虚实结合的可穿戴产品适合性检验研究

目的 为了更科学地研究和检验可穿戴产品的适合性,提出一种适合性检验方法,能够精确保留现实环境中的产品佩戴关系,并能将现实与虚拟的适合性检验研究相结合,得到合理的适合性检验结果.方法 以虚拟现实眼镜的适合性检验为例,通过高精度的三维测量技术将现实环境中的人、产品以及人—产品佩戴关系转化为三维虚拟信息,并以人—产品佩戴三维模型为参考基准对齐人和产品的虚拟模型,得到保留现实佩戴关系的人—产品佩戴模型组,再应用偏差分析法得出人—机佩戴区域的可视化适合性结果和统计数据,结合主观评价方法进一步分析产品的适合性.结论 虚实结合的产品适合性检验方法可在虚拟环境中高精度地保留现实环境中的人—产品佩戴关系,并能得到可视化的适合性检验结果,为检验和指导产品的适合性提供依据.     

负极添加NMP对电池性能的影响

锂离子电池负极浆料中添加N-甲基吡咯烷酮(NMP),在极片加热干燥时不能完全除去.残留的NMP吸附在石墨表面,使得SEI膜与石墨结合不牢固.研究了其对电池性能的影响,结果显示,在电池的循环过程中,SEI膜逐渐脱落,导致电池循环寿命缩短,但对电池的容量、内阻、倍率、存储等初期性能不影响.     

可钢化双银低辐射镀膜玻璃生产改进

通过对低辐射镀膜玻璃现有技术进行分析,运用磁溅射镀膜技术解决现有膜系的小角度反射发红问题,降低钢化后的颜色变化.     

工作面快速掘进工艺及设备优化研究

为保证掘进效率与采煤效率相匹配、保证煤炭的产出率,在分析当前掘进工艺和掘进设备现状的基础上,分别对自动化、可靠性、生产效率较低的掘进设备进行优化,并对掘进设备相配套的掘进工艺(打眼、支护、运输等)进行优化,从根本上提升掘进工作面的效率和安全性.     

基于全局优化与深度学习的条形码识别方法

提出了一种在深度神经网络的基础上结合全局优化方法的条形码识别算法,利用卷积循环网络提取出条码中各字元的特征并进行分类,较传统方法具有更强的适应性与泛化能力,再进一步结合全局优化的方法,以达到充分利用条码结构性先验信息的目的,能显著提升方法的效果,尤其是将全局优化方法引入到神经网络中进行端到端学习,不仅保持了两者的优势同时还进一步提高了识别精度.实验结果证明了所提方法的有效性,达到约99.48％的识别精度,超越了传统的图像处理方法.     

水杨酸处理诱导采后甜瓜抗坏血酸-还原型谷胱甘肽循环代谢清除过氧化氢的作用及机制

目的：研究抗坏血酸（ascorbic acid，AsA）-还原型谷胱甘肽（reduced glutathione，GSH）循环代谢在水杨酸处理采后甜瓜诱导的过量H2O2清除过程中的作用。方法：用4 mmol/L水杨酸浸泡‘玉金香’厚皮甜瓜10 min，测定处理后果实常温贮藏过程中丙二醛（malondialdehyde，MDA）含量，分析活性氧的积累水平、超氧化物歧化酶（superoxide dismutase，SOD）和过氧化氢酶（catalase，CAT）活力，以及AsA-GSH循环过程相关酶活力及产物和底物含量。结果：水杨酸处理降低了果实MDA含量，第10天处理组MDA含量较对照组降低14.6%；显著提高了果实O2－·的产生速率和H2O2含量（P＜0.05），其中处理后第2天O2－·的产生速率高出同期对照组的1.9 倍，第6天H2O2含量高出对照组果实29.7%；提高了果实SOD活力，但抑制了CAT活力，说明H2O2的清除可能是依赖于除酶促系统外的其他系统。此外，水杨酸处理提高了果实抗坏血酸过氧化物酶、单脱氢抗坏血酸过氧化物酶、脱氢抗坏血酸还原酶和谷胱甘肽还原酶的活力，增加了AsA和氧化型谷胱甘肽的含量，降低了脱氢抗坏血酸和GSH的含量。结论：水杨酸处理诱导了厚皮甜瓜果实的氧爆，抑制了MDA产生，由水杨酸诱导产生的过量H2O2主要依靠AsA-GSH循环系统清除。     

基于可穿戴传感器数据的人体行为识别数据特征提取方法

随着可穿戴设备的发展与普及,基于可穿戴传感数据进行人体行为检测展现了巨大的研究价值.目前大多人类行为识别工作都是基于视频图像展开的,然而,使用计算机视觉技术进行人类行为识别存在2个挑战:一是很难使参与数据采集的人员在自然状态下采集真实状态下的运动数据,在开展数据采集之前往往需要对参与数据采集的人员进行培训并严格规范其采集动作,最终得到的数据将是背离真实生活的数据,其研究价值将大打折扣;二是数据采集过程中还涉及采集人员的隐私保护问题.为此,提出一种基于深度学习的数据特征提取方法.首先在灵活设置卷积核的基础上引入神经网络的分支结构多尺度提取原始数据的深度特征;然后将各分支得到的数据特征进行融合并作为下一个卷积层的输入.实验结果表明,与目前主流方法相比,该方法在MHEALTH,WHARF和USCHAD这3个标准数据集上的准确率和召回率都取得了更好的效果.此外,该方法还在2个较新数据集Stanford-ECM Dataset和DATAEGO上做了验证,结果表明该方法具有较好的泛化能力.     

基于模态局部化的可调式压电驱动谐振质量传感器的设计

该文提出了一种基于模态局部化现象来检测外部质量扰动的可调式压电驱动谐振质量传感器,质量传感器的检测结构由两个不同长度的悬臂梁通过机械耦合梁连接。首先利用哈密顿原理对压电驱动下的非对称谐振元件进行理论建模,采用伽辽金方法求解,得到前两阶模态下的振动特性;理论求解所得固有频率与COMSOL仿真分析、实验数据基本一致。实验研究表明,无调谐质量的谐振器检测范围为2~10 mg,添加调谐质量后的谐振器检测范围提高至1~13 mg,质量检测的分辨率也得到优化。此外,对传感器的结构进行非线性分析研究发现,超谐振动下的谐振器检测灵敏度提升了80%,这为非线性谐振传感器的设计提供了基础。     

速率加载历史对铁磁性材料压磁磁场演变规律的影响

以往的研究已经证明加载速率会对铁磁性材料的力学行为和周围压磁磁场产生影响，为了进一步研究历史加载速率对后续压磁磁场演变规律的作用，对Q345工程结构钢进行了一系列循环拉伸试验，采用磁通仪对试件压磁磁场进行在线监测，研究试件在经历不同的历史加载速率后，其压磁磁场的演变规律。结果表明：加载速率历史是影响压磁磁场演变的重要因素之一。     

基于音频特征的工程车辆工况识别研究

高效率地使用工程车辆是工程项目管理中节约成本的有效方法，无人监管环境下工程车辆的工况识别，是实现工程车辆高效率使用的有效手段。目前以GPS等技术为核心的车辆智能管理系统未对工程车辆进行工况识别，提出一种基于GRU循环神经网络的工程车辆工况识别方法，通过对工程车辆在不同工况下产生的音频信号进行分析，从中提取Mel倒谱系数作为主要特征，构建GRU循环神经网络模型进行训练和识别。实验结果表明，该方法可以实现对工程车辆工况的有效识别。