基于分子束外延技术可控制备Bi原子团簇的研究

本研究基于分子束外延(MBE)技术在Si(111)衬底表面成功制备金属Bi原子团簇.首先,分别在100℃、125℃、150℃、175℃、200℃的生长温度下,制备了大小均一、密度不同的Bi原子团簇.实验结果表明,可以通过改变生长温度来精细控制Bi原子团簇的密度,当温度升高100℃,密度从1.05×10^(11)cm^(-2)降低至2.5×10^(7)cm^(-2),实现对团簇密度4个数量级的可控调节,并且发现Bi原子团簇密度对生长温度的依赖性符合经典成核理论.其次,分别在10 s、15 s、20 s的沉积时长下,制备了密度相同、尺寸各异的Bi原子团簇.实验结果表明,可以通过改变沉积时长来精细控制Bi原子团簇的尺寸:当沉积时长增加10 s,高度和直径分别从8.5 nm和65 nm增大到13.7 nm和100 nm,实现对团簇尺寸在10 nm高度、80 nm直径范围的可控调节,并且发现Bi原子团簇尺寸对沉积时长的依赖性符合晶体生长动力学.与分子束外延制备传统的Ⅲ族(Al,Ga,In)原子团簇做对比,这些结果可以为制备Ⅴ族原子团簇提供实验参考和指导,从而促进纳米级含Bi材料的制备.

融合注意力机制和Bi-YOLO的变电站异物检测研究

由于变电站内设备悬挂异物的现象频发,为预防站内人员巡检不及时导致电力事故发生,在YOLOv5的基础上,提出融合注意力机制和Bi-YOLO的变电站异物检测研究。采用加权双向特征金字塔替代原有的特征金字塔网络,将坐标注意力模块嵌入C3结构,添加混合注意力模块,以提高变电站异物的特征提取能力和检测效率。实验结果显示,相较于YOLOv5算法,提出的检测算法多类别平均检测精度提高3.3%,mAP值达91.3%,满足实时性要求。

基于聚类的HPO-BILSTM光伏功率短期预测

考虑到光伏发电功率在不同天气类型下的波动性和不确定性,对此提出一种基于模糊C均值聚类算法(FCM)和猎食者优化算法(HPO)优化双向长短期记忆网络(BILSTM)的光伏发电短期功率预测模型。首先对光伏发电数据进行处理和分析,再进行主成分分析(PCA)降维和FCM聚类算法将数据按天气类型分为阴、晴、雨;最后通过HPO筛选得出BILSTM神经网络的最佳超参数,避免因超参数设置不佳对实验带来的影响,进一步提高实验的准确性和模型的泛化能力。最后通过预测和对比实验进行分析,验证所提方法的优越性。

基于CNN-BiGRU-Attention的短期电力负荷预测

针对目前电力负荷数据随机性强,影响因素复杂,传统单一预测模型精度低的问题,结合卷积神经网络(Convolutional neural network,CNN)、双向门控循环单元(Bi-directional gated recurrent unit,BiGRU)以及注意力机制(Attention)在短期电力负荷预测上的不同优点,提出一种基于CNN-BiGRU-Attention的混合预测模型。该方法首先通过CNN对历史负荷和气象数据进行初步特征提取,然后利用BiGRU进一步挖掘特征数据间时序关联,再引入注意力机制,对BiGRU输出状态给与不同权重,强化关键特征,最后完成负荷预测。试验结果表明,该模型的平均绝对百分比误差(Mean absolute percentage error,MAPE)、均方根误差(Root mean square error,RMSE)、判定系数(R-square,R~2)分别为0.167%、0.057%、0.993,三项指标明显优于其他模型,具有更高的预测精度和稳定性,验证了模型在短期负荷预测中的优势。

铸态下Sn-Bi二元共晶焊料合金的组织特征及其力学性能

研究了四种不同Bi含量(45%、50%、55%、60%)的Sn-Bi二元共晶合金自由凝固下的组织特征和力学性能,探讨了Sn-Bi二元共晶合金的晶体生长机制以及Bi元素含量对合金显微组织的影响。结果表明:Sn-Bi二元亚共晶合金铸态下的金相组织为初生Sn固溶体相和Sn/Bi共晶层片集群构成,随着Bi含量的增加,呈树枝晶形态生长的初生Sn相数量减少,形态长大。初生Sn固溶体相内部脱溶析出大量的杆状或点状Bi相,形成杆状共晶结构;Sn-Bi二元过共晶合金铸态下的金相组织为初生Bi相和Sn/Bi共晶层片集群构成,初生Bi相中基本不固溶Sn元素,呈小平面方式生长,并在在初生Bi相周围包裹生长一层Sn晕圈相。在室温下,Sn-Bi二元共晶合金的硬度和强度随着Bi含量的增加而上升,延伸率随着Bi含量的增加先上升后下降。

