掺钪AlN材料特性及HBAR器件性能研究

该文基于掺钪AlN薄膜制备了高次谐波体声波谐振器(HBAR),研究了钪(Sc)掺杂浓度对AlN压电薄膜材料特性及器件性能的影响。研究表明,当掺入Sc的摩尔分数从0增加到25%时,压电应力系数e₃₃增加、刚度 下降,导致Al₁-_xSc_xN压电薄膜的机电耦合系数 从5.6%提升至15.8%,从而使HBAR器件的有效机电耦合系数 提升了3倍。同时,当Sc掺杂摩尔分数达25%时,Al₁-_xSc_xN(x为Sc掺杂摩尔分数)压电薄膜的声速下降13%,声学损耗提高,导致HBAR器件的谐振频率和品质因数降低。     

基于ERNIE-BiGRU模型的摘要语步自动识别研究

学术文献的摘要是对文献主要内容的浓缩,摘要不同部分的语步具有不同的信息,语步的自动识别和抽取对于学术摘要的后续研究有着重要的应用价值,而目前语步识别的研究相对较少,并且相关算法的效果还需要提高。针对上述问题,该文提出了一种基于ERNIE-BiGRU模型的语步识别算法。该算法首先结合中文句法分析理论提出基于句法依存关系的多语步结构拆分法,对学术文献摘要多语步结构进行自动拆分,获得多个单语步结构;然后构建用于训练的单语步结构语料库,并利用知识增强语义表示预训练模型,训练出句子级词向量;最后将训练出的单语步结构词向量信息输入双向门限循环单元(BiGRU)进行摘要语步自动化识别,取得了良好的效果。实验结果表明,该算法具有较好的鲁棒性和较高的识别精度,在结构化和非结构化摘要上的识别准确率分别达到了96.57%和93.75%。     

移动设备交互环境下的注视点感知计算方法

为了提高移动设备上眼动跟踪的精度和效率、降低硬件成本,提出基于注视点回忆的眼动数据感知计算方法.首先利用人的短时记忆特性建立注视点回忆和自我报告机制,要求用户点击移动设备屏幕来提交注视点位置数据;然后基于支持向量回归方法建立注视点数据误差补偿模型,对用户回忆和提交的注视点数据进行校正,进一步提高数据精度.为了验证数据误差补偿模型的效果,设计并开展了用户实验,结果表明,使用数据误差补偿模型后,对于不同类型的测试任务和测试图片,注视点回忆数据精度提高15%～40%.     

基于神经网络和遗传算法的锭子弹性管性能优化

为得到减振弹性管对下锭胆的支承弹性和锭子高速运动下的稳定性等性能的最优匹配效率,依据减振弹性管的等效抗弯刚度及底部等效刚度系数公式,利用MatLab数值分析软件构建弹性管抗弯刚度和底部挠度数学模型。首先,结合Isight优化软件基于径向基神经网络构建其近似模型,且使精度达到可接受水平,并以模型的关键结构参数弹性模量、螺距、槽宽、壁厚为设计变量,结合遗传算法对弹性管抗弯刚度和底部挠度进行多目标优化设计,得到Pareto最优解集和Pareto前沿图,确定出减振弹性管结构工艺参数的优化方案。通过对优化数据进行分析发现,该方案在保证减振弹性管弹性的同时,其底部振幅明显减弱。     

基于模糊多模型的堆芯功率控制

传统的堆芯功率PID控制器是基于单一功率水平处的堆芯局部模型设计的，难以准确描述整个堆芯功率水平范围的控制。因此，本文基于5个不同功率水平下的传递函数模型，通过三角隶属度函数加权，建立堆芯模糊多模型，并依据该模型设计堆芯功率模糊PID控制。以TMI型压水堆堆芯为对象，开展不同初始功率水平下的堆芯功率跟踪、堆芯进口温度扰动的控制仿真。结果表明，基于模糊多模型设计的堆芯功率模糊PID控制器可实现对堆芯功率的良好控制。     

蓝藻基生物降解共混膜的力学性能

以聚乙烯醇(PVA)和水华蓝藻为主要原料,通过溶液铺膜法制备了蓝藻/PVA共混膜,采用万能试验机,研究了不同助剂对蓝藻/PVA共混膜力学性能的影响。结果表明,蓝藻的添加显著降低了共混膜的力学性能。当添加比例为PVA的1/2时,膜的拉伸强度和断裂伸长率分别比无藻处理下降了65.89%和79.57%。甘油、尿素显著提升了蓝藻/PVA共混膜的断裂伸长率,当添加比例为蓝藻的1/2时,分别能使共混膜的断裂伸长率提高73.20倍和62.02倍。虽然柠檬酸、硅烷偶联剂能够提升蓝藻/PVA共混膜的拉伸强度,但只能在低剂量时促进断裂伸长率的小幅提高,当柠檬酸添加比例为蓝藻的1/40时,膜的断裂伸长率能提高4.41倍,而当硅烷偶联剂添加比例为蓝藻的1/20时,膜的断裂伸长率能提高1.49倍。尿素与甘油复合增塑,更有利于提升共混膜的断裂伸长率。硅烷偶联剂与甘油复合增塑,更有利于提升共混膜的拉伸强度。     

太阳能多功能供暖系统的研究

为解决燃煤供暖既污染环境又浪费能源的实际问题,利用太阳能能量丰富、清洁无公害的特点,设计了一个全天为房间供暖的太阳能多功能供暖系统。该系统主要以太阳能为主,电为辅给地暖不间断的供应能量,而在这个过程中,太阳能跟踪、室温控制、温度和水位监测等功能的完美结合,保证了系统高效、正常的运行。     

基于YOLOv4与光流法的行人检测和计数方法研究

针对行人进行检测与统计的问题进行分析和研究,提出一种基于深度学习的方法。首先分析YOLOv4算法的优越性,并使用监控下获取的行人图像和YOLOv4算法,训练出深度学习模型。再在监控下进行实时行人检测和统计,针对部分实验结果精度较小的问题,采用光流法进行改进。改进后的检测速度以及检测精度基本满足行人检测和计数的需求。