-
Patent Agency Ranking
公开(公告)号：CN108507892B
公开(公告)日：2020-09-01
申请号：CN201810225203.9
申请日：2018-03-19
Applicant: 复旦大学
IPC: G01N3/42
Abstract: 本发明属于有机薄膜的力学特性测量技术领域，具体为一种有机薄膜杨氏模量标准化的测算方法。本发明方法的步骤为：对有机薄膜进行单次加载‑卸载测试，得到该有机薄膜的单次载荷曲线；应用描述分子间力和分子间距关系的罗纳德‑琼斯势理论，通过推导卸载曲线中的载荷与压入深度的关系来解释载荷曲线，并对载荷曲线进行拟合，得到拟合参数；根据理论推导得到有机薄膜杨氏模量和载荷压入深度的关系式，以及拟合参数，确定不同压入深度下有机薄膜的杨氏模量值。该方法可以得到柔软有机薄膜在压缩后弹回到受力为零时的杨氏模量E0，该杨氏模量E0不会随薄膜的应力或应变改变，相对固定，适用于有机薄膜杨氏模量的互相比较和标准化测试。
-
公开(公告)号：CN111060414B
公开(公告)日：2022-05-20
申请号：CN201911400928.8
申请日：2019-12-30
Applicant: 复旦大学
Abstract: 本发明属于材料特性测量技术领域，具体为一种有机材料的韧性、强度和弹性的测算方法。本发明方法包括：利用纳米压痕仪对有机材料进行单次加载‑卸载测试，测试所用的载荷大小和应变必须在合适的范围内，得到该有机材料的单次载荷曲线；利用纳米压痕卸载曲线拟合公式，对卸载曲线进行最优化的数据拟合，计算得到三个拟合参数；利用这三个参数代入韧性、强度、和弹性参数的计算公式，即得到材料的韧性、强度、和伸缩性等力学特性参数。本发明方法适用于测试比较疏松的有机材料的力学参数，尤其适用于测试具有范德华力（分子力）相互作用的材料的力学参数。可以建立一种使用方便、测量准确、应用范围广泛的材料力学标准化测试方法和测试工具。
-
公开(公告)号：CN111060414A
公开(公告)日：2020-04-24
申请号：CN201911400928.8
申请日：2019-12-30
Applicant: 复旦大学
Abstract: 本发明属于材料特性测量技术领域，具体为一种有机材料的韧性、强度和弹性的测算方法。本发明方法包括：利用纳米压痕仪对有机材料进行单次加载-卸载测试，测试所用的载荷大小和应变必须在合适的范围内，得到该有机材料的单次载荷曲线；利用纳米压痕卸载曲线拟合公式，对卸载曲线进行最优化的数据拟合，计算得到三个拟合参数；利用这三个参数代入韧性、强度、和弹性参数的计算公式，即得到材料的韧性、强度、和伸缩性等力学特性参数。本发明方法适用于测试比较疏松的有机材料的力学参数，尤其适用于测试具有范德华力（分子力）相互作用的材料的力学参数。可以建立一种使用方便、测量准确、应用范围广泛的材料力学标准化测试方法和测试工具。
-
公开(公告)号：CN108507892A
公开(公告)日：2018-09-07
申请号：CN201810225203.9
申请日：2018-03-19
Applicant: 复旦大学
IPC: G01N3/42
CPC classification number: G01N3/42 , G01N2203/0075
Abstract: 本发明属于有机薄膜的力学特性测量技术领域，具体为一种有机薄膜杨氏模量标准化的测算方法。本发明方法的步骤为：对有机薄膜进行单次加载-卸载测试，得到该有机薄膜的单次载荷曲线；应用描述分子间力和分子间距关系的罗纳德-琼斯势理论，通过推导卸载曲线中的载荷与压入深度的关系来解释载荷曲线，并对载荷曲线进行拟合，得到拟合参数；根据理论推导得到有机薄膜杨氏模量和载荷压入深度的关系式，以及拟合参数，确定不同压入深度下有机薄膜的杨氏模量值。该方法可以得到柔软有机薄膜在压缩后弹回到受力为零时的杨氏模量E0，该杨氏模量E0不会随薄膜的应力或应变改变，相对固定，适用于有机薄膜杨氏模量的互相比较和标准化测试。
-
公开(公告)号：CN117294425A
公开(公告)日：2023-12-26
申请号：CN202311068411.X
申请日：2023-08-23
Applicant: 华为云计算技术有限公司 , 复旦大学
Abstract: 一种数据处理的方法、系统以及计算设备，该方法包括：第一计算参与方和第二计算参与方分别获得第一密文数据；第二计算参与方从第一计算参与方处获得第一ID对应的第一特征值的份额；第一计算参与方获得第二数据，如果第一ID是交集ID，第二数据为第二计算参与方中第一ID对应的第二特征值的份额，如果第一ID不是交集ID，第二数据为随机数；如果第一密文数据指示第一ID为交集ID，第一计算参与方将其持有的第一特征值的份额以及第二数据作为神经网络的训练数据，第二计算参与方将其持有的第一特征值的份额与第二特征值的份额作为神经网络的训练数据。该方法能够提高多方计算的安全性。
-
-
-
-
Search Results
5
records
(took 0.016 seconds)
