基于BP神经网络的运动想象脑电信号分类研究

运动想象脑机接口因具有更大的自主性、灵活性,在脑机互联领域得到了广泛应用,相比较其它范式分类准确率偏低,限制了其发展。本文利用时频图谱、脑地形图两种特征分析方法对上肢运动想象脑电信号进行了特征分析,并采用滤波器组共空间模式(filter bank co-space,FBCSP)特征提取算法对上肢运动想象信号数据进行了特征提取,再将提取结果分别利用支持向量机（support vector machine,SVM）算法、K-最近邻(K-Nearest Neighbor)算法、反向传播（back propagation,BP）神经网络三种分类算法进行分类,研究结果发现SVM算法、KNN算法、BP神经网络算法应用在上肢运动想象脑机接口系统的平均分类准确率分别为76.45%、74.55%、81.70%,BP神经网络算法相比SVM算法、KNN算法在上肢运动想象任务的分类准确率上分别高出了5.25%、7.15%,并且t检验后得到分类准确率均具有极显著的统计学差异,并利用ROC曲线和AUC值检测了分类器效果,BP神经网络的AUC值相比SVM算法、KNN算法也分别提升了0.1226、0.1285,表明BP神经网络分类算法相比较SVM算法、KNN算法更适用于上肢运动想象脑机接口系统,提高了系统的分类准确率,推动了上肢运动想象脑电信号实际应用的发展进程。     

废旧轮胎综合利用项目“工艺安全”与“能量利用优化”设计探讨

为了解决废旧轮胎连续化热裂解项目中的产品-裂解油中存在的极少量低闪点轻质油的产量及利用方式的问题,通过理论及实验的方法,研究了废轮胎热裂解的产品控制、工艺安全及能量优化利用,轮胎裂解项目的初级产品为钢丝、裂解油、裂解不凝可燃气、粗炭黑,其中裂解油以重质油为主,可以作为燃料油或进行油品精炼,裂解油中含少量低闪点轻质油,不能外售及储存,因此需要控制轻质油的产量及利用方式。结果为在合理的裂解温度下裂解油产量最高,在合理冷凝温度条件下,轻质油占比最低,并通过对轻质油的利用方式优化,达到了轻质油相对产量最低、项目运行安全风险降低、全厂能量利用更优的效果,对该类型项目的安全与高效运行具有重要意义。     

从项目投资角度浅析废旧轮胎热解行业的发展状况

面向我国碳达峰和碳中和的目标,针对废旧轮胎治理问题,综述了废旧轮胎综合利用的国内外法规和政策。统计了国内220余项废旧轮胎综合利用项目的基本信息,并结合项目的环境影响评价报告和实地考察,从项目投资角度分析了废旧轮胎热解行业的发展状况,提出了废旧轮胎回收体系建设和废旧轮胎热裂解炭黑高值化利用的相关建议。     

基于交错组卷积神经网络的脑电信号情绪识别研究

利用深度学习算法实现多种情绪的高效准确识别对当前脑电信号情感计算研究具有一定探索价值。常用的卷积神经网络其种类结构较为复杂且存在参数选择问题,针对不同类型刺激素材下脑电信号的情绪分类问题,搭建了一种交错组卷积神经网络的数学分类模型,此模型在经典卷积神经网络的基础上增加了交错组卷积结构。利用增加交错组卷积模块的LeNet-5卷积网络对诱发的不同情绪下脑电信号进行三分类识别,图片、音乐与视频素材刺激下的脑电信号平均识别率分别为98.74%、95.82%与96.06%。对比传统的机器学习分类算法的识别效果,轻量化结构卷积神经网络的收敛速度和情绪识别准确率均有明显提高,且鲁棒性更强。     

