本發(fā)明屬于鋰離子電池技術(shù)領(lǐng)域，提供了一種鋰離子電池微觀狀態(tài)在線估計(jì)方法及系統(tǒng)，搭建P2D電化學(xué)模型，生成不同工況下的電化學(xué)數(shù)據(jù)，構(gòu)建并利用生成的電化學(xué)數(shù)據(jù)驗(yàn)證深度神經(jīng)網(wǎng)絡(luò)模型，求解P2D模型中的偏微分方程，將偏微分方程的邊界值以神經(jīng)網(wǎng)絡(luò)...

本發(fā)明涉及一種用于研究地鐵列車振動(dòng)的實(shí)驗(yàn)方法，包括以下步驟：移動(dòng)車沿軌道以設(shè)定的速度一次行駛，經(jīng)過(guò)軌道的測(cè)試段，通過(guò)移動(dòng)車上預(yù)先設(shè)置的檢測(cè)元件獲取一次行駛引起的移動(dòng)車激勵(lì)；根據(jù)移動(dòng)車激勵(lì)獲取寬帶隨機(jī)激勵(lì)，其中寬帶隨機(jī)激勵(lì)覆蓋范圍為：與實(shí)...

本發(fā)明涉及單晶材料技術(shù)領(lǐng)域，本發(fā)明提供了一種錐形單晶光纖變徑生長(zhǎng)的控制方法和系統(tǒng)。獲取錐形單晶光纖的尺寸，將錐形單晶光纖依次劃分為第一區(qū)、變徑區(qū)和第二區(qū)；第一區(qū)與第二區(qū)的直徑不同；通過(guò)光柵尺實(shí)時(shí)讀取晶體生長(zhǎng)界面所處位置，獲取變徑區(qū)長(zhǎng)度L...

用于高壓輸電線路巡檢的仿生雙動(dòng)力機(jī)械臂越障機(jī)器人，所述越障機(jī)器人包括：牽引行走組件，用于利用與導(dǎo)線接觸的牽引輪實(shí)現(xiàn)沿線行；前后兩側(cè)機(jī)械臂組件，所述前后兩側(cè)機(jī)械臂組件的前后機(jī)械臂均采用四連桿機(jī)構(gòu)構(gòu)型，每條機(jī)械臂配備兩個(gè)原動(dòng)件，形成雙動(dòng)力驅(qū)...

本發(fā)明提供一種基于超聲表面波速的混凝土滑模爬升控制方法及系統(tǒng)，屬于建筑施工控制技術(shù)領(lǐng)域，包括：S1?S2：混凝土構(gòu)件的超聲表面波信號(hào)和溫度數(shù)據(jù)采集；S3?S8：對(duì)超聲表面波信號(hào)和溫度數(shù)據(jù)進(jìn)行處理，最終計(jì)算得到抗壓強(qiáng)度和強(qiáng)度增長(zhǎng)速率；S9...

本發(fā)明公開(kāi)了一種基于知識(shí)增強(qiáng)的電網(wǎng)新能源運(yùn)行故障判別方法及系統(tǒng)，涉及風(fēng)電場(chǎng)故障診斷技術(shù)領(lǐng)域。該方法包括步驟：獲取電網(wǎng)新能源設(shè)備運(yùn)行的時(shí)序數(shù)據(jù)，并根據(jù)電網(wǎng)新能源設(shè)備運(yùn)行的時(shí)序數(shù)據(jù)構(gòu)建圖結(jié)構(gòu)，得到圖數(shù)據(jù)表示；根據(jù)電網(wǎng)新能源設(shè)備運(yùn)行數(shù)據(jù)的特性...

本發(fā)明屬于生物檢測(cè)技術(shù)領(lǐng)域，具體涉及一種DNA聚合酶活性檢測(cè)方法、檢測(cè)試劑盒及其應(yīng)用。該方法基于qPCR技術(shù)，通過(guò)設(shè)計(jì)特殊的反應(yīng)體系和優(yōu)化實(shí)驗(yàn)流程，實(shí)現(xiàn)了?DNA?聚合酶活性的高效、準(zhǔn)確檢測(cè)。在孵育階段，利用預(yù)先退火且含錯(cuò)配堿基的寡核苷...

