-
公开(公告)号：CN119465440A
公开(公告)日：2025-02-18
申请号：CN202411615423.4
申请日：2024-11-13
Applicant: 南开大学
Abstract: 本申请涉及电磁屏蔽材料技术领域，公开了一种用于屏蔽太赫兹波的纤维材料及其制备方法和应用。所述用于屏蔽太赫兹波的纤维材料，其为同轴的核‑壳结构，所述核层为二维层状材料，所述壳层为纳米纤维素；所述二维层状材料包括Ti3C2Tx MXene或还原氧化石墨烯。本申请的用于屏蔽太赫兹波的纤维材料以二维层状材料为核层，并包裹纳米纤维素壳层骨架，形成二维层状材料@纳米纤维素同轴纤维。本申请制备的用于屏蔽太赫兹波的纤维材料，其不仅具有优异的电磁屏蔽性能，有效屏蔽频宽可以覆盖0.1～1.5THz波段，在该波段内平均屏蔽效能可达到47.61dB，而且具有优秀的力学性能，抗拉强度可达到161.6MPa，断裂伸长率可达5％。
-
公开(公告)号：CN106874194A
公开(公告)日：2017-06-20
申请号：CN201710017701.X
申请日：2017-01-10
Applicant: 南开大学 , 国网天津市电力公司信息通信公司
IPC: G06F11/36
Abstract: 一种基于策略推导的web应用程序访问控制漏洞测试用例生成方法，该方法针对Web应用程序的访问控制模型，提出一种基于策略推导的测试用例生成方法。此方法从角色和用户两个级别发现对应的授权操作集合，推导Web应用程序的访问控制策略，并利用推导所得访问控制策略生成合法与非法两类测试用例。其中，合法用例用以对推导所得策略的正确性进行验证，非法用例通过违背授权约束生成，用以检测Web应用程序的访问控制漏洞。本发明方法能够全面检测各类访问控制漏洞，弥补了重定向后运行漏洞的检测空缺，并有效的精简测试用例的数量，大大提高分析效率。
-
公开(公告)号：CN119461340B
公开(公告)日：2025-05-02
申请号：CN202411707393.X
申请日：2024-11-27
Applicant: 南开大学
Abstract: 本申请公开了一种γ‑石墨单炔纳米片及其制备方法，属于二维碳材料制备技术领域。本申请提供的制备方法包括：以卤代苯为反应单体，加入催化剂经偶联反应后，得到γ‑石墨单炔晶体粉末；将所述γ‑石墨单炔晶体粉末与液态金属混合，复合于导电基底上，制成工作电极；将所述工作电极、对电极、参比电极和电解液组装三电极电化学体系进行电化学剥离，分离收集沉淀，即得所述γ‑石墨单炔纳米片。本申请首次实现高质量γ‑石墨单炔纳米片的成功剥离制备，且制成的γ‑石墨单炔纳米片的尺寸为纳米至微米级，纯度高且结构平整均匀，同时，在空气环境中具有优异的稳定性，在催化、半导体、电子、能源、环境等领域具有广泛的应用前景。
-
公开(公告)号：CN119461340A
公开(公告)日：2025-02-18
申请号：CN202411707393.X
申请日：2024-11-27
Applicant: 南开大学
Abstract: 本申请公开了一种γ‑石墨单炔纳米片及其制备方法，属于二维碳材料制备技术领域。本申请提供的制备方法包括：以卤代苯为反应单体，加入催化剂经偶联反应后，得到γ‑石墨单炔晶体粉末；将所述γ‑石墨单炔晶体粉末与液态金属混合，复合于导电基底上，制成工作电极；将所述工作电极、对电极、参比电极和电解液组装三电极电化学体系进行电化学剥离，分离收集沉淀，即得所述γ‑石墨单炔纳米片。本申请首次实现高质量γ‑石墨单炔纳米片的成功剥离制备，且制成的γ‑石墨单炔纳米片的尺寸为纳米至微米级，纯度高且结构平整均匀，同时，在空气环境中具有优异的稳定性，在催化、半导体、电子、能源、环境等领域具有广泛的应用前景。
-
公开(公告)号：CN109409561A
公开(公告)日：2019-03-01
申请号：CN201810958160.5
申请日：2018-08-22
Abstract: 本发明公开了一种多时间尺度时间序列协同预测模型的构建方法，包括：步骤1)，输入用户用电情况随着时间的变化而产生的记录数据，根据所述记录数据构建相关的时序表示；步骤2)，基于步骤1)得到的时序表示，对所有用电数据进行分析，捕获不同的特征并分析其相对应的变化规律，并以此来构建时间尺度矩阵序列；步骤3)，根据步骤1)和步骤2)的输出，构建用电数据时间序列的预测模型，所述时间序列的预测模型为多尺度RNN模型；步骤4)，根据步骤1)、步骤2)和步骤3)的输出，以及外部因素的输出进行加权融合求解，得到多时间尺度用电时序数据协同预测模型。本发明的方法使得用户用电情况预测的准确率得到提升。
-
Patent Agency Ranking
公开(公告)号：CN119439985A
公开(公告)日：2025-02-14
申请号：CN202411344623.0
申请日：2024-09-25
Applicant: 南开大学
IPC: G05D1/43 , G05D1/246 , G05D1/633 , G05D1/644 , G05D109/10
