基于多维特征矩阵和改进稠密连接网络的情感分类

情感脑电信号是一种低信噪比的非平稳时间序列,传统的特征提取与分类方法难以提取不同情感状态时的有效特征并进行分类.针对以上情况,提出一种自动融合脑电信号不同频段和时频域特征的深度学习模型.首先,对预处理后的数据进行分频段处理,提取各频段的微分熵特征.然后,在网络中接入的挤压激励模块,对不同频段特征的微分熵特征赋权值,来获取输入数据的有价值信息,再利用改进的稠密连接网络进行特征融合并分类识别,保证了网络层之间最大程度的信息传输.最后,利用SEED情感脑电信号三分类数据集对算法进行了验证,分类正确率可达96.03%,高于现有的基线学习算法,所提算法可进一步增强网络特征提取能力,具有较快的收敛速度,对提升分类器的性能研究具有重要意义.

片面实行犯肯定说之证成

片面实行犯是否成立共同犯罪,存在否定说与肯定说之争。如果将片面实行犯视为单独犯,则有违背罪责刑相适应原则之嫌。共同正犯的"部分行为全部责任"实质是"全部行为全部责任",对片面实行犯按该原则处罚并未违反责任主义原则。此外,采用何种共犯本质学说与是否承认片面实行犯并无必然关联。通过对我国《刑法》第二十五条第一款的教义学解读可以发现,片面实行犯符合我国关于共同犯罪的规定,并且在司法实践中已存在相关判决。因此,我国应采用片面实行犯肯定说。

燃气轮机废热利用的新型动力系统热力学分析

基于能量等级回收和梯级利用的原则,构建了一种燃气轮机废热利用的新型动力系统。该系统主要由燃气轮机布雷顿循环(GTC)、再压缩式超临界CO_(2)布雷顿循环(S-CO_(2))、朗肯循环(RC)、有机朗肯循环(ORC)和有机闪蒸循环(OFC)组成。该动力系统不仅克服了单个子循环热量回收范围窄的局限性,而且通过回热的方式实现了能量的梯级利用,进而提高了系统效率。通过Aspen HYSYS软件对构建的动力系统及各子循环分别进行模拟仿真,进一步研究了工况参数对系统的影响。与现有文献中的数据对比表明,该动力系统中各子循环均得到较好的验证。在相同工况条件下,文献中动力系统净功率为48 592.84 kW,热效率和火用效率分别为42.41%和62.02%,而本研究系统净功率为50 040.46 kW,热效率和火用效率分别达到43.673%和73.593%。因此,该新型动力系统具有较好的能源利用效果。

基于双向热流固耦合的活塞变形分析

为研究制冷剂的温度和压力对活塞变形的影响,本文建立了CO_(2)压缩机活塞、气缸内制冷剂及泄漏通道内制冷剂三维模型,并用ANSYS软件对相应模型进行了有限元分析,计算膨胀行程及压缩行程下气缸内制冷剂及泄漏通道内制冷剂的压力及温度分布;通过热流固耦合,分析活塞在膨胀行程及压缩行程下分别受气缸内及泄漏通道制冷剂影响。结果表明,与泄漏通道内制冷剂相比,气缸内制冷剂对活塞的变形影响更大;压缩行程末端,在气缸内制冷剂及泄漏通道内制冷剂的温度压力影响下,活塞最大变形量分别为0.167 mm和6.474×10^(-3)mm,最大应力分别为248.11 MPa和74.864 MPa;膨胀行程末端,活塞在在气缸内制冷剂及泄漏通道内制冷剂温度压力影响下最大应力分别为15 MPa和15.235 MPa。研究结果为活塞受力变形研究提供理论依据。

基于能量梯级利用的压缩CO_(2)储能系统热力学分析及结构优化

为了解决储能系统中余热高效回收利用的问题,本文提出了一种基于能量梯级利用的压缩CO_(2)储能系统,利用高压压缩余热分级存储的手段实现能量的深度利用。建立了系统的热力学模型,对所提出系统和现有参考系统进行了对比分析。结果表明:改进后的系统循环效率增加了3.99%,储能密度增加4.47(kW·h)/m^(3),换热部件相对火用损失下降了6.80%;提高冷却水的初始温度能有效提高循环效率;高温储热换热器中CO_(2)的出口温度对循环效率的影响存在最优值为434 K;中温段换热器中CO_(2)的出口温度较低时,有利于循环效率和储能密度的提升。本文所提出的系统能够为CO_(2)储能系统深入优化提供一种可行方案。

压缩机吸气阀变形模拟及结构优化

基于吸气阀变形研究,建立吸气阀流固耦合模型,探究吸气阀在一个工作循环中产生的纵向位移变形和横向位移变形。结果表明,吸气阀的最大纵向位移变形为2.4319 mm,最大横向位移变形为0.0665 mm,吸气阀的应变主要集中在螺栓孔处且纵向位移影响较大。根据吸气阀的应力应变分布规律,添加不同尺寸肋片对吸气阀结构进行优化,并分析对比肋片尺寸对吸气阀变形的影响。优化表明,当吸气阀添加肋片尺寸为25 mm×4 mm×0.1 mm时,可显著减小吸气阀纵向位移及应变。

基于时间序列数据增强的运动想象脑电多尺度特征提取分类

基于运动想象脑电(MI-EEG)的脑机接口(BCI)可以实现人脑与外部设备的直接信息交互。本文提出了一种基于时间序列数据增强的脑电多尺度特征提取卷积神经网络模型,用于MI-EEG信号解码。首先,提出了一种脑电信号数据增强方法,能够在不改变时间序列长度的情况下,提高训练样本的信息含量,同时完整保留其初始特征。然后,通过多尺度卷积块自适应地提取脑电数据的多种整体与细节特征,再经并行残差块和通道注意力对特征进行融合筛选。最后,由全连接网络输出分类结果。在BCI Competition IV 2a和2b数据集上的应用实验结果表明,本模型对运动想象任务的平均分类正确率分别达到了91.87%和87.85%,对比现有的基准模型,该方法具有较高的正确率和较强的鲁棒性。该模型无需复杂的信号预处理操作,具有多尺度特征提取的优势,具有较高的实际应用价值。

中国艺术品评估标准构建的基础与途径

当前,随着我国艺术品市场的不断发展,各环节中的评估问题也逐渐突显;而构建艺术品评估标准是艺术品评估实际应用和发展的重要一环。本文聚焦我国艺术品评估标准构建的现实基础,通过理论研究与实例讨论,落实标准构建的途径,提出切实可行的措施。