两种甜樱桃果实挥发性成分的HS-SPME-GC/MS分析

采用顶空固相微萃取(HS-SPME)技术提取"红灯"和"巨红13-38"两种甜樱桃成熟期果实的挥发性成分,经气相色谱-质谱(GC/MS)联用仪测定,比较分析两种甜樱桃果实的香气成分变化。结果表明:两种甜樱桃中共检测出68种香气成分,其中,在"红灯"甜樱桃中检测出29种香气成分,主要为醛类、醇类和酯类,分别占鉴定物质总量的34.25%、32.00%和30.77%;在"巨红"甜樱桃中检测出50种香气成分,主要为萜类、醇类、脂类化合物,分别占鉴定物质总量的78.41%、10.47%和5.29%。"红灯"和"巨红"香气种类及含量存在很大差异,两种甜樱桃果实只有10种共有香气成分,"红灯"中相对含量较高的物质是苯甲醛、苯甲醇、乙酸乙酯和(E)-2-己烯醇,可作为其特征香气;巨红中相对含量较高的物质为石竹烯,达41.8%,其次为顺-氧化芳樟醇和葎草烯。     

HS-SPME-GC/MS分析油桃果实C_6醇醛挥发性成分变化

本文比较了3种油桃在着色期和商熟期C6醛、醇类物质的变化。以"春光"、"艳光"、"千年红"3种早熟油桃果实为试材,采用顶空固相微萃取(HS-SPME)和气相色谱质谱联用仪(GC/MS),测定了油桃果实中C6醛、醇类化合物。研究结果表明:早熟油桃果中主要C6化合物为己醛、反-2-己烯醛、己醇、反-2-己烯醇、顺-3-己烯醇。在不同成熟阶段,油桃果实各C6醛醇类挥发性物质含量明显不同,反-2-己烯醛含量最高,着色和商熟期平均含量为331.0μg/L和231.6μg/L,顺-3-己烯醇含量最低,着色和商熟期只有11.1μg/L和5.5μg/L,商熟期C6醛醇类含量降低明显。不同品种、不同果实发育期C6醇醛化合物含量不同,"千年红"油桃果实具有较多反-2-己烯醛、己醛和己醇,明显高于"艳光"、"春光"。C6醛类物质在两个时期均具有较高的香气值,对早熟油桃香气贡献大;而C6醇类物质香气值低,对早熟油桃香气贡献小。     

产低温淀粉酶海洋细菌HYM-7发酵条件研究

采用平板初筛和摇瓶复筛等方法,从秦皇岛渤海海域的海水样品中,分离获得产淀粉酶活力较高的菌株HYM-7,初步鉴定为解淀粉类芽孢杆菌(Paenibacillus.amylolyticus),设计单因素和正交实验,确定该菌的最佳发酵条件.结果表明:在装液量50mL液体培养基的250mL三角瓶中,采用单因素实验得最佳接种量为1%,最适产酶时间为48h,最适碳源为玉米淀粉,氮源为大豆粉,Ca2+和Mg2+可显著提高产酶量;采用正交实验得最适发酵培养基配方(g/L):玉米淀粉4、大豆粉10、可溶性淀粉2、MgSO4 0.2、CaCl2 0.4.对优化的发酵培养基进行验证,测得酶活力为34.62U·mL-1,较基础培养基酶活提高60.8%.     

基于ELM和SVM皮电信号情绪分类识别的研究

皮电信号(Electrodermal activity,EDA)是一种不平稳的非周期性微弱信号，能够反映不同情绪状态下人体皮肤内血管的舒张和收缩以及汗腺的分泌活动，在情绪分类识别中具有重要的研究意义。针对EDA信号时域特征提取的分类方法识别率低，极限学习机(Extreme learning machine, ELM)具有训练参数少、学习效率高、泛化能力强等的优点，本研究基于生理信号采集设备采集了12位被试的皮电数据，从时域上进行特征提取，输入KS(Kennard-Stone)模型随机筛选样本，使用支持向量机(Support Vector Machine, SVM)和极限学习机的方法对积极、消极、中性情绪进行分类，并对分类准确率进行比较。实验结果表明，相较于支持向量机分类器55.56%的平均分类准确率，极限学习机平均分类准确率达64.16%,提高了8.6%,采用配对t检验进行验证，t检验结果为P=0.047 781 453<0.05,具有显著的统计学差异。极限学习机算法适用于情绪分类识别，相较于支持向量机具有更好的情感识别效果。