-
公开(公告)号:CN110217408B
公开(公告)日:2023-11-03
申请号:CN201910167904.6
申请日:2019-03-06
Applicant: 浙江大学
Abstract: 本发明涉及一种新型平面可展开结构。本发明为相邻行方形单元错缝分布的方形单元。所述的方形单元包括n层单层结构、n‑1个竖向支撑结构。竖向支撑结构将相邻两层单层结构连接在一起组成一个方形单元。单层结构通过特定的A型锁定机构、B型锁定机构、C型锁定机构、X向短杆和、Y向长杆的配合实现可收拢。本发明可用作太空中的超大尺度空间太阳能电站微波发射天线、卫星的大型平面相控阵天线及其他大型、超大型空间结构。所利用的新型平面收拢展开构型及锁定方式,具有展开精度高、刚度大、收展比大等优点,适用于空间大尺度、超大尺度天线及电池阵结构。
-
公开(公告)号:CN113378979A
公开(公告)日:2021-09-10
申请号:CN202110748758.3
申请日:2021-07-02
Applicant: 浙江大学
IPC: G06K9/62
Abstract: 本发明涉及高光谱遥感图像处理领域,公开了基于波段注意力重建网络的高光谱波段选择方法及装置。包括:(1)构建高效的波段注意力重建网络,计算波段代表性;(2)选择代表性度量值最高的波段,构建初始已选波段子集;(3)计算波段之间的冗余度;(4)计算波段代表性和冗余度综合分值;(5)选择得分最高的波段,更新波段子集。重复过程(3)‑(5),直到已选择波段的数量达到预先设定的波段数。本发明从高光谱图像特性出发,利用了波段之间复杂的非线性关系,结合了先进的深度学习知识,提出了兼顾波段代表性和冗余度的波段选择方法,能够提升高光谱图像像素分类的精度。
-
公开(公告)号:CN110217408A
公开(公告)日:2019-09-10
申请号:CN201910167904.6
申请日:2019-03-06
Applicant: 浙江大学
Abstract: 本发明涉及一种新型平面可展开结构。本发明为相邻行方形单元错缝分布的方形单元。所述的方形单元包括n层单层结构、n-1个竖向支撑结构。竖向支撑结构将相邻两层单层结构连接在一起组成一个方形单元。单层结构通过特定的A型锁定机构、B型锁定机构、C型锁定机构、X向短杆和、Y向长杆的配合实现可收拢。本发明可用作太空中的超大尺度空间太阳能电站微波发射天线、卫星的大型平面相控阵天线及其他大型、超大型空间结构。所利用的新型平面收拢展开构型及锁定方式,具有展开精度高、刚度大、收展比大等优点,适用于空间大尺度、超大尺度天线及电池阵结构。
-
公开(公告)号:CN108649347A
公开(公告)日:2018-10-12
申请号:CN201810211462.6
申请日:2018-03-15
Applicant: 浙江大学
IPC: H01Q21/24 , H01Q1/38 , H01Q1/48 , H01Q1/50 , B32B27/28 , B32B27/06 , B32B27/12 , B32B3/12 , B32B7/12 , B32B3/08 , B32B33/00
Abstract: 本发明涉及一种轻型索膜微带相控阵天线结构。本发明中辐射层覆铜膜、地层覆铜膜与索网均固定设置在刚性框架上;刚性框架为框架结构,索网位于刚性框架中部,辐射层覆铜膜与地层覆铜膜分别位于刚性框架中索网的上下两面;索网上设置有网格节点,网格节点分别与辐射层覆铜膜与地层覆铜膜粘接;辐射层覆铜膜上表面设置有铜箔层作为铜箔辐射单元,地层覆铜膜上表面设置有地层铜箔。本发明相对于常规的微带相控阵天线能够显著的降低面密度,质量更轻,满足大尺度、超大尺度C频段微带相控阵天线对于质量的要求,能够满足5.8GHz~10GHz频段微带相控阵的热变形要求。
-
公开(公告)号:CN113378979B
公开(公告)日:2022-04-29
申请号:CN202110748758.3
申请日:2021-07-02
Applicant: 浙江大学
IPC: G06V10/764 , G06K9/62
Abstract: 本发明涉及高光谱遥感图像处理领域,公开了基于波段注意力重建网络的高光谱波段选择方法及装置。包括:(1)构建高效的波段注意力重建网络,计算波段代表性;(2)选择代表性度量值最高的波段,构建初始已选波段子集;(3)计算波段之间的冗余度;(4)计算波段代表性和冗余度综合分值;(5)选择得分最高的波段,更新波段子集。重复过程(3)‑(5),直到已选择波段的数量达到预先设定的波段数。本发明从高光谱图像特性出发,利用了波段之间复杂的非线性关系,结合了先进的深度学习知识,提出了兼顾波段代表性和冗余度的波段选择方法,能够提升高光谱图像像素分类的精度。
-
公开(公告)号:CN117722042A
公开(公告)日:2024-03-19
申请号:CN202311679779.X
申请日:2023-12-07
Applicant: 中国建筑西南设计研究院有限公司 , 浙江大学
