-
公开(公告)号：CN105234097B
公开(公告)日：2017-07-28
申请号：CN201510531141.0
申请日：2015-08-26
Applicant: 哈尔滨工业大学
Abstract: 基于大数据的用于电池梯次利用的电动汽车动力电池管理系统及方法，涉及一种电池管理系统及管理方法。解决了现有电汽车电池组管理系统易造成数据丢失，电池数据检测的准确度低的问题。本发明的电池数据管理单元设置在电动汽车上，用于将电池组温度信号、电池单体输出的电压信号和电池单体输出的电流信号与电池组中电池单体的编号和时间信号一一对应；再经分布式数据处理单元计算出每个电池单体的内阻、剩余电量和电池单体的充放电次数信号，经数据处理主服务器进行剩余电量判断，将判断结果发送至用户和电池分练机，电池分练机对电池进行分选。本发明适用于为电池梯次利用提供电动汽车动力电池的数据，及电动汽车电池数据检测预警。
-
公开(公告)号：CN105997066A
公开(公告)日：2016-10-12
申请号：CN201610428499.5
申请日：2016-06-15
Applicant: 哈尔滨工业大学
IPC: A61B5/0488 , A61B5/0492
CPC classification number: A61B5/0488 , A61B5/002 , A61B5/0492 , A61B5/681 , A61B5/6833 , A61B5/7203 , A61B5/7225 , A61B5/725 , A61B2560/0214 , A61B2560/0431
Abstract: 一种便携式人体表面肌电信号采集系统，涉及生物信号采集技术领域。本发明是为了解决现有表面肌电信号采集装置体积庞大，不方便携带，并且不便于同时采集多路表面肌电信号的问题。本发明所述的一种便携式人体表面肌电信号采集系统，它包括：充电基座、多个采集节点和数据处理中心；充电基座用于为采集节点充电，采集节点用于采集人体的表面肌电信号，多个采集节点将信号通过无线蓝牙的方式发送至数据处理中心。本发明适用于多场景、便携的、低功耗的表面肌电信号的采集。
-
公开(公告)号：CN105216642A
公开(公告)日：2016-01-06
申请号：CN201510531118.1
申请日：2015-08-26
Applicant: 哈尔滨工业大学
IPC: B60L11/18
CPC classification number: Y02T10/7005 , Y02T90/16
Abstract: 基于大数据的电动汽车动力电池管理系统及方法,涉及一种电池管理系统及管理方法。解决现了有电汽车电池组管理系统易出现数据丢失，电池数据检测的准确度低的问题。本发明的电池数据管理单元的采集装置采集电动汽车电池组的温度信号、电池单体输出的电压信号、电池单体输出的电流信号和电池组中电池单体的编号发送至电池数据处理器，电池数据处理器将电池组中电池单体信号进行一一对应；并将对应后信号发送至分布式数据处理单元，分布式数据处理单元计算获得每个电池单体的内阻、剩余电量和电池单体的充放电次数信号，经电池数据处理器对电池剩余电量进行判断，向用户报警。本发明适用于电动汽车使用。
-
公开(公告)号：CN101340113A
公开(公告)日：2009-01-07
申请号：CN200810136892.2
申请日：2008-08-08
Applicant: 哈尔滨工业大学
IPC: H02J17/00
Abstract: 带有增强器的磁耦合谐振式无线能量传输装置。它涉及无线能量传输领域。它是为了增大现有磁耦合谐振式无线能量传输技术的传输距离，发明的传输装置由增强型发射源和能量接收器组成；利用这两个具有相同的特定谐振频率的电磁系统，在相距一定的距离时，由于振动频率相同而产生共振，进行能量传递。在增强型发射源中加入了增强器，增强器与谐振发射电路产生强磁耦合，减小阻抗，调整发射波形，增大谐振电流，向外发射调整后的交变磁场，并与能量接收器产生共振。由于增强器的加入，该技术的能量传输距离有了非常大的提高，约为原来的5倍，还有可能更远。
-
公开(公告)号：CN116003058A
公开(公告)日：2023-04-25
申请号：CN202211681736.0
申请日：2022-12-27
Applicant: 哈尔滨工业大学
IPC: C04B28/04
Abstract: 本发明公开了一种电磁屏蔽水泥基材料的制备方法，所述方法包括如下步骤：步骤一、对含铁固体废弃物进行改性：在含铁固体废弃物表面吸附碳粉，形成含铁固体废弃物的表面改性材料；步骤二、用磁性材料控制含铁固体废弃物的分布位置：将水泥模具上顶面、下底面、左侧面和右侧面中至少一个面的材质设置为磁性材料，在磁性材料的表面吸附步骤一获得的含铁固体废弃物的表面改性材料；步骤三、将水泥基浆体材料从模具下底面浇筑入口向上浇筑至模具顶部，硬化后脱模形成具有电磁屏蔽功能的水泥基材料。该方法利用含铁固体废弃物制备电磁屏蔽水泥基材料，可以使水泥基材料具有更强的电磁屏蔽能力，可以用来减少电磁污染对人类生活生产带来的不利影响。
