摘要：针对规模化羊舍人工劳动强度大、作业效率低等问题,设计羊舍自主巡检机器人系统。该系统基于2D激光雷达的即时定位与建图(SLAM)技术,自主导航系统使用基于扩展卡尔曼滤波数据融合的AMCL定位算法实现机器人的定位,采用Gmapping算法构建羊舍环境地图,并采用A^(*)和DWA算法规划机器人巡检路径,最终实现舍内地图构建、系统实时定位、多目标点路径规划以及动态避障。机器人导航精度试验表明,巡检机器人横向偏差均值不超过8.3 cm,纵向偏差均值不超过7.1 cm;航向偏差的均值不超过6.1°。该系统构建的环境地图精度较高,能够实现对机器人的有效定位,并且能够以实现羊舍的循环巡航和自动躲避周边障碍物,导航精度满足羊舍自主导航需求。

摘要：材料转移是电弧侵蚀中的一个必然过程,研究材料转移机制对于优化电极的材料选择和设计,开发更耐用、更稳定的电极材料有重要意义,该文以Ce掺杂的AgCuO触头为研究对象,分析材料转移方向在不同电流下变化的机理。通过溶胶-凝胶法和粉末冶金法制备触头试样,借助JF04D电接触测试系统,在18 V电压下设置10、15、20和25 A四个电流等级,对触头进行20000次电弧侵蚀实验。首先对比了15 A电流条件下添加Ce后材料的性能提升情况,然后重点关注AgCuOCeO_(2)触头在不同电流下的燃弧能量与燃弧时间,测定侵蚀实验后阴阳极的质量变化,采用三维表面轮廓仪和扫描电镜表征阳极和阴极的表面侵蚀形貌,并对不同电流下的材料转移机制进行深入讨论分析。结果表明,Ce元素提升了触头性能,电流大小影响电极间金属离子和气体离子的浓度,引发金属相或气体相电弧的产生,导致材料转移方向在电流增大时发生改变。为选用和开发性能优良的AgCuO触头材料,进而提升AgCuO触头可靠性提供了理论依据。

摘要：基于大跨空间结构“围护+结构”合二为一的设计理念,提出张拉金属薄板空间结构体系。金属薄板具有强度高、面内刚度大的特点,但其面外刚度较弱,对于大跨空间结构,在面外荷载作用下金属薄板变形控制难度大。因此,通过对金属薄板施加面内预应力提高其面外刚度,同时将索结构与预应力金属薄板结构相结合,构成新的张拉金属薄板空间结构体系,实现围护与结构在大跨空间结构设计上的统一;进行了平面尺寸为6m×4.5m的张弦金属薄板空间结构的模型试验,研究了该结构金属薄板间的连接、预应力施加、结构成形过程、静力加载特性等,并将试验结果与数值模拟结果进行了对比,最后对采用新结构体系的工程实例进行了数值分析。结果表明:张弦金属薄板空间结构体系在成形后具有良好的力学性能,能够充分发挥围护与结构相统一的优点,在各类大跨度料场封闭工程中具有广泛的应用前景。

摘要：随着轻量级网络的发展,人体姿态估计任务得以在计算资源有限的设备上执行,然而,提升精度变得更具有挑战性。这些挑战主要源于网络复杂度与计算资源的矛盾,导致模型在简化时牺牲了表示能力。针对上述问题,提出一种基于解耦注意力和幻影卷积的轻量级人体姿态估计网络(DGLNet)。具体来说,DGLNet以小型高分辨率网络(Small HRNet)模型为基础架构,通过引入解耦注意力机制构建DFDbottleneck模块;采用shuffleblock的结构对基础模块进行重新设计,即用轻量级幻影卷积替代计算量大的点卷积,并利用解耦注意力机制增强模块性能,从而构建DGBblock模块;此外,用幻影卷积和解耦注意力重新构建的深度可分离卷积模块来替代原过渡层模块,从而构建GSCtransition模块,进一步减少计算量并增强特征交互性和提高性能。在COCO验证集上的实验结果显示,DGLNet优于轻量级高分辨率网络(Lite-HRNet),在计算量和参数量不增加的情况下,最高精度达到了71.9%;与常见的轻量级姿态估计网络MobileNetV2和ShuffleNetV2相比,DGLNet在仅使用21.2%和25.0%的计算量情况下分别实现了4.6和8.3个百分点的精度提升;在AP^(50)的评价标准上,DGLNet超过了大型高分辨率网络(HRNet)的同时计算量和参数量远小于HRNet。

