-
公开(公告)号:CN116105901A
公开(公告)日:2023-05-12
申请号:CN202111331088.1
申请日:2021-11-11
Applicant: 西安交通大学苏州研究院
Abstract: 本发明提供了一种薄膜压力传感器及其制备方法,所述薄膜压力传感器的压力敏感层包括叠层设置的第一敏感薄膜层和第二敏感薄膜层;其中,所述第一敏感薄膜层的材料为NixCr1‑x,0<x≤0.5;所述第二敏感薄膜层的材料为NiyCr1‑y,0.65≤y<1。其中,所述第一敏感薄膜层和所述第二敏感薄膜层是采用磁控溅射工艺制备形成。本发明的技术方案,压力敏感层为叠层设置的富铬的第一敏感薄膜层和贫铬的第二敏感薄膜层的组合,由此可以改善基于镍铬合金材料作为压力敏感层的薄膜压力传感器的性能,特别是可以有效地降低传感器的电阻温度系数,并且其制备工艺的一致性及稳定性得到提升,非常有利于大规模的工业化生产。
-
公开(公告)号:CN109523529B
公开(公告)日:2021-07-13
申请号:CN201811341159.4
申请日:2018-11-12
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于SURF算法的输电线路缺陷识别方法,包括以下步骤:对输电线路图像进行边缘检测,然后将边缘检测图像进行灰度化处理,利用霍夫变换得到输电线路图像中的输电线路,调用OpenCV中的Rect函数,求出输电线路图像中输电线路所在最小矩形区域四个顶点的坐标,从而得到原图中包含输电线路的最小矩形区域,即感兴趣区域ROI,完成对输电线路图像感兴趣区域的提取过程;针对输电线路图像的特点,采用SURF算法提取输电线路图像特征,结合BOW算法将输电线路图像表示为数值向量;通过SVM算法确定输电线路图像中输电线路的缺陷类型。本发明能够快速准确的识别复杂自然环境中电力线路的缺陷类型,极大地提高电力线路的巡检效率。
-
公开(公告)号:CN109523528B
公开(公告)日:2021-07-13
申请号:CN201811340192.5
申请日:2018-11-12
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于无人机双目视觉SGC算法的输电线路提取方法,包括步骤:图像采集,图像信息的采集是双目视觉系统的基础,图像采集受到自然环境、相机性能、拍摄水平的影响,高质量的图像数据将为后期的图像处理提供极大的便利;双目相机标定需要分别获取左、右相机的内外参数,确定两个相机的相对位置关系,最后建立双目成像模型,指导目标三维信息的计算;图像校正,在采集到初始图像对之后,需要对其进行颜色校正和几何校正;校正图像进行SGC立体匹配,获取视差图;完成灰度直方图的分析,采用双峰阈值分割算法进行视差图的分割,得到纯净的输电线路。采用本发明的技术方案,能够很大程度地提高输电线路的检测正确率。
-
公开(公告)号:CN109787245A
公开(公告)日:2019-05-21
申请号:CN201910081321.1
申请日:2019-01-28
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于调节特性和经济性的微网无功补偿装置配置方法,从电力系统规划部门获取微网系统的信息,微网系统的包括系统的规模和结构、电源装机情况、负荷容量分布及负荷性质信息,以馈线为单位,基于就地平衡和便于调整电压原则,提出并联电容器和SVG的混合无功最优配置方案;在无功容量配置过程中采用不同运行方式、不同负荷水平下的潮流断面数据进行多次计算,对规划结果进行复核校验,使规划出的无功补偿容量在实际运行中能够应对不同情况。本发明涉及面向工程需求的微网无功配置问题,有效提高无功补偿配置的经济性与灵活性,为实际工程中微网安全稳定经济运行提供了新的思路和技术路线。
-
公开(公告)号:CN109308692A
公开(公告)日:2019-02-05
申请号:CN201810852367.4
申请日:2018-07-30
Abstract: 本发明提供了一种基于改进Resnet与SVR混合模型的OCT图像质量评价方法,包括以下步骤:步骤1,对原始OCT图像进行预处理,得到预处理后的OCT图像;步骤2,构建并训练深度残差网络,采用训练后的深度残差网络提取预处理后的OCT图像的深层次特征;步骤3,利用所提取预处理后的OCT图像的深层次特征训练OCT图像质量评价模型;给定一幅待评价的OCT图像,利用OCT图像质量评价模型得到待评价的OCT图像的质量分数。本发明将深度残差网络与OCT图像的质量评价任务相结合,建立了一种新的OCT图像的主观感知质量的客观预测模型。
-
公开(公告)号:CN101936635A
公开(公告)日:2011-01-05
申请号:CN200910065293.0
申请日:2009-06-29
