摘要：汽车线控转向系统(Steer by Wire, SBW)在电动助力转向系统(Electric Power Steering, EPS)基础上,不仅具有结构精巧、节能环保、安全舒适等优点,还取消了转向盘与转向轮之间的机械连接,完全由电信号进行转向操作,摆脱了传统转向系统的各种限制。不仅可实现自由设计汽车转向的力传递特性和设计汽车转向角传递特性,还可以通过设计控制算法实现智能化车辆转向。最后,SBW系统相较于传统转向系统更加节省安装空间,重量更轻,更具有可靠性和安全性。

摘要：为提高配网运维故障识别的准确率,结合变分模态分量(Variational Mode Decomposition,VMD)与信息熵,提出一种E-VMD配网运维故障信号特征提取方法;通过改进残差神经网络(ResNet)模型残差模块,设计了一种改进的ResNet模型;将E-VMD配网运维故障信号特征输入改进的ResNet模型中,实现配网运维故障的准确识别。仿真结果表明,所提方法可准确识别配网运维的单相接地、两相短路、三相短路故障,平均识别准确率达到100%,平均精确率为99.59%,平均召回率为100%,平均F1值为99.88%。相较于KNN模型和SVM模型,所提方法在各项性能指标上表现优异的性能,且具有良好的抗噪性能。

摘要：针对现有再生骨料混凝土配比设计未综合考虑资源、经济等因素的问题,提出了一种考虑低碳排、低成本等多因素的智能配比设计方法。引入再生混凝土强度影响系数,明确再生骨料与矿物掺和料对再生混凝土强度影响的数理关系。基于帕累托优化与目标优化决策,实现对再生骨料混凝土配合比设计的双目标配比优化;再通过代码撰写将研究理论应用于再生混凝土配合比设计软件的开发,实现再生骨料混凝土配合比设计的智能化,并应用于舟山人工鱼礁工程,实现了再生骨料混凝土配合比优选。结果表明:提出的智能配比设计方法可有效提高再生骨料取代率、低碳排胶凝材料掺量,实现再生混凝土应用的高绿色度、高强高性能、低能耗、低成本。

摘要：针对现有脑电采集系统存在成本高昂、设备使用繁琐、佩戴体验差等问题,设计了基于水凝胶电极的便携式脑电采集系统。该脑电采集系统通过水凝胶电极采集头皮脑电信号,使用ADS1299集成芯片作为模数转换器,通过无线连接方式与主机相连。实验表明,该脑电采集系统能够有效采集头皮脑电数据,信号特征显著,设备使用便捷,佩戴舒适,能够满足脑机接口相关实验需要。

摘要：针对现有基于深度强化学习的交通信号控制方法的模型学习和决策成本高的问题,提出基于异步优势演员-评论家(A3C)算法的单交叉口交通信号控制方法.在模型输入端分别从交叉口和车道2个不同维度构建车辆权重增益网络,对采集的车辆状态信息进行预处理.设计新的奖励机制,提出融合车辆权重增益网络的A3C算法.基于微观交通仿真软件SUMO的仿真测试结果表明,相比于传统的交通信号控制方法和基准强化学习方法,所提方法在低、中、高3种不同的交通流量状态下,均能够取得更好的交通信号控制效益.

摘要：为了探究黏性颗粒在不同截面形状纤维表面的沉积特性,选择截面为圆形、三角形和十字形的纤维作为研究对象,通过Digimat、Solidworks建模软件构建在空间中呈随机分布的刚性三维纤维体模型;利用计算流体力学和离散单元法耦合的方法,基于laminar流场特征,引入JKR(Johnson-kendall-roberts)接触模型,对黏性颗粒在不同纤维表面的沉积特性进行气-固两相耦合数值模拟。模拟结果表明:在黏性颗粒的运动过程中,过滤机理会随时间而变化。初期,捕集主要依赖纤维表面的吸附作用,而后期主要通过纤维本身和颗粒之间的黏附团聚运动共同实现,形成了“尘滤尘”现象。此外,颗粒间滚动摩擦系数对颗粒在纤维上沉积的影响很大。滚动摩擦系数越大,颗粒之间的接触力链结构越稳定,颗粒更难脱落。在3种截面形状的纤维中,十字形截面的捕集效率最高,三角形次之,圆形最低。该研究探究了黏性颗粒与纤维之间的相互作用,优化了纤维结构和布局,为提高空气过滤材料的过滤效率提供了设计思路和理论参考。

摘要：可穿戴材料与器件正朝着柔性、轻薄、无感、智能化和可长期佩戴等方向发展,以满足人体生理心理等个性化需求。这一趋势为运动健康监测领域带来了革新,并得到了学术界和工业界的广泛关注。然而,在满足人体个性化发展需求的同时,可穿戴柔性材料与器件本身也面临着机械鲁棒性、信号稳定性、软硬接口连接和生物相容性等性能方面的挑战。因此,本文旨在从实际运动健康监测需求的角度出发,讨论构建可穿戴柔性材料与器件的材料、结构和制备工艺。同时,深入探讨了其在机械、电气和生物性能等方面所面临的主要挑战因素及其解决路径。最后,预测了未来可穿戴柔性电子材料与器件的发展方向,包括全柔性集成、机械鲁棒性的增强、信号解耦与识别的高精度化、监测的稳定性与灵敏度、快速响应性、超薄无感设计、多模态信号处理以及智能化自适应反馈等。

摘要：唇部是面部美观的决定因素之一,正畸医生和患者都非常关注正畸治疗过程中唇部形态和位置的三维变化,唇部形态的改善度是影响正畸患者术后满意度的重要原因,因此明确唇部形态的影响因素及其与正畸治疗的相关性能够帮助正畸医生更准确地预测术后唇部形态的变化,从而优化正畸治疗方案的个性化设计。本文将对唇部形态的评价方法和影响因素作一综述,旨在为正畸临床实践提供相应参考。

摘要：2D/3D多模态配准在医学影像导航手术中起着重要作用,主要用于提供术前三维图像和术中二维图像的实时信息,帮助医生精准定位病灶,规划手术路径,从而提高手术的安全性和效率。提出了一种2D/3D多模态医学图像配准算法,首先利用Swin Transformer优秀的特征提取能力,构建了初始姿态估计模型,实现姿态参数的快速预测;接着,为了提升整个配准方法的鲁棒性,引入基于Grangeat关系的粗配准方法;最后设计了基于梯度下降的精配准模块,以提升整个配准过程的精确性,且在该模块将Sobel微分算子与归一化互相关结合,提升了参数优化过程中的灵敏度。实验结果表明,所提配准方法在正位和侧位配准中的误差满足配准要求,配准成功率有显著提升。

摘要：图卷积网络在处理网络数据的各种任务上有很多应用,特别是异构图卷积网络更是得到了广泛应用.但是,现有的工作中大多只设计单一关系的异构网络,这在处理那些含有多类型节点并且节点间具有多重网络关系的复杂异构网络时,很难准确捕获到跨不同关系的节点的特征,因此,这些异构网络的效果自然是不能令人满意的.为了应对这一挑战,提出了一种处理异构网络嵌入的多路动态注意力图卷积网络(MDAGCN).MDAGCN首先通过动态聚合同一节点对之间多种关系的信息,然后通过注意力机制得到不同长度元路径注意力权重,最后使用多层卷积结合注意力权重充分获取不同长度元路径上的信息来学习节点表示.在3个真实的数据集上进行实验.结果表明:MDAGCN模型可以通过动态权重以及注意力充分学习异构网络上的节点信息,以此提升节点分类和链路预测的效果.