Mg-Bi系合金的研究进展

合金元素Bi的价格较低,在镁中有较高的固溶度,随着温度降低,其固溶度减小,析出Mg_(3)Bi_(2)相,提高了镁的力学性能,因此Mg-Bi系合金具有良好的固溶和时效硬化潜力。在Mg-Bi系合金中加入Sn、Mn、Al、Ca、Zn等元素,改善合金组织,能够进一步提高合金的力学性能及耐腐蚀性。文中介绍了国内外学者对Mg-Bi系合金的研究进展,在总结Mg-Bi二元合金研究成果基础上,系统的概述了Mg-Bi-Sn系、Mg-Bi-Mn系、Mg-Bi-Al系、Mg-Bi-Ca系、Mg-Bi-Zn系等合金的组织和性能,综述了合金化对合金第二相、晶粒尺寸、织构、动态再结晶的影响,阐述了合金元素种类、添加量及热加工参数与合金力学性能的关系。总结了Mg-Bi系合金研究中存在的问题,并对今后的研究工作进行了展望。

基于Bo-BiLSTM网络的IGBT老化失效预测方法

针对绝缘栅双极型晶体管(IGBT)受热应力冲击后对其进行老化失效预测精度不高的情况,提出一种基于贝叶斯优化(Bo)-双向长短期记忆(BiLSTM)网络的IGBT老化失效预测方法。首先分析IGBT模块老化失效原理,然后基于NASA老化实验数据集建立失效特征数据库,最后利用Matlab软件构造Bo-BiLSTM网络预测失效特征参数数据。选取常用回归预测性能评估指标将长短期记忆(LSTM)网络模型、BiLSTM网络模型与Bo-BiLSTM网络模型的预测结果进行对比分析。结果表明,Bo-BiLSTM网络的模型拟合精度更高,基于Bo-BiLSTM网络的IGBT老化失效预测方法具有较好的预测效果,能够应用于IGBT的失效预测。

基于改进INFO-Bi-LSTM模型的SO_(2)排放质量浓度预测

针对火电机组SO_(2)排放质量浓度的影响因素众多,难以准确预测的问题,提出一种改进向量加权平均(weighted mean of vectors,INFO)算法与双向长短期记忆(bi-directional long short term memory,Bi-LSTM)神经网络相结合的预测模型(改进INFO-Bi-LSTM模型)。采用Circle混沌映射和反向学习产生高质量初始化种群,引入自适应t分布提升INFO算法跳出局部最优解和全局搜索的能力。选取改进INFO-Bi-LSTM模型和多种预测模型对炉内外联合脱硫过程中4种典型工况下的SO_(2)排放质量浓度进行预测,将预测结果进行验证对比。结果表明:改进INFO算法的寻优能力得到提升,并且改进INFO-Bi-LSTM模型精度更高,更加适用于SO_(2)排放质量浓度的预测,可为变工况下的脱硫控制提供控制理论支撑。

Bi-SnO_(2)电催化膜的制备及对饮用水中卡马西平的强化去除

以家用净水器活性炭滤芯为支撑体(Carbon membrane,CM),通过电沉积法制备Bi-SnO_(2)电催化膜(Bi-SnO_(2)/CM),通过电催化强化降解饮用水中的PPCPs.采用SEM、EDS、XRD分别对CM、SnO_(2)/CM和Bi-SnO_(2)/CM进行了结构表征,并利用Tafel、CV、EIS方法对3种膜的析氧电势、比电容和电化学阻抗等电化学特性进行表征,并选取卡马西平(Carbamazepine,CBZ)作为PPCPs代表物进行电催化效能试验研究.结果表明:采用电沉积-水热方法制备的Bi-SnO_(2)纳米颗粒的粒径尺寸约为27.2nm,可以很好地负载到活性炭滤芯表面,并制备出电化学性能优异的电催化膜,相比基膜其Tafel斜率由31.09mV/dec增至80.22mV/dec,电化学阻抗由1.03Ωcm^(2)降低为0.37Ωcm^(2),比电容也由0.689F/g增至2.635F/g.最终通过实验验证了其对卡马西平的降解效果,在静态循环实验中,Bi-SnO_(2)/CM对CBZ的去除率30min可达到97.3%,在运行1h后矿化率为59.2%,耗能为123.87kW·h/kgTOC,ΔTMP为0.177kPa.在连续运行时,Bi-SnO_(2)/CM对CBZ的去除率达93.7%,在运行1h后矿化率为35.2%,耗能为208.33kW·h/kgTOC,ΔTMP为0.613kPa.说明Bi-SnO_(2)/CM电催化膜具有良好的导电性、电催化活性和稳定性,同时对CBZ具有较好的去除效果.

