【CN109902727A】防御性蒸馏模型的构建方法与装置【专利】
一种新型水蒸气蒸馏装置[实用新型专利]
![一种新型水蒸气蒸馏装置[实用新型专利]](https://img.taocdn.com/s3/m/18240ca5767f5acfa0c7cd18.png)
专利名称：一种新型水蒸气蒸馏装置
专利类型：实用新型专利
发明人：苟高章,吴娜,汪学全,陈雪冰,刘卫,刘贵阳申请号：CN201820682851.2
申请日：20180509
公开号：CN208340148U
公开日：
20190108
专利内容由知识产权出版社提供
摘要：本实用新型公开了一种新型水蒸气蒸馏装置，包括水蒸气发生装置、装料装置、冷凝装置，装料装置通过一根设置有排气支管的第一连接管与冷凝装置连通，当冷凝装置发生堵塞时可通过所述第一连接管将装置内的蒸汽排出；装料装置的下端设置有一根第二连接管，当第一连接管无法将装置内的蒸汽排出时，可通过第二连接管将装置内的蒸汽排出；水蒸气发生装置包括三口蒸馏瓶，三口蒸馏瓶的第二瓶口内设置有一个第二瓶塞，贯穿第二瓶塞设置有一根加水管，当所述第二连接管也无法将装置内的蒸汽排出时，可通过加水管将装置内的蒸汽排出；本实用新型结构简单、安全系数较高，在装置发生堵塞时可通过三种不同的方式将装置内的蒸汽排出。
申请人：红河学院
地址：661199 云南省红河哈尼族彝族自治州蒙自市东郊红河学院
国籍：CN
代理机构：北京科亿知识产权代理事务所(普通合伙)
代理人：汤东凤
更多信息请下载全文后查看。
一种防隔热涂料及其制备方法[发明专利]
![一种防隔热涂料及其制备方法[发明专利]](https://img.taocdn.com/s3/m/c16cbe140622192e453610661ed9ad51f01d54ff.png)
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201710935820.3(22)申请日 2017.10.10(71)申请人 北京航天新风机械设备有限责任公司地址 100854 北京市海淀区永定路52号(72)发明人 李盼盼 乔懿元 李航 (74)专利代理机构 北京万象新悦知识产权代理事务所(普通合伙) 11360代理人 贾晓玲(51)Int.Cl.C09D 161/14(2006.01)C09D 7/61(2018.01)(54)发明名称一种防隔热涂料及其制备方法(57)摘要本发明目的在于提供一种防隔热涂料，解决特定飞行环境下飞行器的热防护问题以及施工工艺问题，涂料由有机硅改性酚醛树脂、空心陶瓷微球、偏硼酸钡、蛭石粉、聚磷酸铵APP1000及有机膨润土组成，其质量比为35～40％：10～12％：10～12％：15～18％：10～15％：8～10％，涂料中选用的有机硅改性酚醛树脂，集合了酚醛树脂耐高温、抗烧蚀的性能优势与有机硅树脂优异的力学性能和耐候性，它与涂料所选填料在气动热环境下会在涂层表面共同作用形成致密保护层，该保护层能有效阻挡热气流的烧蚀冲刷，并吸收高温粒子的热量，从而起到对底层材质的热防护与热隔离。
满足多种航天产品的防隔热需求。
权利要求书1页 说明书4页CN 107652827 A 2018.02.02C N 107652827A1.一种防隔热涂料，其特征在于，由有机硅改性酚醛树脂、粒径40μm-100μm区间的空心陶瓷微球、细度200目-400目区间的偏硼酸钡、密度100-350kg/m 3的蛭石粉、聚磷酸铵APP1000和有机膨润土组成，其质量比为35～40％：10～12％：10～12％：15～18％：10～15％：8～10％。
2.如权利要求1所述的防隔热涂料，其特征在于，六种组分的质量比为35％：10％：12％：18％：15％：10％。
