一种塑料注塑过程的在线工况过程监控方法

    公开(公告)号:CN105574587B

    公开(公告)日:2017-03-08

    申请号:CN201610038855.2

    申请日:2016-01-21

    CPC classification number: Y02P90/30

    Abstract: 本发明公开了一种塑料注塑过程的在线工况过程监控方法,属于工业监控和故障诊断领域。其包括如下步骤:S1利用传感器收集各个工况下的数据,组成建模用的训练样本集X;S2进行数据预处理和归一化,使得训练样本集X的均值为0,方差为1,得到矩阵X′;S3根据所述矩阵X′,应用高斯核函数计算获得距离矩阵W;S4对所述距离矩阵W进行标准化,获得马尔科夫矩阵P(1),将P(1)经过t次游走获得P(t)并在P(t)基础上经谱分解获得的特征矩阵X″;S5将所述特征矩阵X″以及各个样本对应的工况Tq成对输入误差反向传播神经网络进行训练,保留预测准确率最高的神经网络模型作为监测所用的模型;S6进行实际监控。本发明方法成功实现了高维数据在线监测。

    一种用于制备发电装置的方法

    公开(公告)号:CN108011034A

    公开(公告)日:2018-05-08

    申请号:CN201711260369.6

    申请日:2017-12-04

    Abstract: 本发明提供一种用于制备发电装置的方法,属于电学技术领域。所述用于制备发电装置的方法包括:设计第一聚合物的第一基础信息,以及第二聚合物的第二基础信息;依据所述第一基础信息、第一材料信息、第一机器信息和所述第二基础信息、第二材料信息、第二机器信息,分别设置第一打印参数和第二打印参数;依据所述第一打印参数和所述第二打印参数,分别打印出第一薄膜和第二薄膜;依据所述第一薄膜和所述第二薄膜,分别制成第一电极和第二电极;将所述第一电极和所述第二电极分别与衬底相结合,以制备所述发电装置。本发明提供的用于制备发电装置的方法达到了设计灵活性高和打印速度快,并且具有生产成本低的技术效果。

    一种用于制备发电装置的方法

    公开(公告)号:CN108011034B

    公开(公告)日:2022-02-11

    申请号:CN201711260369.6

    申请日:2017-12-04

    Abstract: 本发明提供一种用于制备发电装置的方法,属于电学技术领域。所述用于制备发电装置的方法包括:设计第一聚合物的第一基础信息,以及第二聚合物的第二基础信息;依据所述第一基础信息、第一材料信息、第一机器信息和所述第二基础信息、第二材料信息、第二机器信息,分别设置第一打印参数和第二打印参数;依据所述第一打印参数和所述第二打印参数,分别打印出第一薄膜和第二薄膜;依据所述第一薄膜和所述第二薄膜,分别制成第一电极和第二电极;将所述第一电极和所述第二电极分别与衬底相结合,以制备所述发电装置。本发明提供的用于制备发电装置的方法达到了设计灵活性高和打印速度快,并且具有生产成本低的技术效果。

    一种全纤维素材料的热塑性加工方法

    公开(公告)号:CN108797223A

    公开(公告)日:2018-11-13

    申请号:CN201810701787.2

    申请日:2018-06-29

    CPC classification number: D21J3/00

    Abstract: 本发明属于纤维素材料加工相关技术领域,其公开了一种全纤维素材料的热塑性加工方法,该方法包括以下步骤:(1)将纤维素、溶剂及添加剂混合均匀以得到预混合物,并将预混合物进行热塑性加工成型;其中,溶剂本身对纤维素有溶解作用;预混合物中纤维素的含量为20%~70%;预混合物中添加剂的含量小于等于10%;(2)将步骤(1)得到的产物放入再生液中以去除溶剂及添加剂,并进行干燥以得到全纤维素材料,其中,所述再生液能与所述溶剂相混且不溶解所述纤维素。本发明易于实施,溶剂的添加使得在混炼设备下可以实现纤维素的热塑性加工;合理控制纤维素及添加剂的含量,提高了混炼效果,降低了加工难度。

    一种塑料注塑过程的在线工况过程监控方法

    公开(公告)号:CN105574587A

    公开(公告)日:2016-05-11

    申请号:CN201610038855.2

    申请日:2016-01-21

    CPC classification number: Y02P90/30 G06N3/084 G06F17/30943 G06N3/04 G06Q50/04

    Abstract: 本发明公开了一种塑料注塑过程的在线工况过程监控方法,属于工业监控和故障诊断领域。其包括如下步骤:S1利用传感器收集各个工况下的数据,组成建模用的训练样本集X;S2进行数据预处理和归一化,使得训练样本集X的均值为0,方差为1,得到矩阵X′;S3根据所述矩阵X′,应用高斯核函数计算获得距离矩阵W;S4对所述距离矩阵W进行标准化,获得马尔科夫矩阵P(1),将P(1)经过t次游走获得P(t)并在P(t)基础上经谱分解获得的特征矩阵X″;S5将所述特征矩阵X″以及各个样本对应的工况Tq成对输入误差反向传播神经网络进行训练,保留预测准确率最高的神经网络模型作为监测所用的模型;S6进行实际监控。本发明方法成功实现了高维数据在线监测。

Patent Agency Ranking