-
公开(公告)号：CN109678655B
公开(公告)日：2020-05-08
申请号：CN201910063385.9
申请日：2019-01-23
Applicant: 江南大学
Abstract: 本发明公开了镍铁水滑石催化剂在制备苯甲醇中的应用，属于苯甲醇合成技术领域。本发明用醇类化合物作为溶剂和供氢体，以Ni‑Fe(2/1)LDH、Ni‑Fe(3/1)LDH或Ni‑Fe(4/1)LDH作为催化剂，在水热反应釜中自身压力条件下利用催化转移氢化反应催化苯甲醛制备苯甲醇，反应温度为110～160℃，反应时间为6～11h。本发明方法工艺简单、操作方便且安全环保。镍铁水滑石催化剂是由常见的非贵金属所制备，低廉易得，且可以多次重复使用，还可以还原其它的含C＝O键的化合物，有利于商业化应用。
-
公开(公告)号：CN110653840A
公开(公告)日：2020-01-07
申请号：CN201910889918.9
申请日：2019-09-20
Applicant: 江南大学
Abstract: 本发明提供了一种仿生螺旋缠绕软体夹持器，其不仅具有良好的柔顺性与安全性、适用范围大，而且可有效增强抓握的稳固性、提高工作精准度，安装和使用方便，其包括柔性套和气管，柔性套内设有螺旋缠绕结构，气管与螺旋缠绕结构连通，柔性套通过连接装置与工业机械臂相连，螺旋缠绕结构包括偏心螺旋管，偏心螺旋管的偏心位置靠近偏心螺旋管的外侧；在偏心螺旋管的内径管和外径管之间并且靠近偏心螺旋管的内侧，偏心螺旋管设有不可延展层；偏心螺旋管的表面设有螺纹圈，螺纹圈沿偏心螺旋管的螺旋方向布置，且过螺纹圈轮廓线上点的切线与过该点的偏心螺旋管截面切线之间的夹角为2°~5°。
-
公开(公告)号：CN110110624B
公开(公告)日：2023-04-07
申请号：CN201910332644.3
申请日：2019-04-24
Applicant: 江南大学
Abstract: 本发明提供一种基于DenseNet网络与帧差法特征输入的人体行为识别方法，其可以在占用较少内存和更少训练时间的基础上，在进行人体行为识别的时候取得较高的准确率。其包括：S1：获得待识别动作视频数据；获取待识别动作视频数据的静态灰度图像序列,利用帧差法生成包含运动主体运动特征的运动帧差图；S2：以DenseNet模型为基础构建骨干网络模型，通过骨干网络模型分别搭建时间流网络和空间流网络；S3：分别训练时间流网络和空间流网络，获得训练好的时间流网络和空间流网络；S4：将静态灰度图像序列的序列作为训练好的空间流网络的输入；将运动帧差图的序列作为训练好的时间流网络的输入，获得行为识别最终结果，完成动作识别操作。
-
公开(公告)号：CN109272988B
公开(公告)日：2022-05-24
申请号：CN201811155813.2
申请日：2018-09-30
Applicant: 江南大学
Abstract: 本发明提供基于多路卷积神经网络的语音识别方法，其能够提取更充分的语音信息，且处理数据量较大的音频数据时，具有更好的拟合性。其包括：S1：输入原始语音并进行处理；S2：提取出反映语音信号特征的关键特征参数，形成特征矢量序列；S3：基于多路卷积神经网络模型为基础、CTC作为损失函数，构建声学模型；多路卷积神经网络的结构包括依次设置的子网络结构、连续的全连接层、CTC损失函数；S4：训练声学模型，得到训练好的声学模型；S5：将待识别的特征矢量序列输入到训练好的声学模型中得到识别结果；S6：以步骤S5中得到的识别结果为基础进行后续的运算，即得到能够以最大概率输出该语音信号的词串，词串即原始语音被识别后的语言文字。
-
公开(公告)号：CN109949824B
公开(公告)日：2021-08-03
申请号：CN201910066335.6
申请日：2019-01-24
Applicant: 江南大学
Abstract: 本发明提供一种基于N‑DenseNet和高维mfcc特征的城市声音事件分类方法，其在处理音频数据时能提供更丰富、更有效的特征信息，模型有更强的泛化能力，分类具有更高的准确率。其包括：S1：采集待处理音频数据，对原始音频信号进行预处理，输出音频帧序列；S2：对音频帧序列进行时域和频域分析，提取高维梅尔频率倒谱系数，输出特征向量序列；S3：构建声学模型，并对声学模型进行训练，得到训练好的声学模型；S4：将步骤S2中输出的特征向量序列经过处理后，输入到训练好的声学模型中进行分类识别，得到的识别结果即为声音事件的分类结果；其特征在于：声学模型是以DenseNet模型为基础，结合N阶马尔可夫模型的特点构建的网络模型，即为N阶DenseNet模型。
-
Patent Agency Ranking
公开(公告)号：CN111701621A
