|
搜索
搜 索
高等教育领域数字化综合服务平台
一种水体表观光谱二向性自动测量装置及方法
本发明公开了一种水体表观光谱二向性自动测量装置及方法，装置包括总控系统、观测几何自动调 整系统、全球定位系统、多角度光学测量系统；总控系统分别通过电缆与观测几何自动调整系统、全球 定位系统、多角度光学测量系统连接，多角度光学测量系统安装在观测几何自动调整系统上；方法包括 安装部署、位置信息输入、实时时间信息输入、太阳方位角计算、观测几何自动调整、多角度光谱采集； 本发明能轻松实现若干个观测方位上的水体表观光谱的自动测量，严格调整观测角度，并行采
武汉大学
2021-04-14
一种基于拉曼光谱分析的煤质快速检测方法
本发明公开了一种基于拉曼光谱分析的煤质快速检测方法，包括：(1)建立煤质-拉曼关联数据库；(2)对待检测原煤进行拉曼光谱测试，并对得到的待测原煤的拉曼光谱进行分峰计算，获得待检测原煤拉曼光谱特征参数；(3)将待检测原煤的拉曼光谱特征参数与已建立的煤质-拉曼关联数据库比对，根据对应的拉曼光谱特征参数与煤质成分特征参数的映射关系，获得待检测原煤的煤质成分特征参数，确定煤质。该方法简单、快速、可靠、成本低、实用性强，可同时
华中科技大学
2021-04-14
一种极高分辨率光谱测量装置及方法
本发明公开了一种极高分辨率光谱测量装置及方法，光谱测量 装置包括 FP 干涉仪、SBS 滤波器、探测器、数据采集模块和控制模块； FP 干涉仪的第一输入端用于连接待测信号，FP 干涉仪的第二输入端连 接至控制模块的第一输出端；SBS 滤波器的第一输入端连接至 FP 干涉 仪的输出端，所述 SBS 滤波器的第二输入端连接至控制模块的第二输 出端，探测器的输入端连接至 SBS 滤波器的第一输出端，数据采集模 块的第一输入
华中科技大学
2021-04-14
ABB BOMAN MB3600 高效FTIR傅里叶变换近红外光谱仪
产品详细介绍
广州市博勒泰贸易有限公司
2021-08-23
叶片光学智能检测装置及软件系统
由于航空发动机和燃气轮机叶片型面是空间异型曲面，因而其设计、制造及维修都面临巨大挑战。为了在设计加工层面提高叶片加工质量，同时在修复层面提高叶片使用寿命，开展叶片高效高精测量研究至关重要。
本项目面向叶片制造研发了一套基于四轴运动平台与线激光扫描相结合的叶片型面检测装置，并开发了集运动控制、数据采集与处理、精度评估等多功能于一体的软件系统，可实现多类型叶片的二维截面高精度测量与三维型面自动化高效重构,有效克服因叶片复杂结构特征带来的扫描数据密度差异性大、重叠区不足等因素对重构精度的影响。本项目面向叶片3D打印修复，研发了一套高效高精度的叶片检测方法与集成系统，可实现批量化叶片截面轮廓位姿及其轮廓的自动化测量、数据重构和叶片配准，为叶片修复工艺流程中的3D打印和后续机加工等工艺环节提供关键的数字化测量、加工工艺数据，有效提升修复精度与效率，并降低成本。
本项目的开发成果可应用于航空发动机、燃气轮机等叶片制造、修复全生命周期的测评、重构、反求等场景，市场规模大。
图 面向叶片3D打印修复的检测方法与集成系统硬件平台
四川大学
2025-02-11
海嘉船舶综合信息系统
海嘉船舶综合信息系统（简称“海嘉PMS管理系统”）是由厦门大学科考船运行管理中心自主开发并获得中国船级社（CCS）型式认可证书的船舶综合信息系统。该系统针对国内船舶管理高校、公司的船舶管理特点，坚持“以人为本”的管理理念，全方位覆盖船舶管理各项业务。系统构建的数字化安全管理体系平台可有效协助船东和船舶管理单位进行船舶管理；通过数字化维修保养体系使得船舶主管机构的监督检查效率和质量更高；PMS型式认可证书是货方指定的第三方评审（如RightShip检查）机构对船舶运营提出检查清单并进行评分时必须查看的一项证书。
PMS型式认可证书
核心功能
厦门大学
2025-02-07
海嘉船舶数据传输系统
海嘉船舶数据传输系统采用先进的通信技术与数据处理手段，系统利用高带宽卫星通信和5G网络，提供了更快速、可靠的数据传输通道。其整合物联网技术，能够从多种传感器源头实时获取船舶多维数据。创新的数据压缩和加密算法确保了数据传输的高效率和安全性。同时，系统对海上数据流量进行智能化管理，提升了传输的稳定性。
厦门大学
2025-02-07
海嘉船舶数据采集与分发系统
海嘉船舶数据采集与分发系统创新性突出，采用先进的传感器技术，实现多源数据的高效采集。系统在通信方面采用了独特的混合通信方案，融合卫星通信、物联网技术，确保了信息的高速传输和覆盖范围。创新的数据处理算法实现了实时数据分析和异常检测，提高了系统的智能化水平。
厦门大学
2025-02-07
挠曲面太阳能聚光系统
东南大学
2025-02-08
锂电池管理系统AI算法研究
本项目聚焦于锂电池管理系统在智能化监测与预测中的关键痛点，尤其拟面向电池容量衰减预测、SOC/SOH估计不准、电池剩余时间不准确、MAP/SOP估算等方面。通过引入人工智能算法，构建融合机器学习与深度学习的电池状态预测模型，拟实现高精度SOC（荷电状态）与SOH（健康状态）估计的优化，提升电池管理系统的智能水平与安全性。
解决方案方面，项目基于实地检测磷酸铁锂电池充放电数据构建训练集，采用轻量级线性回归模型及改进型人工神经网络进行建模优化，并结合特征工程技术提高预测精度。同时，设计适用于边缘计算的部署方案，使模型可在BMS嵌入式硬件平台实时运行，降低对计算资源的依赖。
在竞争优势方面，项目成果具备算法轻量化、部署便捷、预测准确度高、兼容性强等特点，特别适用于电力储能、电动汽车等对安全性和可靠性要求高的场景。相比传统BMS方案，该AI算法可显著提升电池使用效率与寿命，精准估算SOC/SOH，降低维护成本。
目前项目成果已在合作企业内部储能设备中开展应用测试，初步反馈表明荷电状态预测准确度提升40%左右，电池健康度准确度提升40%左右，系统响应及时，具备较高实用性和推广价值。专家评审一致认为，该项目在智能电池管理系统方向具有较强的创新性和实际应用前景。
西南大学
2025-05-12