基于多特征融合与改进谱聚类的用电行为分析方法及系统

    公开(公告)号:CN114065819A

    公开(公告)日:2022-02-18

    申请号:CN202111421020.2

    申请日:2021-11-26

    Abstract: 本发明公开一种基于多特征融合与改进谱聚类的用电行为分析方法及系统,包括:对用电数据进行数据清洗;基于负载特性曲线、信号处理和负荷特征构造对清洗后的用电数据提取用电特征;对用电特征进行递归特征消除的特征选择,对选择的用电特征进行特征融合;基于融合得到的特征子集采用改进的谱聚类模型进行不同用电行为的分类;改进的谱聚类模型包括基于增强高斯核函数构建特征子集的邻接矩阵,并以此进行分类,增强高斯核函数为根据特征子集中样本点间的距离与预设正参数得到边权重,由边权重构建邻接矩阵。通过对用电数据提取的各类型用电特征进行多特征融合,和基于改进谱聚类算法进行分类,实现对用电行为的分析。

    一种用于助溶剂法生长氮化镓晶体的生长方法

    公开(公告)号:CN118166416A

    公开(公告)日:2024-06-11

    申请号:CN202410474518.2

    申请日:2024-04-19

    Abstract: 本发明涉及一种用于助溶剂法生长氮化镓晶体的生长方法,属于氮化镓生长技术领域。本发明采用金属钠(Na)作为助溶剂,或者使用Na与其他金属(如:锂(Li),钙(Ca),钡(Ba)等)的混合助溶剂与镓(Ga)金属配置形成熔体。在配置熔体的过程中,加入三聚氰胺,其在高温下可分解产生无定形碳、氮气和氨气。本发明生长方法不但能抑制多晶的生成,提高晶体生长的一致性,同时也解决了由于生长初期氮(N)在熔体中传输慢,熔体底部N浓度低的问题,从而提高氮化镓晶体的生长质量和尺寸。

    一种基于三维碳化硅的宽温域超级电容器及其制备方法

    公开(公告)号:CN118398396A

    公开(公告)日:2024-07-26

    申请号:CN202410402819.4

    申请日:2024-04-03

    Abstract: 本发明属于半导体器件技术领域,具体涉及一种基于三维碳化硅的宽温域超级电容器及其制备方法。本发明将碳化硅单晶经激光切割、浸泡除去氧化层、激光刻蚀形成沟道结构、电化学刻蚀处理后获得三维碳化硅电极,将三维碳化硅电极分别作为正极、负极电极材料进行叠加并由隔膜分隔,填充添加乙二醇的电解液,组成得到基于三维碳化硅的宽温域超级电容器。本发明的宽温域超级电容器具有较宽的工作温度范围和优异的循环稳定性,具有较高的比容量,可在‑40~150℃温度下正常工作,优于大多市面上常见的超级电容器的工作范围,表现出优异的电化学储能特性,同时兼具优良的能量‑功率密度。

    一种基于芬顿反应的晶体位错的检测方法

    公开(公告)号:CN119147347A

    公开(公告)日:2024-12-17

    申请号:CN202411658114.5

    申请日:2024-11-20

    Applicant: 山东大学

    Abstract: 本发明属于晶体检测技术领域,涉及晶体位错的检测,具体涉及一种基于芬顿反应的晶体位错的检测方法。将晶体加入至芬顿试剂中进行芬顿反应5~30 min,将利用电子显微镜和/或原子力显微镜对芬顿反应后晶体的表面位错进行检测;其中,芬顿试剂中,过氧化氢的质量浓度为0.5~10%;亚铁离子以硫酸亚铁计的质量浓度为0.05~5%。本发明能够在常温下氧化晶体,并通过显微镜观测氧位错坑,检测晶体位错的分布和尺寸。本发明提供的检测方法不仅可以作为CL方法的替代,对于检测晶体中小尺寸的位错具有极大优势。

    一种基于动应变信号的转向架架构故障预警方法及系统

    公开(公告)号:CN119124676A

    公开(公告)日:2024-12-13

    申请号:CN202411152153.8

    申请日:2024-08-21

    Applicant: 山东大学

    Abstract: 本发明公开一种基于动应变信号的转向架架构故障预警方法及系统,涉及转向架架构故障预警技术领域,该方法包括:获取列车运行的实时动应变信号,将预处理后的实时动应变信号输入至转向架架构故障预警模型中,通过模型中的健康动应变数据预测模型,输出下一时刻的健康动应变数据预测值,并基于下一时刻的实际动应变数据值和健康动应变数据预测值,确定动应变数据残差值;将动应变数据残差值与动态残差预警阈值和静态预警阈值进行比较,根据比较结果进行不同等级的故障预警;其中,利用列车运行的历史健康动应变信号,对基于健康动应变数据预测模型和动态预警阈值生成模块的转向架架构故障预警模型进行训练。本发明能够实现更准确的在线故障预警。