基于双流CNN-BiLSTM的毫米波雷达人体动作识别方法

目前基于雷达的人体动作识别方法,大多是先对人体动作的回波信号进行多维快速傅里叶变换(FFT)得到距离、多普勒和角度等信息,构造各种数据谱图后再输入到神经网络中进行分类识别,数据预处理过程较为复杂。提出了一种双流卷积神经网络(CNN)与双向长短时记忆网络(BiLSTM)串联的毫米波雷达人体动作识别方法。首先对原始的雷达回波信号复数采样数据(I/Q)进行帧差处理,以消除静态干扰,并将其转换为幅度/相位(A/P)的数据格式;然后将帧差后的I/Q和A/P数据分别输入单流的CNN-BiLSTM网络,提取人体动作的空间和时间特征,最后进行双流网络的融合以增强特征的交互性,提高识别准确率。实验结果表明,该方法数据预处理简单,并充分利用了动作数据的帧间相关性,模型收敛快,识别准确率可以达到99%,是一种快速有效的人体动作识别方法。

模具角度对核聚变用Bi-2212线材加工的影响

【目的】随着稳态强磁场的快速发展,对超导磁体的性能及均匀性要求越来越严苛,导致目前生产的Bi_(2)Sr_(2)CaCu_(2)O_(x)(Bi-2212)高温超导线材的综合性能无法满足应用要求。为提升Bi-2212线材的性能及均匀性,实现综合性能更优异的超导线材制备,多芯线材的均匀加工技术至关重要。模具角度(简称“模角”)是线材的重要参数,为此,研究了不同模角对线材加工的影响。【方法】采用粉末装管法制备了多根Bi-2212线材,并使用半模角分别为3°、7°和14°的合金拉丝模具对这些线材进行加工。在实验过程中,对线材的微观结构、粉末硬度及超导物理性能进行了系统研究。【结果】采用较小模角加工的线材表现出更高的载流性能,特别是半模角为3°的样品,其载流性能是半模角为14°样品的1.56倍。大模角加工的线材出现芯丝断裂和银层破裂现象,导致性能下降,而小模角线材则能保持结构完整性。此外,模角的选择对线材的Ag/超导材料界面光滑度有显著影响,小模角线材的界面光滑度更优,进一步影响了超导芯丝的织构和线材的载流性能。【结论】较小的半模角有助于保持多芯Bi-2212线材芯丝的结构完整性,并通过改善织构来提高线材的载流性能。研究结果为制备高性能Bi-2212线材提供了工艺指导。

基于Inception-BiLSTM和迁移学习的结构损伤识别

针对传统卷积神经网络(convolutional neural network,CNN)方法在时空特征提取存在不足,提出了一种改进的Inception与双向长短期记忆(bi-directional long short-term memory,BiLSTM)联合模型,以全面学习振动信号中的空间和时序信息。首先,构建具有多尺度感受野的Inception模块,自适应地提取不同尺度下的空间特征;其次,BiLSTM序列化处理时间特征,以深度挖掘时间相关性;最后,通过全局平均池化和Softmax分类器来实现钢框架结构的损伤识别。为评估该模型对噪声的鲁棒性,引入高斯白噪声作为干扰。此外,采用迁移学习策略来评估模型在不同强度激励和小样本下的泛化能力,确保适用于不同的损伤识别任务。结果表明,与传统的CNN方法相比,该模型在无噪声条件下及信噪比超过25 dB时保持了100%的识别精度。该方法解决了土木工程应用中样本量不足和不同强度激励的实际挑战。通过微调预训练模型的参数,实现了在不同强度激励和小样本情况下的知识迁移与泛化,从而增强了模型的实际适用性。

