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。

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。

放电等离子体烧结BaTiO_(3-x)Bi(Ni_(0.5)Zr_(0.5))O_(3)陶瓷的介电和阻抗性能

采用传统固相反应法合成BaTiO_(3-x)Bi(Ni_(0.5)Zr_(0.5))O_(3)粉体和放电等离子体烧结技术制备BaTiO_(3-x)Bi(Ni_(0.5)Zr_(0.5))O_(3)陶瓷,研究陶瓷的晶体结构、微观形貌、介电和阻抗性能。结果表明:BaTiO_(3)-0.10Bi(Ni_(0.5)Zr_(0.5))O_(3)陶瓷具有钙钛矿型,晶体结构为赝立方相,晶粒尺寸约为0.64μm,密度为5.81 g/cm^(3),最大介电常数为7149,且随频率升高相变温度向高温移动。在1 kHz下,BaTiO_(3)-0.10Bi(Ni_(0.5)Zr_(0.5))O_(3)陶瓷的ln(1/ε-1/ε_(m))与ln(T-T_(m))的拟合曲线斜率为1.61,在-41~169℃内,Δε/ε_(25℃)≤±15%,表明样品有良好的温度稳定性。此外,随温度和频率的升高,材料的阻抗降低,在50℃下,当频率为100 Hz时,电阻为2.33×10~6Ω,离子电导率为10^(-8)S/cm。

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。

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。

基于MRSDAE-KPCA结合Bi-LST的滚动轴承剩余使用寿命预测

针对现有滚动轴承剩余使用寿命预测方法在提取数据特征时没有充分考虑数据的内部分布,且在构建健康因子时还需要专家经验进行人工提取等问题,提出一种基于流形正则化堆栈去噪自编码器、核主成分分析并结合双向长短时记忆网络的滚动轴承剩余使用寿命预测方法。首先采用无监督的堆栈去噪自编码器网络对原始振动数据进行深层特征提取,并使用核主成分分析法进一步降维,以提高健康因子的指标稳定性;然后在堆栈去噪自编码器中加入流形正则化,最大程度保留编码器隐藏层内部的数据分布结构,提高模型提取数据特征的有效性。最后使用双向长短时记忆网络预测轴承的剩余使用寿命,并采用AdaMax优化算法对网络模型的超参数进行自适应寻优。分析结果表明,提出的滚动轴承剩余使用寿命预测方法具有更高的精度。

基于TCN-BiLSTM网络的电力电缆故障诊断

为了提升电力电缆故障诊断技术的准确率,解决传统电力电缆诊断过程中操作复杂、可靠性低和精准度不够等问题,提出了一种基于TCN和BiLSTM的电力电缆故障诊断方法。该方法的核心是使用Matlab/Simulink搭建三相电缆的仿真模型,按照电缆的实际参数设置模型,然后提取出电缆的四种短路故障:单相接地短路、双相接地短路、双相相间短路以及三相短路的电压信号。构建电缆故障样本集,搭建TCN和BiLSTM网络对电缆故障信号进行特征提取和序列捕捉,通过与TCN网络和CNN-BiLSTM网络进行实验对比,以及对从淮南某煤矿采集到的数据进行验证,证明该方法对电缆故障诊断具有良好的性能。

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。

基于EMD-PSO-Bi LSTM组合模型的短期风电功率预测

风电功率预测对风电并网的稳定运行具有重要意义。为了解决风电功率预测中的精度和模型稳定性问题,引入了EMD-PSO-BiLSTM模型。通过经验模态分解技术将原始风电功率序列分解为一系列固有模态函数,以有效捕捉数据中的多尺度特征,并为每个模态序列建立了各自的预测模型。鉴于双向长短时记忆神经网络良好的泛化能力,建立了基于BiLSTM的各模态预测模型。进一步采用粒子群算法优化了BiLSTM参数,解决了模型非线性、高维、多模态等问题,获得了各模态分量的最优模型,并通过汇总各模态分量的结果得到了风电功率预测值。最后,以湖南省某风电场的实际运行数据为例,验证了EMD-PSO-BiLSTM模型可以有效提高风电功率短期预测精度。