Abstract: 本申请涉及机器控制领域，提供了针对地面机器人的地形探索方法、装置、设备及存储介质。所述方法包括：对探索状态地图的各个区域进行可通行性状态标记，可通行性状态包括已探索不可通行状态、已探索可通行状态以及未探索状态；在探索状态地图中，确定包含地面机器人且仅包含已探索区域的最大正方形；对各个未知区域分别进行安全度评估；基于预设探索目标和各个未知区域的安全度，确定地面机器人的最优探索路由；按照最优探索路由规划地面机器人的安全探索路径，并控制地面机器人基于安全探索路径，对具有未探索状态的区域进行地形探索。本申请提供的方法可以提高地面机器人的探索效率。
-
公开(公告)号：CN117576218A
公开(公告)日：2024-02-20
申请号：CN202410066053.7
申请日：2024-01-17
Applicant: 南开大学
IPC: G06T7/73 , G06N3/0464 , G06T5/00 , G06T7/246 , G06V10/75 , G06V10/82 , G01C21/00 , G01C21/16 , G01C22/00
Abstract: 本发明涉及视觉惯导里程计优化技术领域，提供一种自适应的视觉惯导里程计输出方法。包括：采集数据；对视觉图像特征进行前端跟踪对齐；选取相邻两帧视觉图像组成第一图像集并进行特征点法匹配与直接法对齐，获得第一结果集；对其中一帧图像进行模糊处理与光照变化处理，与另一帧组成第二图像集，再次特征点法匹配与直接法对齐，获得第二结果集；将两结果集进行深度学习，获得自适应融合网络；在滑动窗口内以视觉特征残差、惯导数据残差及先验残差为多目标组建目标函数，并通过自适应融合网络进行数据融合及求解；根据优化结果，视觉惯导里程计进行位姿输出。本发明不仅能够自适应调整特征点法及直接法融合的权重，并且提升了定位精度。
-
公开(公告)号：CN118097485A
公开(公告)日：2024-05-28
申请号：CN202311668674.4
申请日：2023-12-07
Applicant: 南开大学
IPC: G06V20/40 , G06V10/82 , G06V10/764
Abstract: 本发明属于目标检测技术领域，具体为一种基于图像序列的目标检测方法。该方法包括以下步骤：步骤一：将视频数据转换成图像序列，利用YOLOv4算法得到当前帧与历史帧的目标特征提取层数据，然后对该数据上的每个目标与历史帧中的目标进行相似匹配以构造每个目标的序列数据；步骤二：将每个目标的序列数据输入到LSTM网络中，对当前帧的目标特征提取层数据进行预测；步骤三：将YOLOv4算法得到的目标特征提取层数据和LSTM网络预测的当前帧目标特征提取层数据分别输入到各自的YOLOv4解码预测模块，分别得到基于当前帧检测与基于历史帧预测的关于目标的类别置信度，然后利用D‑S证据融合规则，将两数据的置信度进行融合，得到新的目标检测结果。
-
公开(公告)号：CN117576218B
公开(公告)日：2024-03-29
申请号：CN202410066053.7
申请日：2024-01-17
Applicant: 南开大学
IPC: G06T7/73 , G06N3/0464 , G06T5/00 , G06T7/246 , G06V10/75 , G06V10/82 , G01C21/00 , G01C21/16 , G01C22/00
Abstract: 本发明涉及视觉惯导里程计优化技术领域，提供一种自适应的视觉惯导里程计输出方法。包括：采集数据；对视觉图像特征进行前端跟踪对齐；选取相邻两帧视觉图像组成第一图像集并进行特征点法匹配与直接法对齐，获得第一结果集；对其中一帧图像进行模糊处理与光照变化处理，与另一帧组成第二图像集，再次特征点法匹配与直接法对齐，获得第二结果集；将两结果集进行深度学习，获得自适应融合网络；在滑动窗口内以视觉特征残差、惯导数据残差及先验残差为多目标组建目标函数，并通过自适应融合网络进行数据融合及求解；根据优化结果，视觉惯导里程计进行位姿输出。本发明不仅能够自适应调整特征点法及直接法融合的权重，并且提升了定位精度。
-
公开(公告)号：CN109409561B
公开(公告)日：2022-04-19
申请号：CN201810958160.5
申请日：2018-08-22
Abstract: 本发明公开了一种多时间尺度时间序列协同预测模型的构建方法，包括：步骤1)，输入用户用电情况随着时间的变化而产生的记录数据，根据所述记录数据构建相关的时序表示；步骤2)，基于步骤1)得到的时序表示，对所有用电数据进行分析，捕获不同的特征并分析其相对应的变化规律，并以此来构建时间尺度矩阵序列；步骤3)，根据步骤1)和步骤2)的输出，构建用电数据时间序列的预测模型，所述时间序列的预测模型为多尺度RNN模型；步骤4)，根据步骤1)、步骤2)和步骤3)的输出，以及外部因素的输出进行加权融合求解，得到多时间尺度用电时序数据协同预测模型。本发明的方法使得用户用电情况预测的准确率得到提升。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.016 seconds)
