公开(公告)号：CN115060594A

公开(公告)日：2022-09-16

申请号：CN202210428064.6

申请日：2022-04-22

申请人： 新疆大学

发明人： 程旺军 ,  王鹏博 ,  孙耀宁 ,  李骁 ,  刘斌 ,  周建平

IPC分类号： G01N3/22 ,  G01N3/24

摘要： 本发明提供了一种双金属复合管超低温下界面结合强度测试方法与装置，属于复合管界面性能测试技术领域。首先将内、外开槽的双金属复合管放置在内管、外管夹头上定位；然后在承重梁内部环形保冷槽中充填超低温介质，并进行喷淋冷却；当冷却温度达到测试温度后，通过两个伺服电机分别驱动内管、外管夹头旋转，使试验管在界面结合处发生面内剪切变形，用扭力传感器和高速相机分别记录剪切界面结合强度、界面位移和旋转角等物理参量。本发明提供一种双金属复合管超低温下界面结合强度测试方法与装置，具有结构紧凑、工艺集成度高、通用性强、缸‑架‑箱一体化设计等优点，解决了复合管超低温环境服役界面结合强度和变形难以准确测量等难题。

公开(公告)号：CN117174204A

公开(公告)日：2023-12-05

申请号：CN202311213836.5

申请日：2023-09-20

申请人： 新疆大学

发明人： 陈晨 ,  左恩光 ,  陈程 ,  吕小毅 ,  王鹏博 ,  严紫薇

IPC分类号： G16C20/70 ,  G16C20/20 ,  G06N20/20 ,  G06N5/01 ,  G06F18/214 ,  G06F18/243

摘要： 本发明为基于集成学习算法的驼乳掺假的检测模型及建立方法、检测方法。基于集成学习算法的驼乳掺假的检测模型，包括：数据预处理模块、集成学习算法模块、掺假鉴别模块；其中，所述的数据预处理模块：对数据进行归一化处理；所述的集成学习算法模块：将所述的预处理得到的归一化数据输入到集成学习算法中训练并构建多个弱学习器，再将每个弱学习器得到的叶子节点权重加权求和生成强学习器；所述的掺假鉴别模块：对样品进行鉴别。本发明所述的基于集成学习算法的驼乳掺假的检测模型及建立方法、检测方法，不易受样本量大小的限制，简单高效地实现了乳制品的掺假鉴别。