-
公开(公告)号：CN105515528A
公开(公告)日：2016-04-20
申请号：CN201511014859.9
申请日：2015-12-31
Applicant: 哈尔滨工业大学
IPC: H02S40/44
CPC classification number: Y02E10/60
Abstract: 一种废热和太阳能多功能混合发电装置。本发明涉及一种废热和太阳能多功能混合发电装置。所述的菲涅尔透镜（2）连接在管道（1）的顶端，所述的管道（1）的内部为正方体，所述的管道（1）的底端连接钢管（3），所述的钢管（3）内装入一组多孔介质（4），第一个所述的多孔介质（4）由上至下排列，第一个所述的多孔介质（4）设置在所述的菲涅尔透镜（2）的焦点处，所述的钢管（3）的底端连接实心圆柱（5），所述的实心圆柱（5）开有圆台通口（6），所述的钢管（3）的外表面均匀分布电池组。本发明用于多功能混合发电。
-
公开(公告)号：CN105181112A
公开(公告)日：2015-12-23
申请号：CN201510696186.3
申请日：2015-10-22
Applicant: 哈尔滨工业大学
IPC: G01H9/00
Abstract: 一种基于FBG的膜片式低精细度F-P光纤声压传感器，属于光纤传感器技术领域。本发明为了解决传统F-P光纤声压传感器存在的缺陷。包括写入光纤内的低反射率FBG，套筒，在套筒端面的敏感膜片，光纤；FBG和敏感膜片构成F-P腔的一对反射镜，光纤和光纤端面至敏感膜片的空气腔共同组成了F-P传感器的干涉腔，干涉腔的腔长加工重复性好，且干涉腔的两反射镜平行度高；通过控制光纤出射端面与敏感膜片间的距离使得膜片的有效反射率与FBG的反射率接近相同；传感器采用PGC解调技术，对温度和激光波长漂移等缓变因素具有很强的抗干扰能力。
-
公开(公告)号：CN119742250A
公开(公告)日：2025-04-01
申请号：CN202411949281.5
申请日：2024-12-27
Applicant: 哈尔滨工业大学
IPC: H01L21/67 , H01L21/683
Abstract: 本发明提供了一种晶圆键合设备，涉及集成电路封装的技术领域，晶圆键合设备包括上晶圆吸附台，所述上晶圆吸附台包括位于底部的吸附盘，所述吸附盘上设有多个能够独立工作的吸附单元和多个能够独立工作的加热单元，所述吸附单元和所述加热单元分别呈环状分布，多个所述吸附单元和所述加热单元由所述上晶圆吸附台中心向外周交替间隔排列。本发明能够改善晶圆在键合过程中出现应力集中，进而出现剥离的现象。
-
公开(公告)号：CN119479943A
公开(公告)日：2025-02-18
申请号：CN202411620921.8
申请日：2024-11-14
Applicant: 哈尔滨工业大学
IPC: G16C60/00 , G16C10/00 , G06F30/27 , G06F30/17 , G06F119/14 , G06F111/10
Abstract: 基于机器学习分子动力学的碳纳米管力学特性分析方法，涉及碳纳米管力学特性分析技术领域。直径、长度和缺陷比例作为变量构建结构参数库；温度和应变率作为补充变量建立拉伸模型参数库；分子动力学仿真分析拉伸力学特性；绘制应力‑应变曲线提取关键参数；利用机器学习的方法建立结构参数与力学特性之间的参数关联库；选择机器学习算法进行力学特性的预测；通过训练好的机器学习模型提取函数关系建立拟合函数。从不同直径、长度、缺陷比例、温度和应变率与碳纳米管力学特性之间的关系出发，通过机器学习得到在特定条件下碳纳米管的最优结构参数，大幅降低计算量，在确保模型有效性的同时节约实验成本，显著提高研究效率。
-
公开(公告)号：CN119476121A
公开(公告)日：2025-02-18
申请号：CN202411620923.7
申请日：2024-11-14
Applicant: 哈尔滨工业大学
IPC: G06F30/28 , G06F30/27 , G06F30/17 , G06N20/00 , G06F113/08 , G06F119/14 , G06F111/10
Abstract: 一种机器学习增强多节流气浮导轨CFD设计方法，涉及气浮导轨优化设计技术领域。选取设计参数建立多节流气浮导轨的设计参数库；根据设计方案进行三维模型建立，将设计参数库转化为能够用于数值模拟的三维模型库；建立不同设计方案对应的网格库；构建包含性能特性的多节流气浮导轨的二维CFD仿真数据库；采用机器学习方法建立设计参数‑性能特性参数库；基于机器学习选择最佳的设计方案；迭代优化设计参数，直至获得最佳设计参数。通过流体力学软件Fluent对三维导轨模型的流场进行模拟，并结合CFD进行仿真验证，能够有效预测多节流气浮导轨的性能表现，优化设计方案，从而减少实验成本并提高设计效率。
-
Patent Agency Ranking
公开(公告)号：CN119474859A
公开(公告)日：2025-02-18
