基于混合模态的脑机接口技术应用:神经康复新方向

随着人口老龄化和慢性病患者增加,康复医疗领域面临着巨大挑战和机遇。非侵入式脑机接口技术作为一种创新的诊疗手段,为脑卒中等中枢神经受损导致运动失能的患病人群带来了新的希望。与传统康复训练相比,单一模态脑机接口技术具有激活感觉运动皮质、从大脑层面协助病人康复的优势,但单一模态各范式具有各自的局限性。混合模态是近年的研究热点,以两种范式相结合的方式来提升整体系统的可靠性和准确性。基于此,提出了一种新的运动-视觉混合模态脑机接口技术,该系统在在线实验中的平均分类准确率为86.67%,能够同时诱发运动皮层和视觉皮层的响应,有望成为主动康复、神经重塑的新范式。

基于混合模态分解和LSTM-CNN的变压器油中溶解气体浓度预测

对油中溶解气体浓度进行预测,可提前掌握变压器运行趋势。提出一种基于混合模态分解和LSTMCNN(long short-term memory network-convolution network)网络的预测方法,实现精准的气体浓度预测。首先,为消除分解中模态混叠和残余白噪声的影响,对气体序列进行ICEEMDAN分解,以削弱序列的非平稳性;然后,使用VMD对聚合重构后的高频分量进行二次分解,降低高频分量的复杂度;最后,为了增强模型对序列时间特征和空间特征的拟合,采用结合时间注意力机制的LSTM-CNN网络对分解分量分别进行预测并重构气体浓度数据。算例验证表明,所提出的模型相比其他模型具有更强的预测性能,为后续故障预测提供有力支撑。

基于带状线的混合模态涡旋波天线设计

鉴于涡旋电磁波所体现出的独特空间电磁场分布特征,以及其携带的轨道角动量在理论上所具有的无穷维度模态正交特性,涡旋电磁波在无线通信领域和雷达探测与成像领域均表现出重要的研究价值和应用潜力;从涡旋电磁波的电磁场分布和原理入手,针对当前混合模态涡旋波天线结构尺寸大、模态干扰大的问题,设计了一种基于带状线的叠层结构的抗干扰混合模态涡旋电磁波阵列天线;在C波段设计叠层结构的混合模态天线阵列,并基于带状线屏蔽性能优势设计1分4和1分8两种馈电网络,以及进行实物加工和近、远场测试;通过加入软件无线电平台,搭建无线收发传输链路,验证该天线阵列多路信号传输特性能正确解复用且隔离度较好,实现频谱效率的提升。

基于聚合混合模态分解和时序卷积神经网络的综合能源系统负荷修正预测

为增强综合能源系统负荷精细化分解水平,充分利用误差信息以进一步提升预测性能,提出一种基于聚合混合模态分解和时序卷积神经网络(temporal convolutional network,TCN)的综合能源系统负荷修正预测框架。首先,采用改进完全集合经验模态分解对电、冷和热负荷初步分解处理,随后利用变分模态分解对具有强复杂性的子序列进一步分解。然后,依据最大信息系数(maximum information coefficient,MIC)分析多元负荷的耦合特性并通过多元相空间重构(multivariate phase space reconstruction,MPSR)丰富特征信息。最后,构建基于TCN的修正预测模型。以校园综合能源系统算例对比不同预测模型,结果显示所提修正预测框架的电、冷和热负荷预测均具有较低的平均绝对百分比误差,有效解决了预测中模态分解的模态混叠以及模态高频分量问题,实现预测误差修正。

混合模态综合法的动力学原理

在混合界面模态综合法中 ,子结构的节点位移被视为相对于对接界面约束节点的弹性变形和伴随约束节点的牵连运动位移之和。本文进一步从动力学的角度出发 ,阐述了它的正确性。

基于混合模态综合法的耦合分析软件开发

为实现大型复杂航天器结构的有限元动力学分析,运用Patran/MSC Nastran的二次开发语言PCL与DMAP开发基于混合模态综合法的分析软件模块.该软件模块将自编算法无缝嵌入到通用有限元软件中,计算精度和效率较高,可以为不同部门间的协同产品设计提供有效的解决方案.

