基于碲锌镉阵列的核废物桶SGS-TGS双模式检测装置及方法

    公开(公告)号:CN118534516A

    公开(公告)日:2024-08-23

    申请号:CN202410616937.5

    申请日:2024-05-17

    摘要: 本发明公开了一种核素识别能力强、检测效率高、能够实现废物桶SGS和TGS两种检测模式的基于碲锌镉阵列的核废物桶SGS‑TGS双模式检测装置及方法。该基于碲锌镉阵列的核废物桶SGS‑TGS双模式检测装置,包括废物桶承载器、第一机架、第二机架、探测器承载器、放射源承载器;放射源承载器上设置有扇形孔准直器、圆孔准直器、投射源开关。该装置的测量方法包括SGS检测模式和TGS检测模式的选择,对核废物桶进行SGS检测模式下的透射测量和发射测量,对核废物桶进行TGS检测模式下的透射测量和发射测量。采用该基于碲锌镉阵列的核废物桶SGS‑TGS双模式检测装置及方法能够实现桶内放射性核素的识别,SGS检测模式下的核素活度计算,TGS检测模式下的桶内TGS图像重建。

    一种基于Informer的长序列知识追踪方法

    公开(公告)号:CN118350418B

    公开(公告)日:2024-08-13

    申请号:CN202410780938.3

    申请日:2024-06-18

    摘要: 本发明公开了一种基于Informer的长序列知识追踪方法,根据学习者的历史答题交互记录挖掘习题的多维度特征,利用多热信息特征编码模块生成具有丰富语义的习题信息嵌入编码和历史交互记录编码;利用改进Informer编码器堆叠的多头概率稀疏自注意力模块、反向残差前馈网络模块和蒸馏机制模块,检索学习者实际获取知识的上下文表示特征;利用检索出的上下文表示特征,对掩码概率稀疏自注意力机制处理过的待预测序列进行预测,采用生成式解码的方式提取出学习者对应的知识状态;利用获取的知识状态,通过全连接层预测学习者的答题表现。本方案解决了现有技术中长时间序列答题情况预测准确度较低、推理速度效率不高等问题。

    一种基于温度变化模型的超级电容荷电状态估计方法

    公开(公告)号:CN113495214A

    公开(公告)日:2021-10-12

    申请号:CN202110573146.5

    申请日:2021-05-25

    发明人: 王春 李强

    摘要: 本发明提供了一种基于温度变化模型的超级电容荷电状态估计方法,其首先选定待测超级电容,建立等效电路模型,确定需辨识的模型参数;然后在不同温度下对超级电容开展性能测试实验,获取超级电容的容量、电流和电压数据;接着,基于获取的实验数据,进行等效电路模型参数辨识,建立超级电容‑温度模型;最后,基于此模型,利用无迹卡尔曼滤波算法对在宽温度范围内对超级电容SOC进行精确估计。该方法的模型结果简单、算法不复杂,便于嵌入超级电容管理系统中,实现不同温度条件下的超级电容SOC估计,从而具有了现有技术中所不具备的诸多有益效果。

    一种基于改进变分模态分解的磁瓦内部缺陷检测方法

    公开(公告)号:CN112464923B

    公开(公告)日:2021-04-13

    申请号:CN202110144047.5

    申请日:2021-02-03

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开了一种基于改进变分模态分解的磁瓦内部缺陷检测方法,涉及磁瓦检测领域,本发明根据磁瓦声振信号特性构造能够反映VMD参数对其信号分解效果影响的适应度函数,该函数以VMD参数作为变量,以函数的最小值对应最佳分解效果,利用SSA找出参数空间中的函数最小值,从而获得对应最优参数设置,然后根据最优参数进行磁瓦声振信号的VMD最优分解,从分解结果中提取相应两个主模态的最大峰值频点作为代表内部缺陷存在与否的信号特征,随后利用KNN完成特征识别,由此形成一套有效的检测算法,实现通过磁瓦声振信号判别磁瓦内部缺陷是否存在。