【CN109992887A】一种二元蒸馏塔的抗扰控制方法及系统【专利】
(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号 (43)申请公布日 (21)申请号 201910258312.5(22)申请日 2019.04.01(71)申请人 北京化工大学地址 100029 北京市朝阳区北三环东路15号申请人 北京国控天成科技有限公司 中国石化海南炼油化工有限公司(72)发明人 靳其兵 蔡鋈 杜星瀚 周星 杨文 章文 (74)专利代理机构 北京思海天达知识产权代理有限公司 11203代理人 张立改(51)Int.Cl.G06F 17/50(2006.01)B01D 3/42(2006.01)(54)发明名称一种二元蒸馏塔的抗扰控制方法及系统(57)摘要本发明公开了一种二元蒸馏塔的抗扰控制方法及系统，属于多变量时滞系统的自动控制领域。
首先将已有的二元蒸馏塔的传递函数模型进行关于时滞的分解，得到剩余矩阵和纯时滞矩阵。
求取并分析剩余矩阵逆模型的频率特性，通过补偿和近似得到简化逆模型。
然后求取H ∞次优滤波器并根据期望的鲁棒性确定滤波器的可调参数。
最后基于以上方法获得改进的抗扰控制系统结构。
与现有技术相比，本发明的优点在于思路简单，便于控制工程师理解和应用，能更有效的实现干扰估计和抑制，能获得针对二元蒸馏塔的更好的抗扰效果。
权利要求书3页 说明书5页 附图3页CN 109992887 A 2019.07.09C N 109992887A1.一种二元蒸馏塔的抗扰控制方法，其特征在于，包括以下步骤：S1、将已有的二元蒸馏塔的传递函数模型进行关于时滞的分解，得到剩余矩阵和纯时滞矩阵；S2、求取并分析剩余矩阵逆模型的频率特性，通过补偿和近似得到简化逆模型；S3、设计H ∞次优滤波器，依照给定的鲁棒性要求确定滤波器的可调参数。
2.按照权利要求1所述的一种二元蒸馏塔的抗扰控制方法，其特征在于，具体包括以下步骤：二元蒸馏塔，其传递函数矩阵为：其中，为G m (s)第i行第j列的元素，k ij 为比例增益，T ij 为一阶惯性时间常数，为纯滞后项，τij 为纯滞后时间，s为拉普拉斯算子；基于二元蒸馏塔的传递函数模型，按照下式进行G m(s)关于时滞的分解其中，G m0(s)为时滞提取后的剩余矩阵，G m0,ij (s)为矩阵G m0(s)的第i行第j列的元素，E (s)为时滞对角阵，τ1,τ2分别为G m (s)第1，第2列中的最小时滞，s为拉普拉斯算子；S2的具体过程为：S201、求取过程对象的稳态增益逆矩阵S202、根据剩余矩阵G m0(s)及步骤S201得到的稳态增益逆矩阵按下式求取在频率ω处，归一化逆模型元素的频率特性其中，j为虚数单位，ω为频率，为逆模型频率特性矩阵，为归一化逆模型频率特性矩阵，下标m ,n分别代表矩阵的第m行和第n列的元素；给定频率范围[ω0,ωr ]，ω0,ωr 分别为所考虑的最小、最大频率，通常取ω0＝0。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
(19)中华人民共和国国家知识产权局
(12)发明专利申请
(10)申请公布号 (43)申请公布日 (21)申请号 201910109707.9
(22)申请日 2019.02.02
(71)申请人 钟祥博谦信息科技有限公司
地址 431900 湖北省荆门市钟祥市经济开
发区西环二路钟祥创业园D7栋211
(72)发明人 张跃进 喻蒙 胡勇 王猛 杜飞
(74)专利代理机构 北京细软智谷知识产权代理
有限责任公司 11471
代理人 付登云
(51)Int.Cl.