    一种降低AlN晶体生长粉料杂质含量的方法

    公开(公告)号:CN116103766B

    公开(公告)日:2024-09-20

    申请号:CN202211689456.4

    申请日:2022-12-27

    Applicant: 山东大学

    Abstract: 本发明涉及一种降低AlN晶体生长粉料杂质含量的方法,本发明在AlN原料中特定掺入部分钨元素,控制烧结温度和烧结时间进行两次烧结,形成细丝状的化合物,沉积在粉料源下方,从而降低AlN粉料整体的杂质含量,通过这种方法烧结出的AlN原料的杂质含量能够下降3‑5个数量级,在很大程度上提高了晶锭质量;粉料源中的碳氧杂质极大降低,从而起到有效降低原料中的碳氧杂质的作用,得到原料,碳氧元素明显降低,原料更加金黄透亮,内部和外部的杂质和缺陷也会肉眼可见的降低。

    一种减薄辅助氮化镓单晶的化学机械抛光方法

    公开(公告)号:CN118181129A

    公开(公告)日:2024-06-14

    申请号:CN202410527569.7

    申请日:2024-04-29

    Applicant: 山东大学

    Abstract: 本发明属于半导体制造技术领域,尤其涉及一种减薄辅助氮化镓单晶的化学机械抛光方法。所述化学机械抛光方法包括步骤:S1.首先使用减薄机对氮化镓单晶的Ga面进行第一次减薄研磨200‑250μm和第二次减薄研磨150‑200μm;然后对氮化镓单晶的N面进行第一次减薄研磨150‑200μm和第二次减薄研磨100‑150μm;S2.利用化学腐蚀与机械研磨对步骤S1的减薄修饰后的氮化镓单晶进行抛光。本发明通过减薄辅助的方式,在CMP之前对氮化镓单晶进行表面处理,克服了传统氮化镓单晶研磨过程中耗时长、易碎和翘曲大的技术问题,相比于传统磨抛方式损伤程度减小,效率和良率提高。

    一种便于扩径的PVT法生长AlN的方法

    公开(公告)号:CN118007233A

    公开(公告)日:2024-05-10

    申请号:CN202410332093.1

    申请日:2024-03-22

    Applicant: 山东大学

    Abstract: 本发明属于氮化铝单晶生长技术领域,尤其涉及一种便于扩径的PVT法生长AlN的方法,采用倾斜坩埚进行AlN的生长,倾斜坩埚的结构为:下宽上窄的圆台状结构;所述方法为:通过温场模拟,根据扩径比例设计所述倾斜坩埚侧壁的倾斜角度;在所述倾斜坩埚内部补足AlN原料;在所述倾斜坩埚顶部放置粘接好籽晶的籽晶托;将所述倾斜坩埚放置在生长炉膛内,进行AlN晶体生长。本发明所述复合材料。本发明所述的方法利用倾斜坩埚进行AlN的生长,将导流罩与坩埚合为一体,降低加热源与籽晶之间的热损耗,提高籽晶表面温度。通过本发明的方法,减少导流罩切角处与晶体之间的热应力,并且简化了坩埚内部装配结构,便于AlN晶体扩径。

    一种多孔氮化镓单晶电极材料及制备方法与应用

    公开(公告)号:CN117947524A

    公开(公告)日:2024-04-30

    申请号:CN202410193616.9

    申请日:2024-02-21

    Applicant: 山东大学

    Abstract: 本发明属于半导体器件技术领域,涉及多孔氮化镓单晶电极材料及制备方法与应用。本发明通过将重Si掺杂的氮化镓单晶进行切割、清洗和刻蚀,得到表面均匀分布六方多孔的氮化镓单晶电极材料。所得材料保留了氮化镓单晶的本征稳定性,有利于多孔氮化镓单晶广泛应用于储能系统,特别是应用于高温/高压/化学恶劣的环境中;其多孔结构有效扩大了其比表面积,暴露更多电化学反应位点,继而能够增加超级电容器比容量;材料中的硅原子掺杂能够增加载流子浓度;其中的垂直孔道结构为其在电化学存储过程中电子或者离子的扩散和转移提供了通道,有效提高了反应动力学,使多孔氮化镓单晶作为电极材料展现了优异的倍率性能。

    基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法及系统

    公开(公告)号:CN112069738B

    公开(公告)日:2024-04-26

    申请号:CN202010972888.0

    申请日:2020-09-16

    Applicant: 山东大学

    Abstract: 本发明公开了一种基于DBN和多层模糊LSTM的电动舵机剩余寿命预测方法及系统,包括:获取电动舵机实时监测数据;对获取的实时监测数据进行预处理;将预处理后的数据输入到训练好的舵机状态退化模型,输出预测的电动舵机剩余寿命;其中,所述舵机状态退化模型对预处理后的数据通过深度置信网络提取特征规律,然后通过多层模糊LSTM网络提取数据序列中的时间特征;基于所述特征规律和时间特征,得到预测的电动舵机剩余寿命。本发明采用基于DBN和多层模糊LSTM的深度学习网络模型进行电动舵机剩余寿命预测,可以有效地提取多维电动舵机传感器监测数据中的特征规律和序列的时间特征,提高剩余寿命预测的精度;提高舵机在运行时的安全性和可靠性。

Patent Agency Ranking