乳腺超声BI-RADS 4类在乳腺癌患者良恶性鉴别中的应用

目的:探讨乳腺超声BI-RADS 4类在乳腺癌患者良恶性鉴别中的应用价值。方法:回顾性分析2023年1月—10月在盐城市妇幼保健院治疗的50例乳腺影像报告和数据系统(BI-RADS)4类乳腺结节患者的临床资料,均实施乳腺超声检查,以病理检查结果为金标准,分析乳腺超声对乳腺结节良恶性的诊断效能,对比良恶性结节的超声征象。结果:病理结果显示,恶性14例,良性36例;乳腺超声检查显示,恶性15例,良性35例,乳腺超声检查的灵敏度为85.71%、特异度为91.67%、准确率为90.00%,Kappa值=0.849,与病理检查结果一致性良好;恶性结节与良性结节在年龄、单发或多发、内部回声、后方回声方面差异无统计学意义(P>0.05),但恶性结节直径大于良性结节,且形态、边缘、高回声声晕、微钙化、汇聚征、弹性评分、血流分布等与良性结节相比差异有统计学意义(P<0.05)。结论:乳腺超声BI-RADS 4类在乳腺良恶性鉴别中的应用效果显著,良恶性病灶具有不同的超声影像特征,能提高对乳腺癌的诊断效能。

合成MRI联合弥散加权成像及DCE-MRI在鉴别乳腺BI-RADS 4类肿块良恶性的价值分析

目的:探讨合成磁共振成像(syMRI)联合弥散加权成像(DWI)、动态对比增强磁共振成像(DCE-MRI)在鉴别乳腺成像报告和数据系统(BI-RADS)4类肿块良恶性的价值。方法:回顾性分析2022年1月—2024年1月本院80例患者98个BI-RADS 4类肿块病变的syMRI、DWI和DCE-MRI图像,所有患者均经穿刺活检或手术获得病理结果(51个恶性病变,47个良性病变),测量表观扩散系数(ADC)、弛豫时间值(T_(1)、T_(2))和质子密度值(PD),采用logistic回归建立弛豫定量模型、基于DE-MRI的BI-RADS模型,基于弛豫定量参数联合ADC以及BI-RADS建立联合诊断模型,受试者工作特性(ROC)曲线下面积(AUC)评估各模型诊断效能。结果:logistic回归显示ΔT_(1)%(OR=1.512)、T_(2)(OR=6.907)可构建弛豫定量模型,时间—信号强度曲线类型(TIC)(OR=2.464)可构建BI-RADS模型,ΔT_(1)%、T_(2)、ADC、TIC构建联合诊断模型,联合诊断模型诊断AUC为0.874,显著高于弛豫定量模型0.768和BI-RADS模型0.644,差异均具有统计学意义(P<0.05)。结论:syMRI联合DWI定量参数和DCE-MRI可以提高BI-RADS 4类肿块的诊断效能,是区分乳腺BI-RADS 4类结节良、恶性的一种很有前途的诊断方法。

基于BO-BiGRU-Attention短期电力负荷预测

电力系统的可靠供应对于工业、商业和居民的生活至关重要。为了满足电力需求并维持电力系统的稳定运行,提高短期电力负荷预测的准确性和可靠性尤为关键;针对负荷数据存在复杂的非线性特性,该文提出一种基于贝叶斯优化算法的双向门控循环单元和注意力机制(BO-BiGRU-Attention)的混合预测模型对短期电力负荷进行精准预测。首先,使用Min-Max Normalization方法对负荷数据进行归一化处理。其次,利用BiGRU网络捕获序列中的长期依赖关系和上下文信息,结合注意力机制,通过在输入序列的不同部分给予不同的权重,从而突出关键特征。最后,针对BiGRU-Attention模型的超参数难以选取最优解的问题,引入贝叶斯优化算法对BiGRU-Attention模型的超参数进行寻优,完成短期电力负荷的预测。采用印度北部某地区的电力负荷数据进行预测分析,仿真结果表明,BO-BiGRU-Attention网络表现优于其他模型,各误差评价指标最小,其中MAE、RMSE和MAPE分别为56.67,73.49和1.16%,预测精度达到了99.47%。

融合改进Bi-RRT和DWA算法的无人机动态路径规划

为解决无人机在复杂环境中的避障问题,提出一种融合改进Bi-RRT和DWA的无人机动态路径规划算法。通过设置启发式函数、动态步长和安全距离改进Bi-RRT算法,提升全局路径的搜索效率和安全性;之后,修剪路径中的冗余路段并对修剪后的路径进行插值与平滑操作获得全局最优路径;对DWA修正障碍物距离评价函数并引入目标点距离评价函数,提升局部预测轨迹评分的准确性;然后,实时输出速度指令控制无人机跟踪全局最优路径并实现局部动态避障。仿真实验表明,改进Bi-RRT算法生成的路径更短更平滑、安全性更高且规划时间更少;在同时存在动、静态障碍物的复杂环境中,所提融合算法能控制无人机精准地跟踪全局最优路径并高效地完成局部动态避障。

