一种低动静刚度比聚氨酯微孔弹性垫板的制备方法

    公开(公告)号:CN110305292A

    公开(公告)日:2019-10-08

    申请号:CN201910615124.3

    申请日:2019-07-09

    Abstract: 本发明公开了一种低动静刚度比聚氨酯微孔弹性垫板的制备方法,所述低动静刚度比的聚氨酯微孔弹性垫板,由A组分和B组分均匀混合后注入到特定模具内反应固化后制得,其中,所述A组分为多元醇混合物,包括以下原料:聚醚多元醇、发泡剂、扩链剂、催化剂、泡沫稳定剂;B组分为-NCO封端的异氰酸酯预聚体。本发明通过选用能够赋予制备聚氨酯弹性体优异性能的原料,控制反应物配比和生成物分子量,准确控制化学发泡剂的用量,以及采用特种泡沫稳定剂调节制备的微孔弹性体的闭孔率和微孔尺寸及分布均匀性,制得了动静刚度比低(≤1.20),具有优异动态减震和耐疲劳性能的聚氨酯微孔弹性垫板,可用作时速300km/h以上高速铁路扣件用弹性减震降噪垫板。

    一种低动静刚度比聚氨酯微孔弹性垫板的制备方法

    公开(公告)号:CN110305292B

    公开(公告)日:2022-03-22

    申请号:CN201910615124.3

    申请日:2019-07-09

    Abstract: 本发明公开了一种低动静刚度比聚氨酯微孔弹性垫板的制备方法,所述低动静刚度比的聚氨酯微孔弹性垫板,由A组分和B组分均匀混合后注入到特定模具内反应固化后制得,其中,所述A组分为多元醇混合物,包括以下原料:聚醚多元醇、发泡剂、扩链剂、催化剂、泡沫稳定剂;B组分为‑NCO封端的异氰酸酯预聚体。本发明通过选用能够赋予制备聚氨酯弹性体优异性能的原料,控制反应物配比和生成物分子量,准确控制化学发泡剂的用量,以及采用特种泡沫稳定剂调节制备的微孔弹性体的闭孔率和微孔尺寸及分布均匀性,制得了动静刚度比低(≤1.20),具有优异动态减震和耐疲劳性能的聚氨酯微孔弹性垫板,可用作时速300km/h以上高速铁路扣件用弹性减震降噪垫板。

    数据挖掘与专家知识结合的电池热失控致因调查方法

    公开(公告)号:CN117609696A

    公开(公告)日:2024-02-27

    申请号:CN202311623782.X

    申请日:2023-11-30

    Abstract: 一种数据挖掘与专家知识结合的电池热失控致因调查方法,其充分融合了机器学习算法和专家经验各自的优势,先利用机器学习算法快速地进行数据特征的挖掘提取,再借助专家经验对提取的特征为致因推理提供先验知识引导,可以在远程数据分析阶段就得到热失控致因的初步推断结果,为热失控致因的深度调查提供了重要的参考方向,不仅有效提高了热失控致因分析的准确性,还显著缩小了后续调查的范围,节省了现场调查的时间成本,提高了新能源汽车热失控调查工作的效率。该方法中所提取的原始数据及特征全部可通过新能源汽车车载电池系统的传感器来直接测量获取,既不需要额外增设传感器,也不需要高频率的采样数据,具有较低的设备与运算成本。

    一种客滚船载运新能源汽车安全风险辨识方法

    公开(公告)号:CN118691067A

    公开(公告)日:2024-09-24

    申请号:CN202410332616.2

    申请日:2024-03-22

    Abstract: 本发明提供了一种客滚船载运新能源汽车安全风险辨识方法,通过搭建上下两层监管体系,能够对待上船的新能源汽车安全状态进行实时监测和评估,有助于提高客滚船载运管理的精准性和效率,使得监管能够更加科学、合理地进行。通过引入新能源汽车上船前的两级安全评估系统,本发明可以有效评估新能源汽车的安全状态,提前发现潜在的安全隐患,可有效降低新能源汽车在运输过程中发生火灾等事故的概率,从而提高滚装船载运新能源汽车的整体安全性。

    数据驱动的电动汽车充电量及充电时长预测方法

    公开(公告)号:CN119537806A

    公开(公告)日:2025-02-28

    申请号:CN202411602201.9

    申请日:2024-11-11

    Abstract: 本发明公开了一种数据驱动的电动汽车充电量及充电时长预测方法,包括以下步骤:步骤1,对电动汽车的历史充电数据进行数据预处理;步骤2,对预处理充电片段进行特征提取并赋予标签;步骤3,基于LSTM分类模型实现标签预测;步骤4,基于RF回归模型实现充电量与充电时长预测。本发明高效准确地预测出电动汽车充电量与充电时长,不仅可以优化充电站的运营效率,提升用户的充电体验,还可以为智能电网和可持续交通系统做出更大的贡献。通过准确预测,充电站可以更好地安排充电设施的使用,减少排队等待时间,提高充电桩的利用率;用户则可以根据预测信息合理规划充电时间,避免长时间等待,提高出行计划的灵活性和便利性。

    一种基于残差网络模型的CMOS集约模型参数提取方法

    公开(公告)号:CN118940691A

    公开(公告)日:2024-11-12

    申请号:CN202411088409.3

    申请日:2024-08-09

    Abstract: 一种基于残差网络模型的CMOS集约模型参数提取方法,利用蒙特卡罗方法生成足量参数集进行SPICE仿真,获得的模型训练数据集用于训练和验证残差网络模型。训练后的残差网络模型能够实现快速、精确的CMOS晶体管集约模型参数提取,克服手动拟合提取参数操作复杂、速度和精度低的缺陷。本发明的实现包括四个步骤:S1.利用蒙特卡罗方法生成CMOS集约模型参数集;S2.获得残差网络模型所需要的训练数据集;S3.训练残差网络模型;S4.利用残差网络模型提取集约模型参数。应用本发明可实现快速、精确的CMOS晶体管集约模型参数提取,有效解决手动拟合中的操作问题,有助于预测集成电路产品良率并缩短研发周期,为EDA软件的开发和完善提供帮助。

Patent Agency Ranking