基于混合模态数据融合的模型修正损伤识别方法

相较于仅使用单类测量数据,多类传感器测量数据融合应用于损伤识别能获得更好的识别结果。为充分利用加速度及应变测量数据并将其用于损伤识别,首先依据位移模态与应变模态的关系,推导了基于2种模态的混合模态计算方式,并提出了一种基于混合模态的损伤识别方法。该方法利用混合模态频率与振型构建目标函数,结合3种优化算法,即梯度算法、遗传算法和粒子群优化算法分别进行结构损伤识别。根据简支梁与二维框架2个数值算例在不同传感器数量工况下的模拟结果讨论混合模态对识别结果的改进。结果表明:方法具有很好的噪声鲁棒性,且混合模态识别效果较传统方法有明显提高。

混合模态人体个性化组织介电特性电磁模型的建立与应用研究

探究混合模态人体个性化组织介电特性电磁模型的建立,为分析计算电磁场在组织内的分布提供必要的负载模型。本文使用计算机断层扫描(CT)图像和磁共振(MR)图像两种模态建立了混合模态的人体盆腔个性化电磁模型"fusion",同时也单独使用CT图像建立了单一模态的人体盆腔个性化电磁模型"single"。通过计算机仿真对所建立的两种电磁模型进行电磁仿真分别获得其在1.5 T,3 T场强下B1场和局部能量比吸收率(Local SAR)的分布。通过单模态个性化电磁模型和混合模态个性化电磁模型的外观形态、B1场和SAR值分布的比较得出混合模态个性化电磁模型可以获得更加精细的B1场和SAR值的分布。

基于二次混合模态分解和LSTM-MFO算法的短期负荷预测

高精度短期负荷预测是配电网运行态势感知的基础。为了充分挖掘电力负荷中的复杂不确定信息,提出了一种融合二次混合模态分解和基于飞蛾扑火优化(MFO)算法的长短时记忆神经网络(LSTM)的短期负荷预测方法。首先,将集成经验模态分解(EEMD)和变分模态分解(VMD)相结合,提取负荷中相对稳定的子序列及趋势序列,以降低高频序列中无序不确定性对预测精度的影响;然后,引入基于MFO参数寻优的LSTM预测模型,进而利用LSTM-MFO算法实现对含各子序列短期负荷变化趋势的精确预测。最后,采用某实际配电网节点负荷序列,验证了所提方法的泛化能力和预测精度。

混合模态逻辑的有穷模型性研究

本文研究了混合模态逻辑的有穷模型性问题,介绍了一种基于代数证明论的有穷模型性证明新方法,并用该方法证明了混合时态逻辑K4.t和模态逻辑S5的混合逻辑具有有穷模型性。因此可推导出混合时态逻辑K4.t和模态逻辑S5是可判定的。该结果被延伸到其他常见的时态逻辑与模态逻辑的混合,时态逻辑之间的混合和模态逻辑之间的混合,并得到它们的有穷模型性证明。

混合工作模态的高功率因数无桥Buck PFC变换器

AC-DC降压型功率因数校正PFC(power factor correction)变换器广泛应用于低压场合,为解决该类拓扑因输入电流死区导致功率因数PF(power factor)低、输入电流总谐波THDi(total harmonic distortions of input current)高的问题,首先引入Buck-Boost单元以构建1种高PF的混合工作模态降压型无桥PFC变换器,其在正、负半个工频周期分别工作在Buck和Buck-Boost模式。虽然Buck-Boost单元效率低于Buck单元,但所提变换器在负半工频周期运行于Buck-Boost模式,可以避免输入电流死区以提高PF并降低THDi。在正半工频周期运行于Buck模式,变换器仍保留Buck单元的高效率优势。其次,通过分析所提无桥变换器工作模态与PF值来证明变换器的高PF特性。最后,通过仿真实验,验证所提变换器的可行性和理论分析的正确性,并比较所提变换器与传统Buck PFC变换器的性能。