申请号：CN202411480216.2
申请日：2024-10-23
Applicant: 哈尔滨工业大学
IPC: G06F18/214 , G06N3/0464 , G06N3/045 , G06N3/0475 , G06N3/09 , G06N3/094 , G06N3/084
Abstract: 一种基于ResNet‑GAN与小波神经网络的多齿刀具破损监测方法，属于刀具监测技术领域。用于提高样本扩充中生成信号的质量，降低样本训练的不平衡比，并且实现深度特征的可视化。本发明对破损样本进行了样本扩充，实现了少数类样本的数据增强，使得算法可以更充分地学习破损信号的特征，降低了样本训练的不平衡比，提高了训练准确率；另外本发明通过ResNet残差块、梯度惩罚项的结合使得在深层的神经网络中仍能保证梯度正常传播，保持训练平滑和稳定，减少梯度爆炸的现象，提高了生成信号的质量；通过多小波函数核卷积模块从不同维度提取信号深层特征，实现了特征可视化，可以更好地区分不同的破损状态。
-
公开(公告)号：CN118331265B
公开(公告)日：2024-12-13
申请号：CN202410442425.1
申请日：2024-04-12
Applicant: 哈尔滨工业大学
IPC: G05D1/43 , G05D109/30
Abstract: 本发明公开了一种具有预定跟踪精度与时间的船舶轨迹跟踪控制系统及方法，所述控制系统包括期望轨迹输入、船舶的闭环系统，船舶的闭环系统包括反馈控制器、船舶的模型；期望轨迹输入输入船舶的期望运动轨迹，船舶的闭环系统根据船舶的实际运动轨迹减去船舶的期望运动轨迹，得到船舶的位置误差，位置误差经过反馈控制器得到系统输入，系统输入作用于船舶的模型，得到船舶的实际运动轨迹。本发明解决了欠驱动船舶在模型不确定性、环境干扰和潜在执行器故障下的控制问题和神经网络、模糊逻辑系统或自适应技术等方案带来的计算负担问题。
-
公开(公告)号：CN118622844A
公开(公告)日：2024-09-10
申请号：CN202410907088.9
申请日：2024-07-08
Applicant: 哈尔滨工业大学
Abstract: 本发明提供一种真空全密封直线导轨，涉及机械密封技术领域。真空全密封直线导轨包括运动部件、固定部件、伸缩管部件与直线导轨本体，直线导轨本体包括滑块与导轨，滑块滑动连接于导轨上，两个固定部件分别连接于导轨的两端，运动部件与滑块连接，且套设在滑块与导轨外，两个固定部件与运动部件之间分别设有伸缩管部件，伸缩管部件套设于导轨上，伸缩管部件的两端连接于运动部件与对应的固定部件。本发明对滑块、导轨构成全包裹式密封，防止润滑介质由内向外挥发，避免了润滑介质的浪费，确保了润滑效果的持久性，也防止外部灰尘、磨屑由外向内进入导轨内部，减少导轨的摩擦或磨损，延长了导轨的使用寿命。
-
公开(公告)号：CN117969139A
公开(公告)日：2024-05-03
申请号：CN202410144592.8
申请日：2024-02-01
Applicant: 哈尔滨工业大学
IPC: G01M99/00
Abstract: 一种密闭空间特殊气体环境模拟及振动抑制装置及方法，属于高端装备领域。真空罐通过第一波纹管与泵组固定连通，薄膜真空规、压阻真空规均安装在真空罐上，真空罐通过真空罐支架与第一地基固定连接；真空罐与两根上端密封管一端固定连通，两根上端密封管另一端分别与对应的第二波纹管一端固定连通，两根第二波纹管另一端分别与对应的下端密封管固定连通，两根下端密封管与第二地基固定连接；工作台设置在真空罐内，工作台底部与两个工作台支架顶端固定连接，两个工作台支架底端分别穿入对应的上端密封管、第二波纹管及下端密封管并与第二地基固定连接，运动模块及平衡质量模块均与工件台滑动配合。本发明用于密闭空间特殊气体环境模拟及振动抑制。
-
公开(公告)号：CN117313236A
公开(公告)日：2023-12-29
申请号：CN202311233949.1
申请日：2023-09-23
Applicant: 哈尔滨工业大学
IPC: G06F30/15 , G06F30/17 , G06F30/23 , G06F30/28 , G06F30/27 , B64F5/00 , B64C27/467 , G06F119/14 , G06F113/08
Abstract: 本发明公开了一种基于机器学习的特种无人机桨叶平面形状优化的设计方法，所述方法包括如下步骤：步骤1：建立机器学习的数据库；步骤2：建立机器学习的模型；步骤3：最优桨叶优化设计。本发明通过NACA翼型库和CFD计算流体力学仿真所生成的翼型力学参数数据集，采用机器学习的方法对数据集进行训练，通过对训练结果的评估，选择合适的机器学习方法对参数进行预测和优化，并通过实验的方式对优化结果和预测结果进行验证，很大程度上节约了实验成本并且提高了计算效率。
-
-
-
-
-
-
-
-
-
Search Results
73
records
(took 0.04 seconds)