摘要：自首例多重共振热激活延迟荧光(Multiple resonance thermal activation delayed fluorescence,MR-TADF)分子报道至今,其表现出的窄带发射、高发光量子效率等特性在有机电子学,尤其是有机发光二极管(Organic light-emitting diode,OLED)等领域引发了持续的研究热度,迅速成为重点研究对象,并涌现出了众多性能出色的分子和高性能器件。以MR-TADF分子为发光层的器件不断刷新人们对OLED的认知,其中一些采用了超荧光技术所制备的器件性能代表了当今某些光色领域OLED性能的最高值。随着人们对超高分辨率显示器需求的与日俱增,国际电信联盟(ITU)宣布了下一代色域标准,即BT.2020。此标准建立了最宽的显示色域标准,要求单色的原色波长为467、532和630 nm,这个色域非常宽。同时,在如此之宽的色域上实现高分辨率的显示,对器件基元色纯度的要求达到了可谓史无前例的严格。因此,它为显示技术树立了一个具有极大挑战难度的色纯度目标。鉴于以往传统荧光材料难以担当此攻关重任,故而BT.2020的出现给予了MR-TADF分子新的发展机遇,并在很大程度上使得该领域愈发火热起来。近年来,随着大量的研究与实践,MR-TADF分子家族得到了飞速的发展,然而大家讨论和归纳的重点基本都集中在领域整体的发展方面,专门针对分子设计策略所展开的讨论和总结依旧较少,不足以为刚涉足该领域的科研人员提供足够的参考。因此,本文从X-π-X原则,快反向系间窜越过程,窄带发射与高振子强度等方面,阐述了近三年来所报道的MR-TADF分子的设计思路,并对未来可能的设计方向进行了展望,例如将一些不同于传统MR-TADF分子的结构引入这一领域。最后,对今后MR-TADF领域的发展和产业化提出建议。

摘要：同一防火分区内相邻防烟分区采用不同排烟方式可能会对排烟造成不利影响。以某一医院走廊为例,采用FDS软件对同一防火分区采用不同排烟方式时的排烟效率进行分析。结果表明:机械排烟对自然排烟的排烟效果会产生影响;自然排烟会对机械排烟的启动时间有影响;对于本建筑排烟系统,自然排烟窗与机械排烟口正对设置情况下的整体控烟效果更好。相邻防烟分区采用不同排烟方式时,建议采用性能化方式进行优化设计。

