超声波清洗方法及装置
    1.
    发明授权

    公开(公告)号:CN106513376B

    公开(公告)日:2022-05-31

    申请号:CN201610939978.3

    申请日:2016-10-31

    IPC分类号: B08B3/12

    摘要: 本发明涉及超声波清洗方法及装置,所述该超声波清洗方法:应用于主要由超声波换能器(100)和待清洗板(200)构成的超声清洗装置,超声波换能器(100)和待清洗板(200)之间设置有薄层,其特征在于,包括以下步骤:由超声波换能器(100)产生振动,并向薄层内的气液混合物辐射,使薄层内的气液界面产生冲刷射流,从而形成对待清洗板(200)表面的切向冲刷清洗。本发明目的是通过气液面的波动,使得待清洗板进行清洗,而不是采用空化效应或者高速振动和剪切效应。

    超声波清洗方法及装置
    2.
    发明公开

    公开(公告)号:CN106513376A

    公开(公告)日:2017-03-22

    申请号:CN201610939978.3

    申请日:2016-10-31

    IPC分类号: B08B3/12

    CPC分类号: B08B3/12 B08B2203/0288

    摘要: 本发明涉及超声波清洗方法及装置,所述该超声波清洗方法:应用于主要由超声波换能器声波换能器(100)和待清洗板(200)之间设置有薄层,其特征在于,包括以下步骤:由超声波换能器(100)产生振动,并向薄层内的气液混合物辐射,使薄层内的气液界面产生冲刷射流,从而形成对待清洗板(200)表面的切向冲刷清洗。本发明目的是通过气液面的波动,使得待清洗板进行清洗,而不是采用空化效应或者高速振动和剪切效应。(100)和待清洗板(200)构成的超声清洗装置,超

    一种检测超声空化强度的装置及方法

    公开(公告)号:CN104215581B

    公开(公告)日:2017-08-25

    申请号:CN201410370217.1

    申请日:2014-07-30

    IPC分类号: G01N21/17

    摘要: 本发明涉及一种检测超声空化强度的装置及方法,该装置包括:光源发生器,用于产生光信号;分光器,用于将所述光信号分成相同的两路光信号,其中一路光信号传送给检测段光纤,另一路光信号传送给参考段光纤;所述参考段光纤,置于无空化区内;所述检测段光纤置于空化区内,由于空泡溃灭产生的冲击波和微射流对所述检测段光纤的冲击,使所述检测段光纤内的光信号发生变化;检测模块,用于通过检测和比较检测段光信号和参考段光信号获得空化区的超声空化强度信息。本发明实现了在对空化场影响很小的情况下获得空化强度的瞬态信息,并在定量评价超声清洗设备和声化学设备性能、测量空化场分布、监测空化场变化等方面具有应用价值。

    一种检测超声空化强度的装置及方法

    公开(公告)号:CN104215581A

    公开(公告)日:2014-12-17

    申请号:CN201410370217.1

    申请日:2014-07-30

    IPC分类号: G01N21/17

    摘要: 本发明涉及一种检测超声空化强度的装置及方法,该装置包括:光源发生器,用于产生光信号;分光器,用于将所述光信号分成相同的两路光信号,其中一路光信号传送给检测段光纤,另一路光信号传送给参考段光纤;所述参考段光纤,置于无空化区内;所述检测段光纤置于空化区内,由于空泡溃灭产生的冲击波和微射流对所述检测段光纤的冲击,使所述检测段光纤内的光信号发生变化;检测模块,用于通过检测和比较检测段光信号和参考段光信号获得空化区的超声空化强度信息。本发明实现了在对空化场影响很小的情况下获得空化强度的瞬态信息,并在定量评价超声清洗设备和声化学设备性能、测量空化场分布、监测空化场变化等方面具有应用价值。

    超声波清洗装置
    5.
    实用新型

    公开(公告)号:CN207154289U

    公开(公告)日:2018-03-30

    申请号:CN201621196592.X

    申请日:2016-10-31

    IPC分类号: B08B3/12

    摘要: 本实用新型涉及超声波清洗装置,该超声波清洗装置包括超声波换能器,超声波换能器和待清洗板之间设置有薄层;超声波换能器产生的振动向薄层内的气液混合物辐射,使薄层内的气液界面产生冲刷射流,从而形成对待清洗板表面的切向冲刷;还包括旋转调节控制器,旋转调节控制器用于固定待清洗板,以及对待清洗板进行水平方向旋转;还包括激光检测器、补气控制器和补液控制器;在超声波换能器外侧套设有清洗室,补气控制器用于给清洗室输送气体;补液控制器用于给清洗室输送液体;激光检测器用于检测清洗室液位,并对补液控制器进行控制。本实用新型目的是通过气液面的波动,使得待清洗板进行清洗,而不是采用空化效应或者高速振动和剪切效应。(ESM)同样的发明创造已同日申请发明专利

