乙醇浓度预测的多元线性回归模型建立及验证

设计了由光源、气室、探测器和控制器等组成的非分散红外吸收系统，往气室内通入不同浓度的多组分气体（含有乙醇、二氧化碳和水蒸气），采用红外光谱仪进行光谱数据采集，得到多组分气体混合光谱图。根据数据集样本求解回归系数，建立了多元线性回归模型，并进行干扰修正以降低二氧化碳和水蒸气对乙醇浓度预测的影响。对建立的多元线性回归模型进行评价，结果表明:模型真实有效且具有良好的线性回归效果，可以用于预测气体浓度，乙醇、二氧化碳和水蒸气浓度预测误差均在可接受的范围之内，其中乙醇浓度预测误差最小，不超过2.0×10-4。通过干扰修正尽可能排除二氧化碳和水蒸气的干扰，能够较准确地预测乙醇浓度。     

FE-SEA方法在平台支持船噪声预报中的应用

平台支持船由于作业需要通常配备有动力定位系统,其在侧推工况下舱室噪声超标较为严重。针对这个问题采用计算流体力学(CFD)方法,得到侧推螺旋桨作用在导管上的脉动压力,并将时域计算结果转换成噪声计算的激励条件。采用有限元(FE)与统计能量分析(SEA)混合方法建立船体中频段FE-SEA耦合模型并建立船体高频段SEA模型,对某65 m AHTS船侧推工况下全频段(63 Hz~8000 Hz)舱室噪声进行预报,分析该船噪声分布规律及主要影响因素。并建立起全船的SEA模型,在中频段对比SEA与FE-SEA两种方法得到的舱室声压级频谱曲线,验证了使用混合模型的必要性。     

面向多数据流的车厢拥挤回归分析方法

公交车拥挤度分析对维护公共交通安全起着重要的作用.针对在传统的目标检测方法中使用单个摄像头导致无法获取完整的车厢图片信息,以及在高密度场景下乘客与乘客之间的遮挡或者乘客被车厢内的座椅等物体遮挡的问题,提出了一种借助两个前后车厢的摄像头面向多数据流的车厢拥挤回归分析方法.首先,定义一个线性方程;其次,获取相对可见信息:公交车最大核载人数、根据人眼标记出的总人数、以及通过YOLOv3和ResNet50分别检测出车厢内人头数和拥挤率;然后,将包含已知信息的样本数据矩阵和期望值向量代入所定义的方程中,拟合出隐含信息:系数向量和偏置项,构建出一个多元一次线性回归方程,在高密度环境中狭窄和遮挡严重等情况下能够获得更为精确的车厢内总人数;最后,通过人数估计线性回归算法,获得最终的车厢内总人数.实验结果表明,所提方法能够预测出公交车上的人数,实时获得公交车上的人群流量,并且通过平均绝对误差(MAE)和均方误差(MSE)对数据进行误差分析后,验证了该方法能够正确地反映公交车拥挤度.     

基于双时间点检测的毫米波雷达人流量监测方法

针对现有基于视频监控的人流量统计方案成本高、算法复杂且不利于个人隐私保护的局限性，利用毫米波雷达体积小、成本低、分辨率高的特点，提出了一种基于双时间点检测的人流量监测方法。该方法先获取人体目标散射点位置和多普勒频移信息来构成点云数据，然后根据多普勒频移正负来判断人体的运动方向，并筛选具有高多普勒频移值的点云数据以降低干扰点对聚类结果的影响；在双时间点对特定区域内人员数量进行统计，并根据双时间点之间所获取的点云数据聚类结果对所统计人员数据进行修正。实验结果表明，该方法能够用匿名的方式以较高的正确率统计人员进出。     

基于Logistic回归的老年人APP用户体验优化设计

目的 提升老年人APP的用户体验水平。方法 提出一种基于Logistic回归的老年人APP用户体验优化设计研究方法。首先，通过文献研究和焦点小组法确定APP的设计模式，并选择合适的正交表确定设计模式的组合方式；其次，构建以行为体验、感知体验和情感体验为基础的用户体验评价体系，邀请被试者对试验样本执行具有代表性的任务，并对用户体验进行评价研究，收集试验数据；再次，运用序次Logistic回归建立APP设计模式与用户体验之间的关系模型，确定APP的最佳设计方案；最后，运用A/B测试方法对得到的试验结果进行验证。结论 以老年人移动医疗APP为例进行研究，结果表明所提出的方法可以有效地对老年人APP的用户体验进行优化设计，有助于设计师了解老年用户的偏好，设计出适合老年人使用的APP。     

《机电工程》杂志2019—2021年载文作者群分析

以《机电工程》2019年至2021年刊载的稿件为统计源，统计每篇论文作者数量，以及第一作者的年龄、性别、职称、学历和单位，并对上述数据进行详细的分析，为科学办刊提供依据。     

CHINAPLAS携4000+展商强势回归上海 橡塑创新解决方案蓄势待发,一起先睹为快

全球橡塑高科技大展——"CHINAPLAS 2022国际橡塑展"重磅回归上海,启用36万平方米展示面积,携手4 000+家海内外的优质展商,以前沿创新科技迎接橡塑行业的全新挑战与时代机遇。第二波展品倾囊放送,助行业人士及早把握行业发展风向标。