基于多模态混合的机械设计一流课程建设

以学生学习为中心,以能力培养为核心,目标导向,持续改进为理念,在“互联网+教材+课程”模式下实现多模态混合式机械设计课程教学的新体系、新内容、新方法、新模式和新质量。通过成果导向教育(Outcome Based Education,OBE)方式构建面向现代机械设计和智能制造技术的人才培养新模式,从课程内容重塑、资源建设、教学方法改革、课程成绩评定等方面进行探索与实践,培养德才兼备、基础扎实、科学人文素养协调发展,掌握机械工程理论知识,具备综合应用与创新能力,具有社会责任感和国际视野的高素质创新人才。

RBCC混合燃烧模态一次火箭对燃烧稳定影响

通过RBCC三维构型的数值计算,详细研究了一次火箭流量变化对于整个燃烧流场的影响。研究表明,对于RBCC逐级扩张型燃烧室,处于混合燃烧模态时,仅依靠凹腔作为火焰稳定器很难实现整个流场有效的燃烧组织和火焰稳定;一次火箭火焰羽流可以为混合燃烧模态提供引导火焰,改变燃烧组织形式,跟凹腔配合实现二次喷注燃料与来流的充分掺混,提高流场的燃烧稳定性能,为实验研究提供了明确的方向。通过RBCC实验研究,也证明了开启小流量一次火箭能够促进整个流场的燃烧稳定,燃烧性能有很明显提高。一次火箭流量还需控制在一定流量范围内,才能既有效提高燃烧室火焰稳定和火焰传播能力,又能够保证进气道的稳定工作性能。

基于混合传热模态的瞬态热流测试方法研究

瞬态热流是电弧加热器试验高温流场需要校测的重要参数。针对高热流、强冲刷试验测试环境,根据能量守恒原则,给出了一种基于热容吸热和一维半无限体传热的混合传热模态的瞬态热流测试方法,分析了有效测试时间范围。在此基础上,设计了一种新型结构的瞬态热流传感器。结合标定试验,对研制的瞬态热流传感器进行动态响应特性检测和准度校准,并应用于电弧加热器试验环境中。结果表明:该瞬态热流传感器具有良好的动态响应性能和抗冲刷能力,可以满足电弧加热器试验环境高热流测试需求。

基于DropBlock双模态混合神经网络的无线通信调制识别

自动调制识别作为信号检测和解调的中间步骤,在无线通信系统中起着至关重要的作用。针对现有自动调制识别方法识别精度低的问题,提出了一种双模态混合神经网络(bimodal hybrid neural network,BHNN),该网络利用多个模态中包含的互补增益信息来丰富特征维度。将改进的残差网络与双向门控循环单元并行连接,构建双模态混合神经网络模型,分别提取信号的空间特征与时序特征。引入DropBlock正则化算法,有效抑制网络训练过程中过拟合、梯度消失和梯度爆炸等对识别精度的影响。以双模态数据输入,充分利用信号的空间与时序特征,通过并行连接减少网络深度,加速模型收敛,提高调制信号的识别精度。为验证模型的有效性,采用两种公开数据集对模型进行仿真实验,结果表明,BHNN在两种数据集上识别精度高、稳定性强,在高信噪比下识别精度分别可达89%和93.63%。