挤压态Mg-0.5Bi-0.5Sn-0.5Ag合金的热变形行为、组织和织构演变

本文成功制备了一种新型挤压态低合金化Mg-0.5Bi-0.5Sn-0.5Ag合金(BTQ000合金)。在变形温度为400℃、应变速率为10 s^(-1)的条件下,对BTQ000合金进行热压缩实验,研究了该合金在不同应变阶段的变形机制组织和织构演变。结果表明:BTQ000合金的流变应力曲线可分为加工硬化、动态回复、稳态流变和额外应变硬化四个阶段。合金发生了明显的回复和动态再结晶,随着应变的增大,平均晶粒粒径先增大后减小,孪晶的面积分数逐渐减小,亚晶的面积分数先增后减。当应变为0.1时,亚晶的最大面积分数为76.2%,亚晶对织构类型和强度起着主导作用,而织构强度则表现出先减后增的趋势。当应变为0.4时,大量具有弥散取向的动态再结晶晶粒减少了织构的峰值强度。由此可见,亚晶和动态再结晶是影响合金织构类型和强度的主导因素。

Ca_(2)MgTeO_(6)∶Bi^(3+),Mn^(4+)材料的发光性能和温度探测

通过高温固相法成功制备了一系列Ca_(2)MgTeO_(6)∶Bi^(3+),Mn^(4+)荧光粉,对其微观结构、形貌、发光特性和温敏特性进行了表征。Ca_(2)MgTeO_(6)∶Bi^(3+),Mn^(4+)荧光粉具有不同温度敏感性的双发射中心,分别来自于Bi^(3+)离子^(3)P_(1)→^(1)S_(0)跃迁和Mn^(4+)离子的^(2)E_(g)→^(4)A_(2g)跃迁。由于Bi^(3+)、Mn^(4+)离子的发光强度随温度变化的规律不同,利用该特性进行测温研究,在200~500 K范围内,该荧光粉的最大绝对灵敏度和相对灵敏度分别达到0.027 K^(-1)和1.83%·K^(-1),并且观察到荧光粉的发光颜色由橙黄色逐渐变为紫红色。实验结果表明,Ca_(2)MgTeO_(6)∶Bi^(3+),Mn^(4+)荧光粉作为光学测温材料在温度探测方面有一定的潜力。

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ICEEMDAN模糊熵与Bi-LSTM的工业设备健康状态预测

工业设备健康状态关系着工业生产能否正常进行,为此提出一种基于改进自适应噪声完备经验模态分解(ICEEMDAN)和双向长短期记忆网络(Bi-LSTM)的工业设备健康状态预测方法。ICEEMDAN用于将原始音频信号进行分解得到若干个固有模态函数(IMF)分量,通过计算相关系数选取最佳分量组进行信号重构,然后计算重构IMF分量的模糊熵值构造特征向量集合,最后再输入到Bi-LSTM网络进行模型训练和预测。实验结果表明:相较于其他模型,基于ICEEMDAN模糊熵和Bi-LSTM的工业设备健康状态预测方法,能够有效提取音频信号特征,并准确进行健康状态预测。

温度梯度下Cu/Sn-58Bi/Cu微焊点热迁移及界面反应行为

探究了焊点平均温度为110℃(时效)及180℃(回流)时,Cu/Sn-58Bi/Cu微焊点在温度梯度作用下的原子热迁移行为及界面反应行为.结果表明,在时效过程中,因Bi相的网状结构,Cu/Sn-58Bi/Cu微焊点冷、热两端界面金属间化合物(intermetallic compound,IMC)呈现对称性生长.在温度梯度为1000℃/cm时,未发生明显的Bi原子迁移现象,但当温度梯度达到或超过1300℃/cm时,Bi原子会由热端向冷端界面迁移,并在冷端界面处偏聚.在回流过程中,温度梯度驱动Cu原子由微焊点热端向冷端界面迁移,导致两端界面IMC呈非对称性生长,而并未发现Bi原子的热迁移行为.因此,当Cu/Sn-58Bi/Cu微焊点中钎料呈液态时,温度梯度仅驱动了Cu原子的热迁移,并未致使Bi原子发生热迁移;当钎料呈固态时,在较低温度梯度下Cu和Bi原子均不发生明显的热迁移,但较高的温度梯度会引发Bi原子的热迁移.

