摘要：针对分布式光伏短期功率预测建立基于主成分分析、改进的动态时间规整算法与量子加权门控循环单元(PCAShapeDTW-QWGRU)的集群功率预测模型。针对集群划分不够精细、光伏电站数据蕴含的信息难以捕捉的问题,提出基于主成分分析结合密度聚类算法(PCA-OPTICS)的集群划分方法;针对目前选取代表电站与集群相似性较低的问题,提出基于改进的动态时间规整算法(ShapeDTW)的代表电站的选取方法,利用ShapeDTW度量相似性距离,选取最小值作为代表电站,并利用基于均方根传播梯度下降法优化的量子加权门控循环单元(RMSprop-QWGRU)模型进行预测;为了解决代表电站与集群功率的变换系数转换差异较大的问题,采用实时变换系数对代表电站进行集群功率值预测计算。实验结果表明,所提方法能有效提升光伏集群功率预测的精度。

摘要：将顶空平衡法和气相色谱仪相结合,通过自主设计和优化测试实现了技术升级,建立了可自动化进样并同步测定水中溶解CH_(4)和CO_(2)浓度的新型气相色谱系统及方法.结果表明,本系统线性范围宽且运行稳定,自动化程度更高,运行成本更低.该系统对CH_(4)的测定精密度优于0.16%,准确度优于0.02%,满足水中溶解CH_(4)浓度监测需求.基于本方法,于2022年8月对京杭大运河杭州段水体中溶解CH_(4)开展了试观测研究.结果显示:夏季京杭大运河杭州段水体中溶解CH_(4)浓度平均值为(642.4±423.3)nmol/L,饱和度平均值为(22310±14701)%,水-气界面CH_(4)扩散通量平均值为(548.57±603.70)μmol/(m^(2)·d),是大气CH_(4)的净源.根据该河段的面积,可估算观测期内CH_(4)的日均排放量约为1710mol,相当于大约38.31m^(3)天然气或约82.94kg碳.

摘要：机械手是水果采摘机器人与水果直接接触部分,在采摘过程中具有至关重要的作用,其设计是采摘机器人研发的重要环节。针对大部分水果生长环境复杂、形状不规则,且表皮易受损的现状,设计了一种多传感欠驱动采摘机械手,并采用腱绳传动的欠驱动系统,内嵌微型彩色相机、激光测距传感器和压力薄膜传感器等模块。首先,对压力薄膜传感器采集的数据进行滤波和标定处理,实现在复杂环境中对水果恒定力采摘,防止水果受损;最后,进行了样机制作,并在实验室搭建采摘平台,验证了采摘机械手设计的可靠性和稳定性。

摘要：为了在老年人跌倒之前进行预判并及时触发跌倒防护气囊,防止跌倒对老年人身心造成严重伤害,提出了基于双向长短期记忆神经网络的轻量级跌倒预测算法,采用深度学习模型自动提取加速度计数据深层特征,省去因人工提取跌倒数据特征所消耗的时间,提升了跌倒预测模型的泛化能力。首先根据跌倒落地时刻和前置时间截取数据窗口作为输入;其次设计轻量级双向长短期记忆神经网络提取加速度特征并预测跌倒;最后借助TensorFlow Lite框架对模型进行轻量化改造。实验结果表明所提算法在SisFall跌倒公开数据集中获得了96.92%的准确率,95.73%的敏感度,98.15%的特异度,跌倒前置反应时间达215 ms,足以触发跌倒防护气囊。对应的TensorFlow Lite模型所占空间大小仅为62.2 kB,算法运行时间为1.20 ms,有望部署在嵌入式可穿戴终端,进行实时跌倒预测。所提算法实现了更高的预测精度并具有较长的跌倒预警时间,更适于资源受限的嵌入式设备,为老年人跌倒预测和可穿戴式跌倒保护装置的开发提供了进一步的参考。

摘要：为了解决天线设计人员应用电磁仿真软件优化天线结构时存在的优化方向不明确和优化速度慢的问题,文中以干式水表的嵌入式射频识别标签天线设计为例,提出了基于改进粒子群算法的标签天线结构参数多目标寻优方法。首先,根据干式水表产品追溯需求,提出了中心频点尽可能接近理想中心频点、回波损耗尽可能低、带宽尽可能宽、面积尽可能小的四个目标函数。其次,为避免粒子群算法陷入局部最优,采用多维均匀拉丁超立方初始化、Logistic混沌映射非线性变化惯性权重、网格划分变化学习因子、高斯扰动策略等方法对算法进行改进,并应用于标签天线结构参数多目标优化中。最后,进行了实例验证。验证结果表明:利用改进后的粒子群算法得到的标签天线结构参数优化结果可更大程度满足优化目标需求,优化耗时仅为电磁仿真软件的40.1%。