公开(公告)日：2020-09-25
申请号：CN202010540134.8
申请日：2020-06-12
Applicant: 江南大学
IPC: B01J31/22 , C07C39/10 , C07C37/66 , C07C29/143 , C07C35/08
Abstract: 本发明公开一种配位型邻苯三酚锆的合成及其在制备环己醇中的应用，属于催化氢化应用领域。本发明以邻苯三酚(PA)和四氯化锆(ZrCl4)为原料合成，通过水热法合成配位型邻苯三酚锆催化剂。本发明制备出的催化剂配位型邻苯三酚锆不仅对环己酮转化为环己醇具有良好的催化效果，而且反应条件温和，大大减少了现有技术所需的能耗。此外，本发明中的配位型邻苯三酚锆(Zr-PA)催化剂为非均相型催化剂，反应结束后通过简单的过滤可将催化剂回收并用于下一次反应中，而且多次循环后仍具有良好的催化效果。
-
公开(公告)号：CN110390952A
公开(公告)日：2019-10-29
申请号：CN201910539745.8
申请日：2019-06-21
Applicant: 江南大学
Abstract: 本发明提供基于双特征2-DenseNet并联的城市声音事件分类方法，其具对特征信息具有更高效的融合能力，更高的分类准确率，且具有更强的泛化能力。其包括：S1采集、处理待处理音频数据，输出音频帧序列；S2对音频帧序列进行时域和频域分析，分别输出梅尔频率倒谱系数特征向量序列和伽马通倒谱系数特征向量序列；S3构建分类模型，分类模型中包括以DenseNet模型为基础、结合2阶马尔可夫模型构建的网络模型；分类模型以2阶DenseNet模型为基础构建基础网络，基础网络设置为并联的两路；对分类模型进行训练，得到训练好的分类模型；S4将步骤S2中输出的特征向量序列经过处理后，以双特征形式分为两路输入到训练好的分类模型中进行分类识别，得到声音事件的分类结果。
-
公开(公告)号：CN109908957A
公开(公告)日：2019-06-21
申请号：CN201910203041.3
申请日：2019-03-18
Applicant: 江南大学
IPC: B01J31/18 , B01J27/188 , C07D307/44
Abstract: 本发明公开了一种配位型磷钨酸锆催化剂及其在催化氢化糠醛中的应用，属于非均相催化领域。本发明制备得到的磷钨酸锆催化剂不仅对糠醛转化为糠醇具有良好的催化效果，而且反应条件温和，能够在120℃下反应1h即可实线糠醇的收率为98.64％，且催化剂的用量较少，大大减少了现有技术中所需的能耗。此外，本发明制备得到的磷钨酸锆易于分离，对催化氢化糠醛到糠醇的反应具有很好的稳定性，是一种新型、高效、绿色的催化剂。
-
公开(公告)号：CN109776628A
公开(公告)日：2019-05-21
申请号：CN201910168288.6
申请日：2019-03-06
Applicant: 江南大学
IPC: C07H13/08 , C07H1/00 , B01J31/22 , C07D307/44
Abstract: 本发明公开了一种介孔鞣酸锆催化剂及其在催化糠醛加氢中的应用，属于非均相催化领域。本发明以鞣酸作为金属锆的配位体，制备得到介孔鞣酸锆催化剂，用于催化糠醛加氢制备糠醇；反应温度仅需120℃，反应80min即可实现糠醇的产率高达98.16％，而且经过8次循环后仍具有良好的催化效果，催化过程中糠醇的产率仍高达91.36％，本发明制备得到的鞣酸锆对催化糠醛加氢到糠醇的反应具有很好的催化活性和稳定性，是一种新型、高效、绿色的催化剂。
-
公开(公告)号：CN109272990A
公开(公告)日：2019-01-25
申请号：CN201811112506.6
申请日：2018-09-25
Applicant: 江南大学
Abstract: 本发明提供基于卷积神经网络的语音识别方法，其更加擅长提取高层特征，建模过程简单、容易训练、模型的泛化性能更佳，能够更广泛的应用到各种语音识别的场景中。其包括：S1：对输入的原始语音信号进行预处理；S2：提取出反映语音信号特征的关键特征参数，形成特征矢量序列；S3：基于DCNN网络模型为基础、以联结主义时间分类器CTC作为损失函数，构建端对端方式的声学模型；S4：训练声学模型，得到训练好的声学模型；S5：将步骤S2中得到的待识别的特征矢量序列输入到训练好的声学模型中得到识别结果；S6：以步骤S5中得到的识别结果为基础进行后续的运算，即得到能够以最大概率输出该语音信号的词串，词串即原始语音被识别后的语言文字。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.026 seconds)