Sb^(3+)/Bi^(3+)掺杂对Cs_(3)DyCl_(6)钙钛矿光学性能的影响

A_(2)B′BCl_(6)双钙钛矿因其极强的空气稳定性、出色的光学性能而被应用于发光材料。以Cs^(+)作为A^(+)、Dy^(3+)替代Pb^(2+)、Cl^(-)作为卤素合成新的镝基钙钛矿纳米晶体Cs_(3)DyCl_(6),以Sb^(3+)/Bi^(3+)作为激发剂掺杂,成功制备了非铅钙钛矿材料,研究了Sb^(3+)/Bi^(3+)掺杂对钙钛矿发光特性的影响。结果表明:Cs_(3)DyCl_(6)是一种具有高效激发和宽带发射特性的基质,在不添加任何激发剂的情况下就能够发出蓝绿光。在Sb^(3+)掺杂下,材料的发光向黄光方向移动,随着Sb^(3+)掺杂浓度的继续提高,发光强度开始下降,最佳掺杂比例为5%;Bi^(3+)掺杂时的Cs_(3)DyCl_(6)光学性能与Sb^(3+)掺杂下非常相似,当Bi^(3+)掺杂比例为1%时,发光强度达到最大值,Sb^(3+)/Bi^(3+)掺杂能够有效地改善Cs_(3)DyCl_(6)的光学性能。

基于1DCNN-BiLSTM的端到端滚动轴承故障诊断方法

针对滚动轴承早期故障诊断时时频域特征选取主观性强、时序特征信息利用不足等问题,提出一种基于卷积神经网络和双向长短时记忆神经网络的滚动轴承早期故障诊断方法。采用卷积神经网络提取原始振动信号特征,并在卷积层后引入批正则化层,以消除数据的不规则性对权重优化的影响,并通过扩展首层卷积层和调整步长以提高特征提取效率。引入双向长短时记忆神经网络提升卷积神经网络对时序特征的提取能力,通过批正则化层和Dropout层增强模型的鲁棒性和减少神经元与神经元之间的依赖关系。最后,通过滚动轴承试验数据对文中方法进行验证。结果表明:与传统方法相比,文中方法不仅训练速度更快,而且故障诊断准确率也大幅提高。

碳负载Cu-Bi双金属高效电催化CO_(2)还原制备乙醇

采用清洁电能驱动CO_(2)转化为碳氢燃料及高价值的化学品是实现“碳中和”最有应用前景的方式之一。在电催化还原CO_(2)的产物中,乙醇是极具吸引力的产物。Cu基催化剂具有良好电催化还原CO_(2)至C_(2+)产物的活性,但单一的Cu基催化剂不稳定,极易容易被氧化,因而可能严重降低电化学还原的电流密度及催化剂活性。本研究采用“一锅法”合成碳负载Cu-Bi双金属催化剂(Cu_(x)Bi_(y)@C)。在0.1 mol/L KCHO_(3)溶液中,CuxBiy@C表现出良好的电催化还原CO_(2)的活性,乙醇产物的选择性接近~100%。在-0.37 V(vs. RHE)过电位下CO_(2)还原为乙醇的法拉第效率可达到76.7%,其生成速率为450.6μmol g^(-1) h^(-1),催化剂在持续10 h的电催化还原过程中保持了良好的稳定性。动力学结果表明Cu、Bi双位点协同有利于质子/电子耦合转移,因而促进C-C偶联生成乙醇。