公开(公告)号：CN113160012A

公开(公告)日：2021-07-23

申请号：CN202110504508.5

申请日：2021-05-10

Applicant: 华东理工大学

Inventor： 严怀成 ,  刘涛 ,  张皓 ,  李郅辰 ,  陈辉 ,  王孟 ,  田永笑 ,  陈瑞

IPC: G06Q50/20 ,  G06K9/00

Abstract: 本发明涉及一种基于深度学习的计算机在线考试监考方法，包括以下步骤：1)构建并训练多个深度学习网络模型，用以分别识别是否出现作弊工具、是否使用作弊工具、是否出现非考试人员靠近的状态；2)考试开始后，根据考试现场摄像头的布设场景，进行多路摄像头的实时监测；3)根据摄像头获取的图像采用深度学习网络模型进行实时作弊判断。与现有技术相比，本发明具有适用于非标准的复杂考试环境、检测全面准确等优点。

公开(公告)号：CN116948224A

公开(公告)日：2023-10-27

申请号：CN202310554908.6

申请日：2023-05-17

Applicant: 华东理工大学

Inventor： 郎美东 ,  胥哲 ,  陈瑞

IPC: C08J5/18 ,  C08L67/02 ,  C08G63/183 ,  C08G63/78

Abstract: 本发明公开了一种高拉伸强度可降解聚酯PEAT薄膜的制备方法，包括以下步骤：在氮气保护下，将对苯二甲酸双羟乙酯、脂肪族组分溶于乙二醇中，加入酯化催化剂混合，进行酯交换反应，得到酯交换预聚物；向酯交换预聚物中加入缩聚催化剂，高温真空条件下继续酯交换，获得聚酯产物PEAT，切粒得到聚酯颗粒，高温压片，获得所述高拉伸强度可降解聚酯PEAT薄膜。本发明通过引入脂肪族己二酸二乙酯对共聚酯的结构与性能进行调控，平衡了共聚酯的机械性能，并有效的提高了共聚酯的可降解性。

公开(公告)号：CN111273638A

公开(公告)日：2020-06-12

申请号：CN202010072279.X

申请日：2020-01-21

Applicant: 华东理工大学

Inventor： 严怀成 ,  常晴晴 ,  陈辉 ,  陈瑞 ,  李郅辰 ,  王孟 ,  张皓 ,  叶灵宋

IPC: G05B23/02

Abstract: 本发明涉及一种基于改进Elman神经网络的气动阀执行机构故障诊断方法，包括以下步骤：1)根据阀门的输入输出参数与气动阀执行机构故障之间的关系，构建基于改进Elman神经网络的气动阀执行机构故障模型；2)对气动阀执行机构故障模型进行网络训练；3)在训练好的气动阀执行机构故障模型中输入测试数据进行故障诊断预测，得到故障预测结果。与现有技术相比，本发明具有收敛速度快、预测准确有效、考虑全面等优点。

公开(公告)号：CN111273638B

公开(公告)日：2021-10-26

申请号：CN202010072279.X

申请日：2020-01-21

Applicant: 华东理工大学

Inventor： 严怀成 ,  常晴晴 ,  陈辉 ,  陈瑞 ,  李郅辰 ,  王孟 ,  张皓 ,  叶灵宋

IPC: G05B23/02

Abstract: 本发明涉及一种基于改进Elman神经网络的气动阀执行机构故障诊断方法，包括以下步骤：1)根据阀门的输入输出参数与气动阀执行机构故障之间的关系，构建基于改进Elman神经网络的气动阀执行机构故障模型；2)对气动阀执行机构故障模型进行网络训练；3)在训练好的气动阀执行机构故障模型中输入测试数据进行故障诊断预测，得到故障预测结果。与现有技术相比，本发明具有收敛速度快、预测准确有效、考虑全面等优点。