复合材料界面模态混合度研究

综述了消除复合材料界面裂纹应力奇异性及求解界面模态混合度的主要方法,分析讨论了各个方法的优缺点。通过分析讨论发现:模态混合度表征界面力学性能可以准确地描述界面裂纹尖端处各应变能释放率分量的振荡特性;求解与裂纹扩展长度无关的各应变能释放率分量及模态混合度是研究复合材料界面裂纹问题的难点;采用混合模态界面力学性能试验方法验证基于正则化长度等求解模态混合度方法的有效性,进而准确预测复合材料分层的发生及扩展是今后研究复合材料界面力学问题的发展方向。

改进的混合界面子结构模态综合法在失谐叶盘结构动态特性分析中的应用

在保证精度的条件下，为了提高航空发动机动态特性分析的计算效率，针对传统混合界面子结构模态综合法（Hybrid interface substructural component modal synthesis method, HISCMSM）综合后还可能存在计算量大的问题，提出一种改进的HISCMSM。该方法将综合后的模型进一步减缩，建立了叶片＋轮盘的组合结构的参数化模型，对各个子结构建立有限元模型（Finite element model, FEM）并综合求其模态和振型。与整体结构有限元法相比，计算时间缩短23.86%～35.74%，模态偏差不大于0.49%，而传统法，其计算时间缩短14.63%～29.20%，模态偏差不超过0.57%，可见，该方法计算效率比传统法有显著提高，尤其是在高价模态求解时，计算效率提高的更加明显，同时分析了谐调与失谐叶盘结构模态位移、模态应力和模态应变能的分布，发现叶盘结构失谐后其对称性被破坏，出现了局部化现象，且随着失谐幅值的增大，振动逐渐向少数叶片集中，局部化现象越来越明显，为下一步的动态响应以及概率分析奠定了基础。

土-结构体系的混合约束模态法在ANSYS中实施研究

为了使提出的线性-非线性混合约束模态综合法能在商业软件中得到应用,本文对该方法在ANSYS软件中的运用进行了研究。对ANSYS中的超单元进行了深入分析,将线性-非线性混合约束模态综合法线性部分的处理作为超单元生成的过程,并根据基于势能判据的截断模态准则,运用Matlab自编了程序,求得子结构的截取主模态数,对存在局部非线性的土-高层框架结构相互作用进行了地震反应分析;进而对采用粘弹性人工边界与自由边界状况进行了比较,讨论分析了两种土体边界对线性-非线性混合的约束模态综合法自由度缩减的影响。

复合材料界面裂纹尖端应变能释放率及模态混合度计算

为了准确预测复合材料层合板分层扩展及疲劳损伤,应用改进的虚裂纹闭合技术计算复合材料分层尖端处应变能释放率及模态混合度。首先介绍了改进的虚裂纹闭合技术,然后将其应用到重合网格法中,求得了分层尖端处总应变能释放率,并提取了各模态下的应变能释放率分量。最后利用某界面裂纹模型验证了该方法计算应变能释放率、模态混合度及提取应变能释放率分量的有效性。

复杂工况下土-结构体系的混合约束模态法

基于动态子结构法的原理,提出了线性-非线性混合约束模态综合法,对复杂工况下的二维地基土-箱型基础-上部剪力墙结构相互作用的非线性动力问题进行分析研究。复杂工况包含了一致黏弹性边界问题和基础与周边土体的高度非线性接触问题。依据土-结构相互作用体系存在局部非线性的特性,将体系划分为若干个线性和非线性子结构。在动力时程分析中对所有非线性子结构利用自编二次开发程序逐步提取等效特性矩阵,再与经势能判据截断准则减缩过的其他线性子结构组合后进行模态综合处理,推导出含有接触关系的子结构方程与含有一致黏弹性边界的子结构方程,最后形成复杂工况下含有各个子结构的模态综合方程。分析结果表明,混合约束模态综合法与ANSYS直接计算法求得的位移、速度、加速度、水平剪力、弯矩、层间位移角动态响应时程曲线吻合良好,证明线性-非线性混合约束模态综合法是求解复杂工况下的土-结构动力相互作用问题的有效可行方法。