驱动板倾角对负压反馈喷头水力性能影响试验研究

为了探究射流脉冲喷头驱动板不同倾角及其对喷头水力性能的影响并找出水力性能最优驱动板倾角,采用正交试验法设计了6种不同倾角α(7°,10°,13°,16°,19°,22°)的驱动板,与副喷嘴整体加工实物,分别进行了在不同进口压力下的水力性能试验.试验采用多因素分析法,将喷头射程、喷灌均匀度、喷灌强度作为评价指标,对6组驱动板的试验结果进行分析.结果表明:在0.15~0.30 MPa的进口压力下,喷头射程(13.0~15.0 m)、进口流量(1.27~1.77 m^(3)/h)、喷灌强度(2.38~2.51 mm/h)与驱动板倾角无关.随着驱动板倾角增大,副喷嘴喷洒水量向近处集中,喷灌均匀系数呈先增加后减小的趋势;当α为16°时,喷灌均匀系数最大,喷头的水力性能最优.

基于多波长无创血红蛋白检测系统研究

目的研究开发一种便携式无创血红蛋白检测系统,实现人体总血红蛋白浓度的连续、实时监测。方法系统采用8个波长发光二极管(LED)作为光电容积脉搏波描记法(PPG)信号光源,联合约束独立成分分析和自适应滤波新方法消除PPG源信号的运动伪迹,应用主成分分析(PCA)和后向反馈人工神经网络(BP-ANN)相结合的新方法对PPG信号特征进行提取并利用十折交叉验证方法建立血红蛋白浓度的预测模型,无创系统样机和传统有创血液分析仪同步检测106例志愿者血红蛋白浓度。结果无创检测结果(SpHb_BP)和传统有创检测结果(Lab_tHb)的均方根误差为1.02g/dL,相关系数为0.73(P<0.001);Bland-Altman图显示SpHb_BP与Lab_tHb平均偏倚绝对值为0.05g/dL,99.1%(105/106)的点在95%一致性界限内。结论基于8波长PPG信号实现了无创血红蛋白检测系统研制,系统与临床有创血红蛋白浓度检测结果具有较好的一致性。

基于两段喷射策略的柴油喷雾燃烧特性研究

基于单缸二冲程光学发动机,开展了相同热力学条件下正十二烷在不同喷射策略下的油气混合及燃烧过程的可视化研究。采用高速纹影成像观测喷雾几何形状的瞬态变化并测量火焰浮起长度,通过气缸压力曲线来计算放热率以研究整个燃烧过程。燃油两段喷射策略的不同点主要在于不同的喷油间隔及初次喷油量。试验结果表明,喷油间隔和初次喷油量对第二次着火延迟期和火焰浮起长度没有明显影响,但火焰浮起长度对喷油间隔相较着火延迟期更敏感;整个喷射过程的总燃烧效率不会随喷油间隔或初次喷油持续期的变化而变化,但第二次喷射的燃烧效率总是高于初次燃油喷射的燃烧效率。

基于图像超分辨率的多尺度特征交互传播研究

该文构建了一种可对不同形式的多尺度结构进行归纳的统一框架,并基于该框架系统地探究了多尺度卷积的两个因素——特征传播和跨尺度交互,提出了简单而有效的多尺度卷积单元——多尺度-跨尺度-权重共享的卷积(MS;-Conv)网络。实验结果表明,与基于标准卷积的网络相比,基于MS;-Conv的网络可使用较少的参数和较低的计算成本实现更好的图像重建性能。除了定量分析,该文也对重建图像进行可视化分析,证明了MS;-Conv网络能更好地恢复高频细节。

基于改进粒子群优化BP神经网络的火灾预警方法

针对传统仓库火灾预警系统易受外界环境因素干扰,误报漏报率高的问题,采用一种基于改进粒子群优化BP神经网络的火灾预警方法,增强仓库消防系统的安全性和智能性,为传统检测系统增加一层保险。在标准粒子群优化BP神经网络的基础上,引入Tent映射,选取新的权重更新函数,改进粒子群随机搜索能力,加速神经网络收敛,输出期望结果。由Matlab软件仿真实验结果分析可知,改进后的方法相较于标准粒子群优化方法,收敛速度和准确率均显著提升,证明了该方法的优越性。

基于PPG的腕式血氧饱和度监测仪研制

研制一种无创、连续、实时测量的腕式血氧饱和度监测仪,基于光电容积脉搏波(PPG)原理采用AFE4400血氧模拟前端和MSP430主控制器进行血氧、脉率源数据采集和处理,并应用血氧测量算法和脉率测量算法分别计算出血氧和脉率值,样机与FLUKE Prosim8P标准器分别同步进行31例血氧和151例脉率测量实验。血氧测量值Lab_tSpO 2和标准器血氧值Std_tSpO 2的均方根误差为0.85%,相关系数为0.995(P<0.001);脉率测量值Lab_tPR和标准器脉率值Std_tPR的均方根误差为0.289bpm,相关系数为0.999(P<0.001)。实验表明:本样机与标准器血氧、脉率测量结果具有较好的一致性。

人工智能在煤矿机器人中的应用

随着人工智能技术的迅速发展,其在煤矿的应用也越来越广泛。在煤矿生产过程中,机器人换人需求的迫切性加快了煤矿机器人的产业化应用,也加速了人工智能技术在煤矿机器人中的应用。对人工智能技术在煤矿机器人中的应用进行了分析探究,介绍了人工智能技术的主要研究内容及其在工业中的应用,分析了人工智能在煤矿生产中的应用现状,阐述了将人工智能技术有效地应用于煤矿机器人的构想,并对人工智能在煤矿机器人中发展前景进行了展望。

基于脑电信号的癫痫发作预测研究进展

癫痫作为一种神经系统常见疾病,具有发病率高、突发性和反复性的特点。及时预测癫痫发作并进行干预治疗,可以显著减少患者的意外伤害。当前,基于脑电信号的癫痫发作预测正成为癫痫研究的热点,虽然相关研究取得很多进展,但距临床应用仍有一定距离。本文就该领域的研究进行综述,阐述了其发展历程及关键技术,着重介绍和分析基于机器学习和深度学习进行癫痫发作预测的研究进展。传统机器学习方法面临特征选取和浅层模型泛化能力弱等制约,采用深度学习进行癫痫预测逐渐成为当前发展趋势,需要开展更加深入的探索,以促进癫痫发作预测技术的临床应用。