    一种检测超声空化强度的装置

    公开(公告)号:CN204008435U

    公开(公告)日:2014-12-10

    申请号:CN201420427377.0

    申请日:2014-07-30

    IPC分类号: G01N21/17

    摘要: 本实用新型涉及一种检测超声空化强度的装置,该装置包括:光源发生器,用于产生光信号;分光器,用于将所述光信号分成相同的两路光信号,其中一路光信号传送给检测段光纤,另一路光信号传送给参考段光纤;所述参考段光纤,置于无空化区内;所述检测段光纤置于空化区内,由于空泡溃灭产生的冲击波和微射流对所述检测段光纤的冲击,使所述检测段光纤内的光信号发生变化;检测模块,用于通过检测和比较检测段光信号和参考段光信号获得空化区的超声空化强度信息。本实用新型实现了在对空化场影响很小的情况下获得空化强度的瞬态信息,并在定量评价超声清洗设备和声化学设备性能、测量空化场分布、监测空化场变化等方面具有应用价值。

    一种基于双向特征提取的手指静脉识别方法

    公开(公告)号:CN111950454B

    公开(公告)日:2024-04-02

    申请号:CN202010807107.2

    申请日:2020-08-12

    摘要: 本发明提供一种基于双向特征提取的手指静脉识别方法,涉及接触式识别技术领域。该方法获取指静脉数据集,在获取的数据集基础上制作位置信息相反的指静脉数据集,并对所得两个数据集进行图像预处理;使用单向指静脉数据集训练、保存CNN网络模型,在此基础上调整网络结构形成指静脉特征提取器;并通过指静脉特征提取器提取单向指静脉数据的指静脉特征;连接两个指静脉数据集下的单向指静脉特征信息形成双向指静脉特征信息;最后将双向指静脉特征信息通过SVM分类器训练、测试得到指静脉识别结果;本发明方法包括两次提取指静脉图像特征的过程,同一份指静脉图片,经过此过程能获得更多的、更丰富的特征信息。

    一种极化码的低复杂度神经BP译码方法

    公开(公告)号:CN111835364A

    公开(公告)日:2020-10-27

    申请号:CN202010766768.5

    申请日:2020-08-03

    IPC分类号: H03M13/11

    摘要: 本发明提供一种极化码的低复杂度神经BP译码方法,涉及信道编码技术领域。该方法首先在信道接收端对原始信息序列经过编码、调制和加噪后获得极化码码字序列,即得到待译码码字序列;然后基于DNN构建神经BP译码器模型,利用有效的聚类技术减少权重参数的数量;通过在时间上共享权重,进一步消除大量权重参数中存在的不必要冗余;并从均匀量化和非均匀量化两方面对浮点权重参数进行量化,进一步减少权重参数的存储需求;最后利用接收到的待译码信道信息和原始信息序列作为训练集训练神经BP译码器模型,实现对接收的待译码码字进行译码。该方法有效降低了权重参数的内存消耗,大幅度压缩了神经BP译码器的存储空间。

    一种极化码的低复杂度神经BP译码方法

    公开(公告)号:CN111835364B

    公开(公告)日:2023-11-14

    申请号:CN202010766768.5

    申请日:2020-08-03

    IPC分类号: H03M13/11

    摘要: 本发明提供一种极化码的低复杂度神经BP译码方法,涉及信道编码技术领域。该方法首先在信道接收端对原始信息序列经过编码、调制和加噪后获得极化码码字序列,即得到待译码码字序列;然后基于DNN构建神经BP译码器模型,利用有效的聚类技术减少权重参数的数量;通过在时间上共享权重,进一步消除大量权重参数中存在的不必要冗余;并从均匀量化和非均匀量化两方面对浮点权重参数进行量化,进一步减少权重参数的存储需求;最后利用接收到的待译码信道信息和原始信息序列作为训练集训练神经BP译码器模型,实现对接收的待译码码字进行译码。该方法有效降低了权重参数的内存消耗,大幅度压缩了神经BP译码器的存储空间。

    基于TDT-SSA-BP的时间序列预测方法
    10.
    发明公开

    公开(公告)号:CN113780664A

    公开(公告)日:2021-12-10

    申请号:CN202111079658.2

    申请日:2021-09-15

    IPC分类号: G06Q10/04 G06N3/04 G06N3/08

    摘要: 本发明公开了一种基于TDT‑SSA‑BP的时间序列预测方法,该方法包括以下步骤:数据预处理;将处理好的时间序列进行CEEMDAN分解;用排列熵计算CEEMDAN分解后各模态分量和余量的排列熵值;将排列熵值较高的模态分量用VMD进行二次分解;利用麻雀搜索算法对神经网络的权值和阈值进行寻优;将经过二层分解得到的分量输入到麻雀搜索算法优化的神经网络模型中,得到各分量的预测值,然后叠加各个分量的预测值,即可得到最后的DO时间序列预测浓度。本发明采用麻雀搜索算法优化神经网络来提高预测精度,且相比于传统的粒子群算法,麻雀搜索算法具有更强的寻优能力,采用二次分解技术可将原始的时间序列分解为相对稳定的分量,从而提升预测精度。