波声指纹库,在实际应用时,利用智能算法将实测信号与预先标定的声指纹库进行匹配,实现触控介质在屏板的定位。超声兰姆波触控屏主要由主控系统、超声激励接收模块、感知屏和显示屏模块构成。ARM用于内置算法程序实现声指纹识别确定触控介质在感知屏的位置坐标,转换成控制指令通过MIPI接口与显示屏进行通讯,在识别的位置坐标处实现程序触控。本发明公布的超声兰姆波触控屏可对非导电触控介质进行定位识别,并可借鉴用于机器人触觉系统设计等。

    一种基于迁移学习来预测下咽癌患者预后生存时间的方法

    公开(公告)号:CN113707292A

    公开(公告)日:2021-11-26

    申请号:CN202110811829.X

    申请日:2021-07-19

    Abstract: 本发明公开一种基于迁移学习来预测下咽癌患者预后生存时间的方法,针对下咽癌患者因诊断和预后数据少、预后生存时间调查周期长,调查难度大导致的下咽癌患者预后时间判断困难,但CNN网络经过数年来的发展和海量的数据集训练,能够较为准确的识别图像特征并分类,因此提出一种基于迁移学习来预测下咽癌患者预后生存时间的方法。该方法首先对输入的下咽癌患者的核磁共振图像(MRI)的T1图像的Dicom文件进行图像校正。再通过CNN来读取校正后的图片,并转化为特征向量。之后再构建另一个神经网络,利用之前CNN转化的特征向量训练其成为分类器,分类的目标是下咽癌患者的预后生存时间。

Patent Agency Ranking