-
Patent Agency Ranking
公开(公告)号：CN110129044B
公开(公告)日：2022-04-15
申请号：CN201910420722.5
申请日：2019-05-20
Applicant: 哈尔滨工业大学
IPC: C09K11/65 , B82Y20/00 , B82Y40/00 , H01M4/583 , H01M4/62 , H01M4/66 , H01M4/86 , H01M4/88 , H01M10/0525 , H01M10/054 , H01M12/06
Abstract: 一种以生物质为碳源的石墨烯量子点制备方法及其应用，本发明涉及一种以生物质为碳源的石墨烯量子点制备方法及其应用。本发明的目的是为了解决能源转换‑存储体系普遍存在电荷传输受限、动力学缓慢等所导致的能量转换效率和储能密度较低的问题。本发明方法为：一、制备生物质前驱液；二、通过水热法或者微波法对生物质前驱液进行预处理；三、然后经过离心、过滤、透析操作制备石墨烯量子点；四、将石墨烯量子点负载到多孔支撑体上制得石墨烯量子点复合材料应用于能源转换‑存储体系中。本发明制得石墨烯量子点有极高的催化活性，可以在极小载量下获得极高电池性能，有望取代价格昂贵且储量稀少的贵金属催化剂，本发明应用于能源转换‑存储领域。
-
公开(公告)号：CN110363283B
公开(公告)日：2021-06-22
申请号：CN201910490035.0
申请日：2019-06-06
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于深度学习的用户属性预测方法及相关装置，该预测方法包括：将原始文本信息输入到第一神经网络模型中，获取全局特征的文字序列特征，该原始文本信息为用户的个人介绍信息；将该原始文本信息输入到第二神经网络模型中，获取该全局特征的单词块特征；将该原始文本信息分别输入到多个第三神经网络模型中，分别获取多个子任务特征；基于该多个子任务特征和该全局特征，预测用户属性。本发明实现了精确地预测用户属性。
-
公开(公告)号：CN110465670B
公开(公告)日：2022-03-04
申请号：CN201910864694.6
申请日：2019-09-12
Applicant: 哈尔滨工业大学
Abstract: 一种通过放电等离子烧结制备层状复合材料的方法，涉及一种制备层状复合材料的方法。目的是解决现有放电等离子烧结方法制备的层状复合材料结合强度低的问题。方法：对金属板材料表面进行粗糙化处理，然后将多层金属板材叠放，在相邻的金属板材之间平铺一层金属粉体，进行放电等离子烧结。本发明采用低于金属板材熔点的金属粉末作为“粘结剂”，与两侧金属板材形成强的冶金结合，从而实现低温制备高界面结合的金属层状复合材料。本发明适用于制备层状复合材料。
-
公开(公告)号：CN110449591B
公开(公告)日：2022-02-01
申请号：CN201910864719.2
申请日：2019-09-12
Applicant: 哈尔滨工业大学
Abstract: 高阻尼的钛镍记忆合金/金属层状复合材料，涉及一种钛镍记忆合金/金属层状复合材料。目的是解决钛镍记忆合金复合材料的性能存在各向异性的问题。高阻尼的钛镍记忆合金/金属层状复合材料由数个钛镍记忆合金层和数个金属层构成，钛镍记忆合金层和金属层间隔设置；所述金属层的弹性模量为钛镍记忆合金的1.5～7倍；所述钛镍记忆合金层中含Ni原子百分比为48％～52％。本发明层状复合材料兼具了金属层的良好力学性能和钛镍记忆合金的高阻尼特性，耐辐照与空间腐蚀的能力更高，能够满足不同应用领域的需求。本发明适用于制备钛镍记忆合金/金属层状复合材料。
-
公开(公告)号：CN110363283A
公开(公告)日：2019-10-22
申请号：CN201910490035.0
申请日：2019-06-06
Applicant: 哈尔滨工业大学(深圳)
Abstract: 本发明公开了一种基于深度学习的用户属性预测方法及相关装置，该预测方法包括：将原始文本信息输入到第一神经网络模型中，获取全局特征的文字序列特征，该原始文本信息为用户的个人介绍信息；将该原始文本信息输入到第二神经网络模型中，获取该全局特征的单词块特征；将该原始文本信息分别输入到多个第三神经网络模型中，分别获取多个子任务特征；基于该多个子任务特征和该全局特征，预测用户属性。本发明实现了精确地预测用户属性。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.037 seconds)