    一种基于Informer的长序列知识追踪方法

    公开(公告)号:CN118350418A

    公开(公告)日:2024-07-16

    申请号:CN202410780938.3

    申请日:2024-06-18

    摘要: 本发明公开了一种基于Informer的长序列知识追踪方法,根据学习者的历史答题交互记录挖掘习题的多维度特征,利用多热信息特征编码模块生成具有丰富语义的习题信息嵌入编码和历史交互记录编码;利用改进Informer编码器堆叠的多头概率稀疏自注意力模块、反向残差前馈网络模块和蒸馏机制模块,检索学习者实际获取知识的上下文表示特征;利用检索出的上下文表示特征,对掩码概率稀疏自注意力机制处理过的待预测序列进行预测,采用生成式解码的方式提取出学习者对应的知识状态;利用获取的知识状态,通过全连接层预测学习者的答题表现。本方案解决了现有技术中长时间序列答题情况预测准确度较低、推理速度效率不高等问题。

    一种基于温度变化模型的超级电容荷电状态估计方法

    公开(公告)号:CN113495214B

    公开(公告)日:2023-07-07

    申请号:CN202110573146.5

    申请日:2021-05-25

    发明人: 王春 李强

    摘要: 本发明提供了一种基于温度变化模型的超级电容荷电状态估计方法,其首先选定待测超级电容,建立等效电路模型,确定需辨识的模型参数;然后在不同温度下对超级电容开展性能测试实验,获取超级电容的容量、电流和电压数据;接着,基于获取的实验数据,进行等效电路模型参数辨识,建立超级电容‑温度模型;最后,基于此模型,利用无迹卡尔曼滤波算法对在宽温度范围内对超级电容SOC进行精确估计。该方法的模型结果简单、算法不复杂,便于嵌入超级电容管理系统中,实现不同温度条件下的超级电容SOC估计,从而具有了现有技术中所不具备的诸多有益效果。

    高耐腐蚀高熵合金及其制备方法

    公开(公告)号:CN115491532B

    公开(公告)日:2023-09-05

    申请号:CN202211354635.2

    申请日:2022-11-01

    发明人: 李强

    IPC分类号: C22C1/02 C22C30/00

    摘要: 本发明提供了一种高耐腐蚀高熵合金及其制备方法,属于耐腐蚀合金材料及其制备技术领域。一种高耐腐蚀高熵合金,其特征在于:包含Nb、Ti、Cr、A、Zr五种金属元素,且按原子百分比计,Nb:18~22%,Ti:18~22%,Cr:18~22%,A:18~22%,Zr:18~22%,以及不可避免的杂质;所述A为V或Mo。本发明采用一种高耐腐蚀高熵合金及其制备方法,所制合金强度高,耐腐蚀性能优异,制备工艺简单,操作便捷,可广泛推广使用。

    基于宽卷积与循环神经网络的磁瓦内部缺陷检测方法

    公开(公告)号:CN113252790A

    公开(公告)日:2021-08-13

    申请号:CN202110682680.X

    申请日:2021-06-21

    IPC分类号: G01N29/04 G01N29/44

    摘要: 本发明公开了一种基于宽卷积与循环神经网络的磁瓦内部缺陷检测方法,涉及磁瓦检测领域,其包括以下步骤:构建训练集,构建宽卷积与LSTM循环神经网络,对宽卷积与LSTM循环神经网络进行训练,得到训练后的检测网络,通过训练后的检测网络对待检测磁瓦的声学信号进行检测,完成待检测磁瓦的内部缺陷检测。本方法无需依靠专家知识以及复杂的信号处理与特征选择,利用宽卷积与LSTM循环神经网络能够以端到端的形式直接对原始信号进行时空特征提取以及分类,从而实现识别磁瓦内部缺陷的目标。

    一种基于改进变分模态分解的磁瓦内部缺陷检测方法

    公开(公告)号:CN112464923A

    公开(公告)日:2021-03-09

    申请号:CN202110144047.5

    申请日:2021-02-03

    IPC分类号: G06K9/00 G06K9/62

    摘要: 本发明公开了一种基于改进变分模态分解的磁瓦内部缺陷检测方法,涉及磁瓦检测领域,本发明根据磁瓦声振信号特性构造能够反映VMD参数对其信号分解效果影响的适应度函数,该函数以VMD参数作为变量,以函数的最小值对应最佳分解效果,利用SSA找出参数空间中的函数最小值,从而获得对应最优参数设置,然后根据最优参数进行磁瓦声振信号的VMD最优分解,从分解结果中提取相应两个主模态的最大峰值频点作为代表内部缺陷存在与否的信号特征,随后利用KNN完成特征识别,由此形成一套有效的检测算法,实现通过磁瓦声振信号判别磁瓦内部缺陷是否存在。