G06K 9/62(2006.01)
G06N 3/04(2006.01)
G06N 3/08(2006.01)
(54)发明名称
防御性蒸馏模型的构建方法与装置
(57)摘要
本发明涉及一种防御性蒸馏模型的构建方
法与装置，所述方法包括：获取训练集中的原始
训练数据和原始训练数据的真实标签；根据原始
训练数据和真实标签，对深度神经网络进行知识
蒸馏，将深度神经网络的知识迁移到决策树模
型，生成软决策树模型；通过原始训练数据，对软
决策树模型进行对抗训练，生成防御性蒸馏模
型。
采用本申请的技术方案，决策树模型具有很
好的解释性，还突破了防御性蒸馏技术对框架要
求的限制，能够使防御性蒸馏技术可以在不同的
模型结构间运用，扩大了防御性蒸馏的应用范
围，并且本方案对软决策树模型进行了对抗训
练，不仅防止了软决策树模型过拟合的问题，还
能够提高模型针对对抗样本的鲁棒性。
权利要求书2页 说明书8页 附图3页CN 109902727 A 2019.06.18
C N 109902727
A
权 利 要 求 书1/2页CN 109902727 A
1.一种防御性蒸馏模型的构建方法，其特征在于，包括：
获取训练集中的原始训练数据和所述原始训练数据的真实标签；
根据所述原始训练数据和所述真实标签，对深度神经网络进行知识蒸馏，将所述深度神经网络的知识迁移到决策树模型，生成软决策树模型；
通过所述原始训练数据，对所述软决策树模型进行对抗训练，生成防御性蒸馏模型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述原始训练数据和所述真实标签，对深度神经网络进行知识蒸馏，将所述深度神经网络的知识迁移到决策树模型，生成软决策树模型，包括：
根据所述原始训练数据、所述真实标签和所述深度神经网络，生成类别概率向量；
将所述类别概率向量和所述原始训练数据结合，生成软训练数据；
利用所述软训练数据，对所述决策树模型进行训练，生成所述软决策树模型。
3.根据权利要求2所述的方法，其特征在于，所述根据所述原始训练数据、所述真实标签和所述深度神经网络，生成类别概率向量，包括：
将所述原始训练数据输入所述深度神经网络，得到预测结果；
将所述预测结果与所述真实标签结合，生成所述类别概率向量。
4.根据权利要求1所述的方法，其特征在于，所述通过所述原始训练数据，对所述软决策树模型进行对抗训练，生成防御性蒸馏模型，包括：
通过添加随机扰动，生成对抗样本；
将所述对抗样本和所述原始训练数据结合，生成对抗训练数据；
利用所述对抗训练数据，对所述软决策树模型进行交叉对抗训练，生成所述防御性蒸馏模型。
5.根据权利要求4所述的方法，其特征在于，所述利用所述对抗训练数据，对所述软决策树模型进行交叉对抗训练，生成所述防御性蒸馏模型，包括：
利用所述对抗训练数据，对所述软决策树模型进行所述交叉对抗训练，得到对抗模型；
通过损失函数对所述交叉对抗训练进行监督，检测所述对抗模型的实际输出结果和期望输出结果之间的距离；
若所述距离小于预设阈值，确定所述对抗模型为所述防御性蒸馏模型。
6.一种防御性蒸馏模型的构建装置，其特征在于，包括：获取模块、蒸馏模块和对抗训练模块。
所述获取模块，用于获取训练集中的原始训练数据和所述原始训练数据的真实标签；
所述蒸馏模块，用于根据所述原始训练数据和所述真实标签，对深度神经网络进行知识蒸馏，将所述深度神经网络的知识迁移到决策树模型，生成软决策树模型；
所述对抗训练模块，用于通过所述原始训练数据，对所述软决策树模型进行对抗训练，生成防御性蒸馏模型。
7.根据权利要求6所述的装置，其特征在于，所述蒸馏模块包括：软目标生成单元、第一数据生成单元和第一训练单元；
所述软目标生成单元，用于根据所述原始训练数据、所述真实标签和所述深度神经网络，生成类别概率向量；
所述第一数据生成单元，用于将所述类别概率向量和所述原始训练数据结合，生成软
2。