弯扭耦合型软体机器人智能感知抓取性能研究

触觉感知功能对于生物或机器人进行目标物体的智能感知与抓取具有重要意义。首先，研究设计了一种新型弯扭耦合型软体机器人，并将压力传感器和弯曲传感器嵌入设计在软体机器人底层；其次，组合设计了能够感知抓取目标物体信息的二指软体夹爪；第三，搭建了二指软体夹爪抓取性能实验测试平台，系统分析了二指软体夹爪在抓取不同目标物体时的指尖触觉信息；最后，对生活中常见的12种物体进行了抓取性能测试，获得了不同压力下的压力序列信号并建立了抓取数据集，还采用多种机器学习算法对触觉数据集进行分类研究。结果表明：设计方案能够成功识别出目标物体的真实情况，其中随机森林分类算法具有最优的分类效果，准确率达到了93.33%。该研究有望为智能软体机器人的设计和智能抓取提供一定的理论和技术支持。     

以微型加速度传感器测量电感振动并评估噪音的方法

个人电脑研发过程中，经常会遇到主板区域发出“滋滋滋”的恼人的电噪音。电噪音的主要来源之一是电感的振动。当电感中有大电流或者跳变电流通过时，电感的线圈和磁芯发生振动，振动较强且频率落在20Hz～20KHz范围时，即发出人耳可听到的噪声。     

提高石蜡产品光安定性技术研究

石蜡主要由正构烷烃组成，还有少量的异构烷烃、环烷烃和芳香烃以及微量S、N、O的化合物。这些化合物以及芳烃、烯烃类物质中不稳定的组分,在紫外线和热的作用下,容易被氧化，导致石蜡的颜色变深,光安定性变差。为探究导致石蜡产品光安定性变差的原因，并提高石蜡产品的光安定性，分析了某石化公司62#石蜡的组成与性质，并运用控制变量的方法探究了提高石蜡产品光安定性的技术，以及光稳定剂和紫外光吸收剂类型、单剂用量、复配剂组成与添加量对石蜡产品光安定性及其他性能的影响。结果表明，当复配剂中紫外光吸收剂添加量为300μg/g、受阻胺类光稳定剂添加量为300μg/g，抗氧剂添加量为300μg/g时，石蜡产品的赛波特色号为24，其光稳定性最好。     

一种基于物理核函数高斯过程回归的月径流预报模型及其应用

鉴于传统的单一径流预报模型很难描述径流未来变化规律，将自适应变分模态分解(AVMD)与基于组合物理核函数的高斯过程回归(GPR-CK)相结合，构建了AVMD-GPR-CK预报模型，该模型采用AVMD将实测径流分解为多个子序列，对子序列依据其自身特点分别建模，子序列预报结果叠加重构即为最终预报结果。模型应用于金沙江流域向家坝站未来1～12个月的径流预报的结果表明，所有预见期AVMD-GPR-CK模型的确定性系数均大于0.94,平均绝对百分比误差(M_MAPE)在±17%以内，预见期在10个月以内时，M_MAPE在±10%以内；预报精度明显优于常见的BP、GRNN、RBF、RELM模型。     

900mm~2大截面导线压接管优化设计研究

锦屏-苏南±800 kV特高压直流输电工程首次大量应用四层铝股结构900 mm2大截面导线,由于铝钢比大,导线中铝线承担的拉力相对较大,按传统经验设计的压接管对导线的握力不满足标准的要求。为最大程度减小压接引起的铝线强度损失,提高金具对导线的握力,进行了金具的优化设计研究。在分析握力影响因素的基础上,设计了基于不同内径和拔梢长度的铝管的正交试验方案,金具与同一导线压接后进行握力试验,对试验结果进行二元回归分析,得到内径和拔梢长度对金具握力的影响规律。对于900/40导线配套的压接管,在一定范围内增加铝管内径和拔梢长度有利于提高金具握力。推荐了优化的压接管尺寸用于金具制造,工程抽检结果表明优化后金具的性能达到了预期效果。     

核桃粕纳豆发酵工艺优化及其品质分析

以低温核桃粕和黄豆为主要原料，研制一款新型风味纳豆产品——核桃粕纳豆。采用单因素和Box-Behnken试验对核桃粕纳豆发酵工艺进行优化，同时对核桃粕纳豆品质进行分析。结果表明，核桃粕纳豆最佳发酵工艺为核桃粕添加量20.5%、接种量1.2%、发酵温度40.9℃、发酵时间27 h和后熟时间20 h。在此优化条件下，核桃粕纳豆综合评分为94.3分，其水分含量为59.8%，蛋白质含量为18.2%，氨基酸态氮含量为0.18 g/100 g，纳豆激酶活力为1 689 U，枯草芽孢杆菌活菌数为1.8×109个/g；共检测到烃类22种（24.8%）、醇类9种（36.0%）、酯类8种（36.0%）、醚类1种（1.9%）、酮类1种（0.7%）、杂环化合物2种（0.6%），其中含量较高并且对风味有重要贡献的化合物为2-氨基苯甲酸-3,7-二甲基-1,6-辛二烯-3-醇酯（31.3%）、芳樟醇（19.5%）、4-萜烯醇（9.1%）、石竹烯（4.4%）等。     

基于自适应变分模态分解和长短期记忆网络的月径流预报

准确可靠的月径流预报是流域水旱灾害防治及水资源合理配置的重要依据。原始径流时间序列包含多种频率成分，将时间序列数据分解预处理技术和机器学习模型相结合的混合模型已被用于捕捉径流动态过程。然而，将数据分解技术直接应用于整个时间序列是一种不切实际的方法，会导致部分信息从测试阶段传输到模型的训练过程中。为此，设计了一个用观测数据更新历史样本的自适应动态分解策略，提出基于自适应变分模态分解和长短期记忆网络的分解-预测-集成月径流预测混合模型。首先，采用自适应分解策略对径流时序数据进行变分模态分解，得到不同频率成分的子序列；其次，为每个分解子序列构建长短期记忆神经网络径流预测模型，并采用贝叶斯优化算法优选模型超参数；然后，将子序列的预测结果集成得到径流的最终预测结果；最后，以金沙江上游石鼓水文站月径流预报为研究实例，对比传统的分解策略(“捆绑分解”)和分解方法(离散小波变换和集成经验模态分解),验证所提混合模型的有效性和可行性。结果表明，所提混合模型在数据分解预处理中避免了引入未来信息，并能够进一步提升径流预报精度。     

2A14合金轮毂疲劳开裂成因分析

采用光学显微镜、扫描电镜及能谱仪等检测仪器，对2A14合金轮毂锻件开裂部位进行了断口面分析、组织分析和能谱分析，讨论了疲劳开裂的成因。结果表明，2A14合金轮毂疲劳开裂是由粗大的化合物相及其聚集团引起的。同时针对开裂成因提出通过成分控制、热处理工艺优化来改善锻件中化合物的分布情况。