摘要：数字孪生(DT)技术的发展给电力系统的智能化管理带来诸多便利,然而作为推动能源电力行业数字化、智能化的关键技术,相关研究与应用还处于初期起步阶段,亟需开展系统性研究,以突破适应能源电力行业特殊性的数字孪生关键技术。为此,本文以变电站作为应用场景,首先对变电站运维管理现状进行了分析,指出现阶段存在变电站巡检模式缺陷、模型精度不够、感知参量单一、缺乏对数据的深度挖掘等问题。以此设计了一套涵盖空间信息与设备建模、变电主设备机理建模、智能反馈控制、设备感知网络、基于数据驱动的数字孪生体模型的仿真,以及3维可视化渲染与应用的数字孪生变电站模型框架。然后讨论了变电站数字孪生技术面临的问题与挑战:专业智能研制方面,变电站数字孪生系统对传感器的感知精度、智慧功能集成度、抗干扰能力、功耗以及供能方式等提出更高要求;海量数据存储与计算方面,海量多源异构感知数据如何高效存储与利用,以及如何优化算力资源分配,满足系统实时计算需求;模型研究方面,现有数据驱动模型精度不足,模型不可解释且缺乏论证,影响整个系统的可靠运行;数据方面,如何解决“数据安全”与“数据孤岛”问题;3维虚拟实体构建与动态更新方面,如何低成本快速构建可用的高精度3维变电站模型,以及研究设计3维模型的动态更新算法,以保证孪生系统实时空一致性。进而探讨了解决问题的关键技术:通过感知理论研究与提升制作工艺、结合分布式云存储与云边协同计算、数据驱动与机理知识融合建模、可信联邦学习等先进技术,以及实景3维重建与点云动态可视化等相关技术,在满足隐私保护和数据安全前提下,建立“形”与“态”相融合的变电站数字孪生系统,实现变电站运行状态全感知、全生命周期数据智能管理与高效利用,变电站全业务场景智慧运行。结合数字孪生模型设计与关键技术问题的探讨,给出了一套面向工程应用的数字孪生变电站系统设计方案,重点阐述了包括变电站设备实时监测、设备故障诊断与故障预测、运维决策优化与智能反馈控制等典型的应用场景。

摘要：为了描述传感器微通道结构对传感器输出特性的影响,本文引入传感器横纵微通道长度关系的参数横纵比,综合考虑传感器中垂直和平行于应变方向的微通道中液态金属在应变下的电阻变化规律,建立了镓基液态金属柔性应变传感器数学模型。根据建立的数学模型,优化设计并制备了5种应变传感器样品,在40%应变范围内进行实验。结果表明本文建立的数学模型可以良好地预测不同微通道结构传感器的输出,并为设计优化高灵敏度传感器提供了方向。实验测试结果表明设计的应变传感器在40%应变时的灵敏度为2.01、滞后度为5.1%,且重复性和输出稳定性较高。将设计的传感器用于手指、手肘的关节运动检测,探索了镓基液态金属柔性应变传感器在关节运动检测方面的应用。本文为镓基液态金属柔性应变传感器在可穿戴领域中的应用提供了理论支持。

摘要：物体表面形貌深度信息对于智能机器人检测物体表面特征、人机交互具有重要意义。受动物毛发感知机理启发,设计了一种新型仿生磁致伸缩触觉传感器单元及阵列;基于逆磁致伸缩效应、欧拉-伯努利梁理论和胡克定律,推导了深度检测的输出电压模型。仿真研究确定了最佳偏置磁场和阵列间距,实验测试了传感器单元在静态和动态下的输出特性,在0.05~4.8 mm深度检测范围内,灵敏度为185.72 mV/mm,响应时间和恢复时间分别为31 ms和43 ms,且具有良好的重复性,传感器阵列中单元之间输出电压的耦合影响不超过2.4%。将传感器单元及阵列安装在机械手上,选择合适的滑动速度滑过不同物体表面时,根据输出电压波形精确测量各种深度和形貌,结果表明该传感器单元和阵列可为深度与形貌检测提供参考。

摘要：短期日前风电功率预测对电力系统调度计划制定有重要意义,该文为提高风电功率预测的准确性,提出了一种基于Transformer的预测模型Powerformer。模型通过因果注意力机制挖掘序列的时序依赖;通过去平稳化模块优化因果注意力以提高数据本身的可预测性;通过设计趋势增强和周期增强模块提高模型的预测能力;通过改进解码器的多头注意力层,使模型提取周期特征和趋势特征。该文首先对风电数据进行预处理,采用完全自适应噪声集合经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN)将风电数据序列分解为不同频率的本征模态函数并计算其样本熵,使得风电功率序列重组为周期序列和趋势序列,然后将序列输入到Powerformer模型,实现对风电功率短期日前准确预测。结果表明,虽然训练时间长于已有预测模型,但Poweformer模型预测精度得到提升;同时,消融实验结果验证了模型各模块的必要性和有效性,具有一定的应用价值。