基于Bi-LSTM网络的时变综合负荷模型参数辨识

考虑到实际电网负荷的组成会随着系统运行方式、环境状况等因素发生变化,以及各类分布式电源的接入,负荷模型中增加了具有各种时变特性的负荷分量,对其进行参数辨识的难度日益加大。这里提出了一种基于深度学习的时变参数辨识模型,用于综合负荷模型时变参数的辨识。采用两个并行的双向长短期记忆(Bi-LSTM)网络,利用时变参数以及有功、无功功率和正序电压的时序特性,综合考虑它们对时变参数的影响,并在系统测量范围的情况下,辨识综合负荷模型的所有时变参数。

基于特征分解与Bi-LSTM-Attention模型的风向预测

为便于精准控制风电机组的偏航角度、充分利用风能提高机组发电量,提出一种基于历史数据深度学习的风向超短期预测方法。首先利用变分模态分解将风向数据分解成多个子序列,考虑分解后的残差分量仍保留大量信号特征,进一步采用自适应噪声完备集合经验模态分解方法对残差分量进行二次分解。在此基础上,结合风速、环境温度等特征,利用具有注意力机制的双向长短期记忆网络对风向进行超短期预测。采用河北某风电场SCADA真实数据,对风向进行5min的超短期预测实验,并与其他方法进行对比,结果表明所提方法具有更好的风向预测效果。

老年腹部手术患者BIS监测下异丙酚闭环与开环靶控输注模式的麻醉效果比较

目的探讨脑电双频指数(BIS)监测下异丙酚闭环与开环靶控输注在老年腹部手术患者中的麻醉效果。方法将76例老年腹部手术患者按照随机数字表法分为对照组38例[采用异丙酚开环靶控输注(OLTCI)]和研究组38例[采用异丙酚闭环靶控输注(CLTCI)]。比较两组患者的麻醉效果、麻醉药物使用情况、不同时间阶段血流动力学指标以及手术相关指标。结果在麻醉诱导阶段和麻醉维持阶段,研究组患者麻醉满意时间占比高于对照组,麻醉过深时间占比低于对照组,且麻醉维持阶段的麻醉过浅时间占比低于对照组(P<0.05或0.01)。研究组患者异丙酚诱导总量少于对照组,每小时泵调整次数多于对照组(P<0.01)。两组患者意识消失、插管即刻、插管后1 min时的心率(HR)均慢于麻醉诱导前,但研究组患者意识消失、插管即刻、插管后1 min时的HR均快于对照组(P<0.05或0.01)。研究组患者诱导阶段各时期的平均动脉压(MAP)水平无明显变化(P>0.05)。对照组患者意识消失、插管即刻、插管后1 min时的MAP水平均低于麻醉诱导前,且插管即刻、插管后1 min时的MAP水平低于研究组(P<0.05或0.01)。两组患者手术时间、麻醉时间、拔管时间、苏醒时间以及恶心、呕吐发生率等手术相关指标比较,差异无统计学意义(P>0.05)。结论对老年腹部手术患者行BIS监测下异丙酚CLTCI时,可按照BIS的数值及时调整异丙酚用量,避免了血流动力学指标的大幅度波动,可减少麻醉药物的用量,值得临床大力推广。

基于DKF-Bi-LSTM的阀控式铅酸电池SOC在线估计方法

精准估计阀控式铅酸蓄电池的荷电状态(SOC)对变电站直流系统的可靠性和安全性有着重要的作用,为提高SOC估算精度,提出一种基于DKF-Bi-LSTM的铅酸蓄电池SOC在线估计方法,基于二级结构的双卡尔曼滤波算法,分别进行模型估计和状态估计。通过卡尔曼滤波算法对模型参数进行动态跟踪,进而基于扩展卡尔曼滤波算法在线估算电池SOC值。将在线估算结果、电流、电压、温度值作为Bi-LSTM神经网络的输入,电池SOC预测值作为网络输出,实现对电池SOC的在线估计。经测试发现,与DKF和Bi-LSTM算法相比,DKF-Bi-LSTM算法的SOC预测均方根误差更小,其SOC在线估计方法具有更高的准确性。