本發(fā)明涉及一種磁性多穩(wěn)態(tài)波浪供能可變構(gòu)海洋機(jī)器人及其驅(qū)控方法，屬于海洋觀測(cè)技術(shù)領(lǐng)域，機(jī)器人包括艙體，艙體一端設(shè)有水翼，艙體另一端設(shè)有推進(jìn)器；艙體內(nèi)部設(shè)有磁性內(nèi)振子俘能體、液壓PTO及浮力調(diào)節(jié)系統(tǒng)，液壓PTO及浮力調(diào)節(jié)系統(tǒng)位于磁性內(nèi)振子俘...

本發(fā)明屬于電力系統(tǒng)測(cè)技術(shù)領(lǐng)域，公開(kāi)了一種基于電容器投入暫態(tài)的配電線路參數(shù)測(cè)量方法及系統(tǒng)，包括在配電線路中投入電容器，并獲取由所述電容器投入產(chǎn)生的暫態(tài)電流信號(hào)；從所述暫態(tài)電流信號(hào)中提取至少一個(gè)暫態(tài)特征，所述暫態(tài)特征包括暫態(tài)頻率和衰減系數(shù)；...

本發(fā)明屬于微生物及發(fā)酵工程技術(shù)領(lǐng)域，具體涉及一種高Cys、Met、His含量的解脂耶氏酵母及其構(gòu)建方法與應(yīng)用。具體的，本發(fā)明通過(guò)基因工程手段，成功構(gòu)建了高Cys、Met、His含量的解脂耶氏酵母菌株，三種目標(biāo)氨基酸綜合含量占細(xì)胞干重3....

本發(fā)明提出了一種跟網(wǎng)型設(shè)備電磁尺度建模方法及系統(tǒng)，屬于電力系統(tǒng)動(dòng)態(tài)建模技術(shù)領(lǐng)域。該方法基于三相交流系統(tǒng)中網(wǎng)絡(luò)能量矢量的二維狀態(tài)表征，對(duì)網(wǎng)絡(luò)能量相位進(jìn)行坐標(biāo)系轉(zhuǎn)換；基于轉(zhuǎn)換后的坐標(biāo)系，將瞬時(shí)無(wú)功功率驅(qū)動(dòng)網(wǎng)絡(luò)能量相位變化的動(dòng)力學(xué)機(jī)制轉(zhuǎn)換為標(biāo)...

本發(fā)明提出了一種基于提示學(xué)習(xí)的醫(yī)療圖像分割方法及系統(tǒng)，屬于醫(yī)療圖像分割技術(shù)領(lǐng)域，包括：獲取醫(yī)學(xué)圖像及文本提示；所述醫(yī)學(xué)圖像分別輸入至教師模型及學(xué)生模型，所述文本提示輸入至教師模型；所述教師模型基于文本提示形成語(yǔ)義引導(dǎo)，通過(guò)語(yǔ)義引導(dǎo)對(duì)醫(yī)學(xué)...

本發(fā)明提出了生物發(fā)光成像流式細(xì)胞儀方法與裝置，包括：自由反射單元，被配置為：通過(guò)照射樣品懸液獲得生物發(fā)光信號(hào)，將收集到的生物發(fā)光信號(hào)進(jìn)行再度反射匯聚以增強(qiáng)檢測(cè)的生物發(fā)光信號(hào)；樣本控制單元，被配置為：包括：多通道流式組件、固定機(jī)構(gòu)及三軸位...

本發(fā)明提出了一種基于時(shí)間序列預(yù)測(cè)模型的廢氣排放濃度預(yù)測(cè)方法及系統(tǒng)，屬于廢氣排放預(yù)測(cè)技術(shù)領(lǐng)域，包括：采集歷史廢氣排放監(jiān)測(cè)數(shù)據(jù)；對(duì)監(jiān)測(cè)數(shù)據(jù)采用基于多特征規(guī)則與無(wú)監(jiān)督聚類相結(jié)合的方法進(jìn)行工況分類得到初步數(shù)據(jù)集和工況分類結(jié)果；對(duì)初步數(shù)據(jù)集進(jìn)行預(yù)...