Abstract: 本发明公开了一种采用型钢加强的钢梁腹板开矩形孔补强构造。钢梁主要由上翼缘、下翼缘和腹板组成,腹板连接在上翼缘和下翼缘之间,腹板的中部开设有矩形孔洞,在腹板的矩形孔洞处设有补强单元,两个竖向角钢分别对称设置在矩形孔洞的左右两侧,两个水平角钢分别对称设置在矩形孔洞的上下两侧,竖向角钢和水平角钢焊接后围成“口”字形延伸结构,竖向角钢/水平角钢采用焊缝、螺栓或栓焊混合的方式钢梁腹板连接。本发明通过竖向角钢和水平角钢组成的“口”字形延伸结构,可以有效提高腹板开孔梁段的抗弯和抗剪承载力,减小腹板的焊接残余应力和变形;可实现工厂预制,可大大减少焊接工作量,施工简单、快速,性能优越。
-
公开(公告)号:CN116704343A
公开(公告)日:2023-09-05
申请号:CN202310668521.3
申请日:2023-06-07
Applicant: 浙江大学
IPC: G06V20/10 , G06V10/58 , G06V10/77 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/0895
Abstract: 本发明涉及高光谱遥感图像处理领域,公开了基于对比学习的高光谱图像波段选择方法及装置。包括:(1)扩增高光谱数据;(2)构建基于波段注意力的对比学习网络;(3)定义基于对比学习的波段选择网络的损失函数;(4)度量波段重要性;(5)选择最具价值的波段子集。本发明从高光谱图像特性出发,结合对比学习和注意力机制,挖掘高光谱图像抽象的语义信息以及光谱波段之间潜在的非线性关系,充分利用高光谱图像的空间信息,提出了基于对比学习的高光谱图像波段选择方法,能够有效地提升高光谱图像像素分类的精度。
-
公开(公告)号:CN108649347B
公开(公告)日:2023-07-25
申请号:CN201810211462.6
申请日:2018-03-15
Applicant: 浙江大学
IPC: H01Q21/24 , H01Q1/38 , H01Q1/48 , H01Q1/50 , B32B27/28 , B32B27/06 , B32B27/12 , B32B3/12 , B32B7/12 , B32B3/08 , B32B33/00
Abstract: 本发明涉及一种轻型索膜微带相控阵天线结构。本发明中辐射层覆铜膜、地层覆铜膜与索网均固定设置在刚性框架上;刚性框架为框架结构,索网位于刚性框架中部,辐射层覆铜膜与地层覆铜膜分别位于刚性框架中索网的上下两面;索网上设置有网格节点,网格节点分别与辐射层覆铜膜与地层覆铜膜粘接;辐射层覆铜膜上表面设置有铜箔层作为铜箔辐射单元,地层覆铜膜上表面设置有地层铜箔。本发明相对于常规的微带相控阵天线能够显著的降低面密度,质量更轻,满足大尺度、超大尺度C频段微带相控阵天线对于质量的要求,能够满足5.8GHz~10GHz频段微带相控阵的热变形要求。
-
公开(公告)号:CN117437479A
公开(公告)日:2024-01-23
申请号:CN202311480076.4
申请日:2023-11-08
IPC: G06V10/764 , G06V20/13 , G06V20/10 , G06V10/80 , G06V10/82 , G06V10/44 , G06V10/26 , G06N3/0464 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种高分辨率图像协同的高光谱图像混合像元分解方法及装置。本发明首先对高光谱图像和高分辨率图像进行配准,得到与高光谱图像精确对应的高分辨率图像以及相应的配准参数,对高光谱图像进行端元束提取,利用高分辨率图像协同确定高光谱图像端元数、端元光谱以及地物类别,再对高分辨率图像进行分层分类,利用高分辨图像的分类结果以及高光谱图像与高分辨率图像的配准参数,进行高光谱图像丰度求解,实现利用高分辨率图像协同进行高光谱图像混合像元分解。本发明分利用高分辨率图像提供的丰富的细节信息,辅助进行高光谱图像混合像元分解,为高光谱图像混合像元分解提供新的思路。
-
公开(公告)号:CN115641503A
公开(公告)日:2023-01-24
申请号:CN202211210073.4
申请日:2022-09-30
Applicant: 浙江大学
IPC: G06V20/10 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明涉及高光谱遥感图像处理领域,公开了基于Transformer网络的高光谱波段选择方法及装置。包括:(1)计算波段位置编码;(2)构建并训练Transformer重建网络;(3)度量候选波段的代表性;(4)度量候选波段的冗余度;(5)设计兼顾波段代表性和冗余度的波段打分函数,评价候选波段;(6)逐个选择在所有未选波段中得分最高的波段,直到已选波段的数量达到预设值。本发明从高光谱图像特性出发,结合Transformer网络和卷积自编码器网络,挖掘了光谱波段之间潜在的非线性关系,充分利用了高光谱图像的空间信息,提出了兼顾波段代表性和冗余度的波段选择方法,能够有效地提升高光谱图像像素分类的效果。
-
-
-
-
-
-
-
-
-