摘要：本发明涉及一种从废弃物中提取溶剂的回收技术，尤其涉及一种超高分子量聚乙烯纤维冻胶废丝的溶剂回收技术。采用熔融釜对冻胶废丝及冻胶块进行熔融，利用干法纺丝溶剂回收系统中的精馏单元，回收其中的有机溶剂，固体冻胶块造粒回收利用。本发明解决超高分子量聚乙烯纤维生产过程中产生的冻胶废丝中溶剂无法回收的问题，节约了生产成品，同时回收后的冻胶原料及废丝可直接送至下游加工企业再利用，溶剂回收处理过程密封，对环境无污染。

摘要：本公开提供了一种风险抵抗性能的评估方法、评估装置、设备、存储介质和程序产品，可以应用于金融领域和数据处理技术领域。该方法包括：响应于风险评估请求，对存储于金融系统内的资产数据进行量子化处理，得到量子电路模型，资产数据包括多个资产要素和不同资产要素之间的关联关系；针对每个灾难情景，根据与灾难情景相对应的灾难影响数据构建灾难编码模型，灾难影响数据表征灾难发生后对资产要素所产生的影响；基于目标观测算符，对量子电路模型和多个灾难编码模型进行量子采样处理，得到对应每个资产要素的目标量子态数据；对多个目标量子态数据进行灾难分析处理，得到分析结果，其中，分析结果表征金融系统在不同灾难场景下的风险抵抗能力。

摘要：本发明提供了一种用于西北干旱与半干旱地区的葡萄栽培方法，涉及葡萄栽培领域，包括以下步骤；S1、在葡萄园沿种植行架设双排立柱，葡萄定植于双排立柱中间。S3、每株葡萄树距地面30cm左右处选留两个侧蔓，然后左右绑缚于第一道铁丝上，同时在两个侧蔓靠近第一道铁丝附近再各选留两个侧蔓，分别绑缚于第一道铁丝左右两侧。S4、每株葡萄树在第一道铁丝选留的四个侧蔓长度控制在50cm左右。S5、第一道铁丝选留的四个侧蔓水平绑缚于铁丝上。S6、第一铁丝侧蔓上每年发出的新梢分别垂直绑缚于第二道和第三道铁丝上。该栽培方法用到了篱架的“H”型，较传统的葡萄架型来说，叶幕更多从而增大光照面积，同时方便整形以及对病虫害管理。

摘要：本发明公开了一种能在不同频段实现不同分频比功能的注入锁定分频器，所述注入锁定分频器包括：多分频模式信号注入装置和LC谐振单元；所述多分频模式信号注入装置包括2分频信号注入装置和3分频信号注入装置，所述2分频信号注入装置和3分频信号注入装置分别通过偏置开关装置独立控制其信号注入模式的开启和关断，以在不同频段实现不同分频比；且所述2分频信号注入装置和3分频信号注入装置均注入差分信号，不需要对信号注入做同相信号注入与反相信号注入的改变。本发明应用于5G通信系统可以解决不同频段之间间距过大，不易分频的问题，并且极

摘要：本发明提出了一种基于神经刺激改善睡眠呼吸障碍的系统及方法，属于医疗技术领域。包括：面罩，采集鼻咽气流、鼾声和振动信号；神经刺激模块，所述神经刺激模块用于通过电脉冲刺激舌下神经和膈神经；固定流量正压支持模块，用于提供持续气道正压通气；多源数据采集模块，用于采集呼吸运动幅度数据和血氧饱和度数据；控制单元模块，包括数据处理核心和双闭环控制器；所述数据处理核心基于LSTM模型识别呼吸事件类型，并建立刺激‑通气响应关系矩阵；所述双闭环控制器用于实时调整神经刺激模块的刺激强度。通过动态调整参数，减少时序控制误差，实现多信号同步，有效解决了单一神经刺激的局限性，确保干预的精准性和有效性。

摘要：本发明实施例公开了基于内嵌领域知识神经网络电池荷电状态估计方法及系统。方法包括：获取电池运行数据，电池运行数据包括电池放电端电压、电流、温度数据和对应的电池容量数据；将电池运行数据输入至内嵌领域知识神经网络中进行电池荷电状态估计，以得到估计结果；其中，内嵌领域知识神经网络是通过历史电池运行数据、对应时刻值以及历史SOC作为样本集输入至SocNet神经网络模型中进行训练所得的，SocNet神经网络模型包括带有特别通路的特征提取模块、SOC回望模块以及求和模块；输出估计结果。通过实施本发明实施例的方法可能够在复杂多变的工作环境中更准确地估计SOC，有效减少误差，提高SOC估计的精度，且可靠性强。

摘要：本发明实施例公开了锂电池荷电状态估计方法及系统。所述方法包括：获取电池运行数据，其中，所述电池运行数据包括电流、电压、温度以及电池状态；将所述电池运行数据输入至荷电状态估计模型中进行锂电池的SOC估计，以得到估计结果；输出所述估计结果；其中，所述荷电状态估计模型通过若干个电池运行数据作为样本集采用前向传播、反向传播算法、超参数调优进行训练依序连接的TCN网络层、GRU网络层、Transformer网络层以及全连接层构成的基础模型所得的。通过实施本发明实施例的方法可实现在数据缺失的情况下，提高SOC估计的准确性。

摘要：本发明公开了基于频域分析的电池健康状态快速估计方法及系统。所述方法包括：获取多个放电周期内的锂电池运行数据；将所述锂电池运行数据输入至频域预测神经网络内进行电池健康状态预测，以得到预测结果；其中，所述频域预测神经网络是通过获取历史锂电池运行数据以及对应的锂电池健康状态数据作为样本集训练神经网络所得的，所述神经网络包括依序连接的数据处理层、傅里叶变换层、滤波器、复值线性层、零填充层以及傅里叶逆变换层；输出所述预测结果。通过实施本发明的方法可实现有效结合频域分析与低资源消耗，提高电池管理系统SOH预测的效率和准确率。

摘要：本发明实施例公开了锂离子电池健康状态四指标综合评价方法及系统。所述方法包括：获取在多个放电周期内的锂电池运行数据，其中，锂电池运行数据包括四个特征，包括锂电池开路电压、内阻、恒流充电时间和对应的电池容量数据；将所述锂电池运行数据进行处理后输入至CVR模型中进行健康状态预测，以得到预测结果；采用SHAP方法量化所述锂电池运行数据，以得到分析结果；输出所述预测结果以及分析结果。通过实施本发明实施例的方法可实现采用四个健康指标综合评价电池整个生命周期的健康状况，保证电池的使用安全和使用性能。

摘要：本发明公开了一种锂电池健康状态预测方法及系统。所述方法包括：获取锂电池运行数据；将所述锂电池运行数据输入至锂电池健康状态预测模型中进行健康状态预测，以得到预测结果；其中，所述锂电池健康状态预测模型是通过采集历史电池运行数据作为样本集训练基础模型所得的，训练过程采用前向传播、反向传播算法和超参数调优，基础模型是由Transformer层的编码器、多层KAN网络作为解码器、无迹卡尔曼滤波器连接构成的模型；输出所述预测结果。通过实施本发明的方法可实现提高SoH预测的准确性和平稳性。