-
公开(公告)号：CN119381538A
公开(公告)日：2025-01-28
申请号：CN202411688913.7
申请日：2024-11-25
Applicant: 北京理工大学
IPC: H01M10/0562 , H01M10/058 , H01M10/0525
Abstract: 本发明涉及固体电池技术领域，尤其涉及一种高性能硫化物电解质的制备方法及全固态电池。通过将原始电解质与锂盐混合后，经研磨、压制、热处理后在此研磨成粉状，使得到的硫化物电解质中，原始电解质与锂盐均匀分布，部分锂盐渗入到原始硫化物电解质晶格中，剩余锂盐包裹硫化物电解质颗粒。使得到的硫化物电解质具有高室温离子电导率、低电子电导率、与锂金属匹配具有良好的界面相容性，从而可得到高能量密度的全固态电池。
-
公开(公告)号：CN117541873A
公开(公告)日：2024-02-09
申请号：CN202311594655.1
申请日：2023-11-27
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/80 , G06V10/44 , G06V20/13 , G06V20/10 , G06V10/774 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于多源遥感图像的地物分类方法，属于遥感图像技术领域，包括以下步骤：S1：构建遥感图像地物分类模型；S2：将真实数据集分为训练集和测试集，通过所述训练集对遥感图像地物分类模型进行训练；S3：通过训练完成的遥感图像地物分类模型对任意场景下的遥感图像进行地物分类。本发明能够更加准确地对多种场景下的遥感图片中的地物进行分类，总体准确度、平均准确度和Kappa系数高。
-
公开(公告)号：CN116883752A
公开(公告)日：2023-10-13
申请号：CN202310883134.1
申请日：2023-07-19
Applicant: 北京理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V20/10 , G06V10/40 , G06N3/0464 , G06N3/048 , G06N3/0985
Abstract: 本发明公开了一种基于分块表征机制的高光谱图像跨域地物要素提取方法，属于图像处理技术技术领域，包括以下步骤：S1：构建空谱一致深度残差3D卷积网络，缓解场景间空谱结构差异，提取空谱嵌入深度特征；S2：构建关系映射模块，设计分块表征机制，逐类别计算原型特征；S3：设计域对齐策略，缓解域间条件分布差异；S4：选取源场景和目标场景，分别构建支持集和查询集，输入网络进行训练；S5：将完成训练的网络用于目标场景，进行全景推理提取目标场景中全部地物要素。本发明提高了异质数据的地物要素提取效率，强化了关系子空间中特征的可分性，实现了模型到不同场景的迁移。
-
公开(公告)号：CN111881965A
公开(公告)日：2020-11-03
申请号：CN202010701262.6
申请日：2020-07-20
Applicant: 北京理工大学
Abstract: 本发明涉及一种药材产地等级的高光谱图形分类识别方法、装置及设备。方法包括：获取待识别药材的高光谱图形数据；对高光谱图形数据进行预处理，得到训练样本和测试样本；利用最小二乘回归算法对训练样本和测试样本进行处理，得到训练投影样本和测试投影样本；基于吉洪诺夫正则化的协同表示方法对训练投影样本和测试投影样本进行分类，得到测试样本类标签；根据测试样本类标签结合待识别药材对应的地物真实标签图计算分类精度。上述方法中采用最小二乘回归算法及基于吉洪诺夫正则化的协同表示方法提高了特征提取精度及分类精度，提高了药材产地等级的分类识别效率及精度。
-
公开(公告)号：CN117712474A
公开(公告)日：2024-03-15
申请号：CN202311764279.6
申请日：2023-12-21
Applicant: 北京理工大学
IPC: H01M10/0565 , H01M10/0525 , H01M10/42
Abstract: 本发明公开了一种玻纤骨架的聚酰胺基固态电解质、电池及其制备方法，所述玻纤骨架的聚酰胺基固态电解质的制备方法包括将酰胺类单体和引发剂加入含有高压电解质溶剂、锂盐及成膜添加剂的混合溶液中，得到前驱体溶液，将前驱体溶液注入玻璃纤维膜中，通过酰胺类单体的原位聚合得到所述玻纤骨架的聚酰胺基固态电解质。本发明中的聚酰胺基固态电解质兼具高离子电导率、耐热性和机械性能，保证了固态电池的电化学性能和安全性。
-
Patent Agency Ranking
公开(公告)号：CN119852500A
公开(公告)日：2025-04-18
申请号：CN202311354648.4
申请日：2023-10-18
Applicant: 中国石油化工股份有限公司 , 中石化石油化工科学研究院有限公司 , 北京理工大学
IPC: H01M10/056 , H01M10/052 , H01M10/42 , H01M10/058
