-
Patent Agency Ranking
公开(公告)号：CN118582270A
公开(公告)日：2024-09-03
申请号：CN202410664396.3
申请日：2024-05-27
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于磁流变液与磁性记忆材料的变阻尼可变配气装置，本发明属于内燃机可变配气技术领域，公开一种基于磁流变液与磁性记忆材料的变阻尼可变配气装置，包括液压缸座、变阻尼机构、液压缸、活塞机构、液压缸盖和配气机构，液压缸座与液压缸盖通过螺纹连接，液压缸座设置有缸座连接槽，液压缸盖设置有缸盖连接槽，液压缸上下两端分别设置在缸座连接槽和缸盖连接槽中，变阻尼机构贯穿液压缸设置在液压缸座下方，活塞机构设置在变阻尼机构下方贯穿液压缸盖与配气机构连接。本发明兼具了液压驱动的高负载和电磁控制的快速响应的优点，起到气门落座时的减震作用，可达到提高内燃机动力性和经济性的同时，一定程度上减少内燃机的噪声。
-
公开(公告)号：CN110909057B
公开(公告)日：2023-06-16
申请号：CN201911154837.0
申请日：2019-11-22
Applicant: 哈尔滨工程大学
IPC: G06F16/25 , G06F16/27 , G06F16/28 , G06F11/14 , H04L67/06 , H04L67/1097 , H04L67/2866 , H04L67/1004
Abstract: 本发明公开了一种数值水池虚拟试验数据中间件系统及其工作方法。数值水池虚拟试验应用系统（200）通过API模块（112）和通信模块（113）与主中间件（120）的通信模块（122）双向传输信号，通信模块（122）通过任务处理模块（124）与数值水池虚拟试验底层分布式NoSQL数据库（300）双向传输信号。由于数值水池虚拟试验的数据包括数值型数据、字符串、数组和图像等各种异构数据，而且属于大规模数据，用户对数据的安全和并发任务处理要求比较高；因此需要在底层配置分布式NoSQL数据库集群模式，满足对多用户、多任务的高并发需求。
-
公开(公告)号：CN109145944B
公开(公告)日：2021-11-05
申请号：CN201810758508.6
申请日：2018-07-11
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种基于纵向三维图像深度学习特征的分类方法，属于图像分析领域。本发明包括两个阶段：训练阶段：包括对研究对象的三维图像的预处理、获取切片图像特征提取器、根据词袋模型计算扫描图像特征向量、以及设计并训练循环神经网络分类器；测试阶段：包括待分类的研究对象P提出分类请求、对P的三维图像进行预处理、提取切片图像特征、计算扫描图像特征、以及输出分类结果。本发明利用深度卷积神经网路直接从切片图像进行特征的自动提取，无需任何人工设计的图像特征和图像的3D配准、特征区域检测等复杂的预处理步骤，且本发明针对纵向三维图像进行研究，利用循环神经网络从纵向三维图像特征向量中学习图像的变化特征，分类更准确。
-
公开(公告)号：CN110909057A
公开(公告)日：2020-03-24
申请号：CN201911154837.0
申请日：2019-11-22
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种数值水池虚拟试验数据中间件的设计方法。数值水池虚拟试验应用系统(200)通过API模块(112)和通信模块(113)与主中间件(120)的通信模块(122)双向传输信号，通信模块(122)通过任务处理模块(124)与数值水池虚拟试验底层分布式NoSQL数据库(300)双向传输信号。由于数值水池虚拟试验的数据包括数值型数据、字符串、数组和图像等各种异构数据，而且属于大规模数据，用户对数据的安全和并发任务处理要求比较高；因此需要在底层配置分布式NoSQL数据库集群模式，满足对多用户、多任务的高并发需求。
-
公开(公告)号：CN109145944A
公开(公告)日：2019-01-04
申请号：CN201810758508.6
申请日：2018-07-11
Applicant: 哈尔滨工程大学
CPC classification number: G06K9/6256 , G06K9/3233 , G06K9/6267 , G06N3/0454
Abstract: 本发明公开了一种基于纵向三维图像深度学习特征的分类方法，属于图像分析领域。本发明包括两个阶段：训练阶段：包括对研究对象的三维图像的预处理、获取切片图像特征提取器、根据词袋模型计算扫描图像特征向量、以及设计并训练循环神经网络分类器；测试阶段：包括待分类的研究对象P提出分类请求、对P的三维图像进行预处理、提取切片图像特征、计算扫描图像特征、以及输出分类结果。本发明利用深度卷积神经网路直接从切片图像进行特征的自动提取，无需任何人工设计的图像特征和图像的3D配准、特征区域检测等复杂的预处理步骤，且本发明针对纵向三维图像进行研究，利用循环神经网络从纵向三维图像特征向量中学习图像的变化特征，分类更准确。
-
-
-
-
Search Results
5
records
(took 0.028 seconds)