本發(fā)明屬于電網(wǎng)運(yùn)行技術(shù)領(lǐng)域，具體涉及一種海上風(fēng)電經(jīng)DRU?MMC送出系統(tǒng)的送端交流故障穿越方法，包括對(duì)送端交流電網(wǎng)故障進(jìn)行啟動(dòng)判定，當(dāng)同時(shí)滿足交流電壓幅值變化率小于零且直流送出系統(tǒng)電流等于零兩個(gè)判據(jù)時(shí)，判定送端交流電網(wǎng)發(fā)生故障，海上風(fēng)電...

本發(fā)明公開(kāi)基于綜合靈敏度的電力系統(tǒng)電壓越限治理方法及系統(tǒng)，涉及電力系統(tǒng)運(yùn)行與控制技術(shù)領(lǐng)域，獲取電網(wǎng)節(jié)點(diǎn)功率和線路參數(shù)數(shù)據(jù)；基于電網(wǎng)節(jié)點(diǎn)功率和線路參數(shù)數(shù)據(jù)，通過(guò)改進(jìn)的極坐標(biāo)牛頓?拉夫遜潮流算法求解潮流方程，得到電壓修正量，基于電壓修正量迭...

本發(fā)明涉及單斜晶型（310）晶面氧化鎵單晶薄膜及其制備方法，Ga2O3單晶薄膜是單斜結(jié)構(gòu)的外延單晶薄膜，生長(zhǎng)晶面是Ga2O3的（310）。所選襯底為熱導(dǎo)率高、成本低的三方結(jié)構(gòu)藍(lán)寶石、六方氮化鎵和六方碳化硅等襯底。薄膜與襯底間的面外和面內(nèi)...

本申請(qǐng)屬于可燃?xì)怏w安全監(jiān)測(cè)技術(shù)領(lǐng)域，公開(kāi)一種可燃?xì)怏w射流火焰溫度場(chǎng)預(yù)測(cè)方法、裝置、設(shè)備及介質(zhì)，該方法包括：基于數(shù)值模擬數(shù)據(jù)構(gòu)建射流火焰溫度場(chǎng)數(shù)據(jù)集；基于火焰溫度場(chǎng)數(shù)據(jù)集擬合經(jīng)驗(yàn)關(guān)聯(lián)式；構(gòu)建物理信息人工神經(jīng)網(wǎng)絡(luò)模型；其中物理信息人工神經(jīng)網(wǎng)...

本發(fā)明涉及一種基于強(qiáng)化學(xué)習(xí)的通用LLVM優(yōu)化方法及系統(tǒng)，包括：步驟1：使用LLVM將源代碼程序轉(zhuǎn)化為中間表示，并使用優(yōu)化Pass進(jìn)行優(yōu)化；步驟2：構(gòu)建強(qiáng)化學(xué)習(xí)模型，并定義強(qiáng)化學(xué)習(xí)模型的觀測(cè)狀態(tài)、行動(dòng)和獎(jiǎng)勵(lì)；步驟3：根據(jù)觀測(cè)狀態(tài)、行動(dòng)和獎(jiǎng)...

本發(fā)明提出了一種基于神經(jīng)網(wǎng)絡(luò)的風(fēng)速數(shù)據(jù)異常檢測(cè)與修正方法及系統(tǒng)，屬于風(fēng)速數(shù)據(jù)預(yù)測(cè)技術(shù)領(lǐng)域，包括：獲取目標(biāo)風(fēng)電場(chǎng)及與目標(biāo)風(fēng)電場(chǎng)高度關(guān)聯(lián)的參考風(fēng)電場(chǎng)的歷史風(fēng)速數(shù)據(jù)；采用基于核密度估計(jì)的自檢測(cè)模型對(duì)所述目標(biāo)風(fēng)電場(chǎng)的歷史風(fēng)速數(shù)據(jù)進(jìn)行概率估計(jì)，得...