Abstract: 本公开涉及一种复合固体电解质及制备方法与包含其电解质的固态锂电池，以复合固体电解质的重量为基准，所述复合固体电解质包括35～42wt％的聚合物、53～64wt％的锂盐和1～5wt％的无机介孔填料；所述无机介孔填料的硅铝摩尔比为0～85:1，平均孔径为2～10nm，比表面积为500m2/g以上。本公开的复合固体电解质应用于固态锂电池时，具有较高的离子电导率和优异的长循环性能。
-
公开(公告)号：CN118552853A
公开(公告)日：2024-08-27
申请号：CN202410679029.0
申请日：2024-05-29
Applicant: 北京理工大学
IPC: G06V20/10 , G06V10/764 , G06V10/774 , G06V20/70 , G06N5/04 , G06N3/0464 , G06V10/40 , G06N3/08 , G06N3/096 , G06N3/045 , G06V10/82
Abstract: 本发明公开了基于双向注意力机制的高光谱图像跨场景分类方法，充分考虑了跨域分类任务中单、多要素差异，提出一套完整的高光谱图像跨场景地物要素识别模型，缓解相似物种在跨时相条件下的多维度差异，可对不同地域或不同时相的高光谱影像进行粗粒度或细粒度的地物要素提取工作，极大的提高了大场景地物要素提取效率；提出的双向注意力机制充分考虑了跨域分类中不同域间的信息交互，突破了传统注意力机制学习域间不变表征的能力上限，实现了特征层的双向领域自适应；提出的双向蒸馏损失相较于现有知识蒸馏技术，更加适用于多分支领域自适应模型，将耦合分支的预测概率分布视作软标签，实现对源分支和目标分支的双向监督，加强了域不变表征的提取。
-
公开(公告)号：CN117038859A
公开(公告)日：2023-11-10
申请号：CN202311275747.3
申请日：2023-09-28
Applicant: 北京理工大学
IPC: H01M4/134 , H01M4/1395 , H01M10/42 , H01M10/058 , H01M10/052
Abstract: 本发明涉及一种硫化物基全固态锂电池用预锂化合金负极，属于新能源材料技术领域。所述电极由合金基体层和LiF/LiM双相界面层组成，M为In、Al、Ag、Mg和Sn中的一种以上；LiF/LiM双相界面层的厚度为10~100微米。通过在M金属薄表面进行预锂化处理后，原位生成LiF/LiM双相界面层。通过LiF相阻碍电子进入硫化物电解质，减少电解质组分的还原分解；通过LiM合金相改善锂离子沉积/剥离特性，合金的低表面能和高Li+扩散速率有助于界面锂离子流和电荷均匀分布，从而达到抑制枝晶生长问题；合金相中多余的锂源弥补正极材料有限活性锂离子的缺陷，提高首圈库伦效率，保证电池高容量优势；金属基体可作为活性锂的存储库，实现更大容量锂脱嵌，防止界面过度锂沉积形成枝晶。
-
公开(公告)号：CN117893927A
公开(公告)日：2024-04-16
申请号：CN202311742600.0
申请日：2023-12-18
Applicant: 北京理工大学
IPC: G06V20/17 , G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/08 , G06V10/58
Abstract: 本发明提供一种适用于无人机高光谱遥感影像的智能像素级分类方法，包括以下步骤：处理无人机高光谱遥感影像，得到无人机高光谱影像训练数据集；构建基于重构模块的注意力网络；根据无人机高光谱影像训练数据集对注意力网络进行训练，得到完成训练的高光谱分类网络；轻量化处理得到的无人机高光谱图像分类网络，将未知分类的无人机高光谱遥感影像输入到已训练好的神经网络中。神经网络将对影像进行分类，并输出相应的分类结果。最终，生成了遥感影像的分类图，实现了无人机高光谱遥感影像的轻量化分类。本发明有助于提取高级特征，同时减小了网络的复杂度，提高了分类性能；满足了无人机应用中的实时性和准确性要求。
-
公开(公告)号：CN111881965B
公开(公告)日：2023-08-25
申请号：CN202010701262.6
申请日：2020-07-20
Applicant: 北京理工大学
IPC: G06V10/764 , G06V20/10 , G06V10/774
Abstract: 本发明涉及一种药材产地等级的高光谱图形分类识别方法、装置及设备。方法包括：获取待识别药材的高光谱图形数据；对高光谱图形数据进行预处理，得到训练样本和测试样本；利用最小二乘回归算法对训练样本和测试样本进行处理，得到训练投影样本和测试投影样本；基于吉洪诺夫正则化的协同表示方法对训练投影样本和测试投影样本进行分类，得到测试样本类标签；根据测试样本类标签结合待识别药材对应的地物真实标签图计算分类精度。上述方法中采用最小二乘回归算法及基于吉洪诺夫正则化的协同表示方法提高了特征提取精度及分类精度，提高了药材产地等级的分类识别效率及精度。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.041 seconds)