摘要：采用Herriott型长光程池结构原理,通过理论研究和仿真分析得到一定条件下Herriott池反射次数最优解,利用镀膜凹面镜作为反射镜,在池体上集成光学元件,进行了长光程、低成本、小体积光程池的设计。经过实验验证,所设计的物理长23cm,体积243mL的光程池,能达到11m有效光程长,并搭建在TDLAS甲烷检测系统中,结果表明检测下限最低浓度为476 ppb。这为低浓度、高精度、微型化的TDLAS甲烷检测系统的推广应用提供了一种有效的途径。

摘要：目的提出一种基于集成学习和反向传播(back propagation,BP)神经网络的智能集成建模方法,用于建立前胡切片微波真空干燥过程水分比预测模型。方法合理设计前胡切片微波真空干燥实验方案,探究不同微波功率、切片厚度和干燥层数对前胡切片干燥过程水分比的影响,并构建用于水分比建模的原始数据集。将原始数据集合理划分为训练集、验证集和测试集,利用训练集建立不同隐含层神经元个数的BP神经网络子模型,验证集用于防止训练过程过拟合,利用测试集建立前胡切片干燥过程水分比的智能集成模型,并进行模型应用。结果干燥实验结果表明,提高微波功率或减少切片厚度都能够有效缩短前胡切片的总干燥时间,达到提高干燥效率、节能的目的。模型应用结果表明,智能集成模型具有较好的稳定性、泛化性和预测精度,可以快速准确地实现前胡切片微波真空干燥过程水分比预测。结论智能集成模型为前胡切片干燥过程优化与控制提供了重要的技术支持。智能集成建模方法为中药材干燥过程建模提供了一种有效的新建模方法。

摘要：为了解决果园绿篱修剪工具自动化程度低、修剪作业劳动强度大、工作效率低等问题,根据果园绿篱修剪作业要求,设计了一款实用的由液压驱动的四自由度修剪机械手,并确定了机械手各关节的运动范围。首先,基于标准的D-H参数法建立了机械手各连杆的坐标系,对机械手的正、逆运动学进行了求解;然后,利用MATLAB Robotics Toolbox建立了机械手运动学模型,对机械手正、逆运动学,机械手修剪绿篱顶面、侧面时各关节的运动轨迹,机械手各关节的角位移、角速度和角加速度曲线进行了仿真验证;之后,采用Monte Carlo法对机械手的工作空间进行了仿真分析,得到了机械手工作空间三维云图及平面云图;最后,试制实物样机进行了实验验证。研究结果表明:机械手正、逆运动学求解正确,所设计的机械手末端执行器完全能够到达所需修剪的目标位置。修剪机样机实验效果与预期相符,机械手工作时各关节运行平稳、修剪效率高、效果良好,能够满足对中、高绿篱自动修剪的要求,大大降低了修剪作业的劳动强度。

摘要：目的从文献计量学的角度来分析国内外医疗可视化设计领域里的研究进展、研究热点和发展趋势,并通过文献量化对比分析得出国内外发展的结论和建议,助于全面补充我国医疗可视化的研究领域。方法从社会科学研究领域将研究主题“医疗可视化设计”等在国内知网CNKI数据库和国外Web of science数据库进行检索,利用文献分析的可视化工具Citespace和Vosviewer进行文献计量可视化分析和知识图谱分析。结果国内医疗可视化设计的研究正在朝着数据-产品-体系-空间全方位体现智慧医疗的应用发展。国际上该领域的发展体现出关怀–公众–数字–技术的循环发展模式,医疗可视化设计继续向着个性化、精准化、交互化的方向发展。结论对比分析国内外医疗可视化设计研究的不同发展演化路径,从创新视角下归纳医疗可视化设计的循证可视化工具研究模型,并为未来医疗可视化设计发展方向提供思路。

摘要：针对传统的天线仿真建模过程中需要的天线阻抗耗时长问题,文中提出一种基于KNN-XGBOOST模型的天线阻抗预测方法。现有研究大多为单一预测算法,旨在通过对比寻求预测效果更优的算法。首先通过ANSYS仿真软件收集大量的PCB RFID天线阻抗设计数据,然后结合影响阻抗中天线长度和频率共8个有效特征,以KNN和XGBOOST两种算法作为基模型,线性回归作为元模型,构建了一个堆叠集成学习模型。在实验过程中,通过交叉验证和网格搜索技术,对模型的超参数进行了精细调优,以确保模型能够达到最优的预测性能。实验结果显示,与单一的KNN和XGBOOST模型相比,KNN-XGBOOST模型的均方根误差降低了30%~70%,R^(2)提高了10%。在预测PCB RFID天线的阻抗实部和虚部时,KNNXGBOOST模型具有较高的准确率和较低的预测误差,证明了其在电磁仿真设计优化中的应用价值。