Applicant: 河南新飞电器有限公司 , 西安交通大学
CPC classification number: Y02B30/765
Abstract: 本发明公开了一种自复叠双温冰箱,包括压缩机(21)、冷凝蒸发器(23)、冷藏室蒸发器(34)和电控装置(36),冷凝蒸发器(23)上设有低压进(22C),冷藏室蒸发器(34)入口前的制冷剂管路与冷凝蒸发器的低压进(22C)之间设有旁通管路(35),旁通管路(35)上设有电磁阀(33),电磁阀(33)与电控装置(36)连接。当冷冻室温度较高但冷藏室温度已经达到下限值时,可以开启电磁阀以减少通过冷藏室蒸发器的制冷剂流量,使冰箱两间室的温度状况皆在设定的范围之内,避免了以往两间室温度不匹配所造成的问题。本发明还公开了自复叠双温冰箱的温度控制方法,冷藏室、冷冻室的各种温度状况均对应有相应的控制方法,使冰箱两间室的温度更加匹配。
-
公开(公告)号:CN100336080C
公开(公告)日:2007-09-05
申请号:CN200610041726.5
申请日:2006-01-25
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于尺度空间分解与重构的X射线图像均衡显示处理方法,该方法的步骤包括:首先将输入图像进行归一化和对数变换,然后选用线性或者非线性图像滤波方法进行图像的尺度空间分解,然后对分解产生的不同尺度下的图像信息进行加权,然后将加权后的信号重构,将重构的信号进行反归一化及反对数处理,得到均衡后的图像。在分解过程中,可以采用空域平滑滤波算子,如高斯滤波算子,高斯微分滤波算子进行线性尺度空间分解,或者采用中值曲率驱动方程进行非线性滤波及分解。该方法创造性地从尺度空间分解的角度出发,进行图像均衡处理,与人眼的视觉模型相符合,因而具有良好的处理效果。
-
公开(公告)号:CN1804903A
公开(公告)日:2006-07-19
申请号:CN200610041726.5
申请日:2006-01-25
Applicant: 西安交通大学
Abstract: 本发明公开了一种基于尺度空间分解与重构的X射线图像均衡显示处理方法,该方法的步骤包括:首先将输入图像进行归一化和对数变换,然后选用线性或者非线性图像滤波方法进行图像的尺度空间分解,然后对分解产生的不同尺度下的图像信息进行加权,然后将加权后的信号重构,将重构的信号进行反归一化及反对数处理,得到均衡后的图像。在分解过程中,可以采用空域平滑滤波算子,如高斯滤波算子,高斯微分滤波算子进行线性尺度空间分解,或者采用中值曲率驱动方程进行非线性滤波及分解。该方法创造性地从尺度空间分解的角度出发,进行图像均衡处理,与人眼的视觉模型相符合,因而具有良好的处理效果。
-
公开(公告)号:CN116522237A
公开(公告)日:2023-08-01
申请号:CN202310406829.0
申请日:2023-04-17
Applicant: 西安交通大学 , 中国核电工程有限公司
IPC: G06F18/2415 , G06F18/213 , G06F18/2131 , G06F18/214 , G06F18/25 , G06N3/0464 , G06N3/084
Abstract: 本公开揭示了一种基于并行卷积神经网络的滚动轴承故障诊断方法,包括:S100:采集待测滚动轴承的原始振动信号Xio(t);S200:对原始振动信号Xio(t)进行预处理,获得预处理后的振动信号Xi(t);S300:对预处理后的振动信号Xi(t)进行第一次重叠采样,以获得第一样本信号xm(t);S400:对预处理后的振动信号进行第二次重叠采样,以获得第二样本信号ym(t);S500:基于第一样本信号xm(t)和第二样本信号ym(t)分别获得待测滚动轴承的一维张量集合和二维张量集合;S600:基于待测滚动轴承的一维张量集合和二维张量集合构建融合数据集并输入训练好的并行卷积神经网络,以实现对待测滚动轴承的故障识别。
-
公开(公告)号:CN113899493A
公开(公告)日:2022-01-07
申请号:CN202111290432.7
申请日:2021-11-02
Applicant: 西安交通大学苏州研究院
Abstract: 本申请涉及一种应用于超低温环境的压力传感器,属于压力检测装置的封装技术领域,包括:基座;检测组件,至少部分检测组件与基座对接安装,以对目标物进行检测;壳体组件,与基座连接,且套设在检测组件的外侧;其中,壳体组件包括隔温件及设置在隔温件外侧的金属外壳,隔温件用以将金属外壳的温度延缓传递至检测组件。通过上述方式,可在低温环境下减缓低温对于检测组件的冲击,从而提升压力传感器的低温可靠性和使用寿命;隔温件的材料具有极低的热导率从而明显增加压力传感器处于低温时温度自外界环境传递至隔温件内部的时间,同时使得隔温件在超低温环境中,仍然能够保持较好的机械性能。
-
-
-
-
-
-
-
-
-