基于STEAM的机器人竞技平台研发

基于创客和STEAM教育理念研制一种适用于中小学生的机器人竞技平台.通过机器人模块化设计分析和图形编程,达到了满足学生动手改装机器人需求的目的.该平台可以实现多机器人竞技赛和对抗赛,能够实时显示比赛图像、机器人位置信息和运行参数,并提供自动控制和遥控两种控制模式,自动完成实时计分与比赛结果统计,为机器人竞技比赛和中小学生STEAM教育提供了可靠设备.     

双对苯醌的抗氧化活性分析及其固体发酵条件优化

为探索生物活性未知的双对苯醌（2,7-dihydroxy-3,6,9-trimethyl-9H-xanthene-1,4,5,8-tetraone，DTXT）的抗氧化活性，并提高其发酵产量，考察DTXT的还原力以及对超氧阴离子自由基、羟自由基、1,1-二苯基-2-三硝基苯肼（1,1-diphenyl-2-picrylhydrazyl，DPPH）自由基的清除效果，在单因素试验基础上，采用响应面法优化了DTXT产生菌瓶生顶孢霉（Acremonium cavaraeanum）CA022菌株的固体发酵培养基。结果表明：在200 μg/mL质量浓度下，DTXT的还原力与芦丁差异不显著，高于VE和2,6-二叔丁基-4甲基苯酚，对超氧阴离子自由基清除率达到67.00%，对羟自由基清除率达到78.83%，对DPPH自由基清除率达到76.53%。通过响应面试验，得到最佳培养基配方为葡萄糖0.773%、硝酸钠0.185%、H3BO3 0.032%、VB1 100 μg/100 g，在此条件下实际获得的DTXT产量为4 150.8 mg/kg，是优化前产量的（2 864.83 mg/kg）1.45 倍。     

温度对变压器绝缘缺陷影响规律的分析及验证

本文中作者研究了温度对油浸式变压器绝缘纸老化水平的影响,开展了频域介电谱测试得出不同的试验温度下绝缘纸的电导率频域谱.推导了温度、电导率和相对介电常数之间的作用情况,并进行实例验证.     

成分配比对稀土钨电极材料组织及力学性能影响

通过固液掺杂、等静压压制、中频烧结的方法，制备了不同的氧化镧、氧化钇、氧化锆三元掺杂成分比例的钨电极材料烧结棒材，探究了不同成分配比对样品显微组织、第二相粒子分布以及宏观力学性能的影响。结果表明，氧化镧、氧化钇、氧化锆三元复合添加能够有效改善第二相粒子在钨基体中的分布形态，降低第二相在晶界的过度富集，提高钨电极材料的综合力学性能。并且当添加成分镧、钇、锆质量比为3:1:1时，材料具有最好的综合力学性能，致密度可达96.04%，显微硬度可达549.37HV0.3，抗压强度可达3785MPa，原因是此配比下第二相粒子最为细小均匀，弥散程度最高，对基体晶粒的细化作用最好，该配比下钨基体平均晶粒尺寸达到10.3μm。     

西藏燕麦主要种植区灌溉定额空间分布及影响因素

燕麦为西藏自治区典型牧草之一,由于种植区地域辽阔,灌溉试验结果受限,西藏燕麦主要种植区的灌溉定额尚不明确。本文在西藏燕麦主要种植区内选取28个典型站点进行资料收集,遵循农业气候相似原则进行区域划分,基于水量平衡法揭示了西藏燕麦主要种植区灌溉定额的空间分布特征,并根据统计学原理分析了其影响因素。研究表明:燕麦主要种植区的灌溉定额呈由西藏中部至东部呈现先递增后递减的趋势,50%水文年下的燕麦灌溉定额在56~265 mm之间变化。降雨量是影响研究区内燕麦灌溉定额的主要因素(R²为0.515),ET₀次之(R²为0.152);其它气象因素中,日照时数对研究区燕麦灌溉定额影响较大(R²为0.462),且呈正相关关系;相对湿度对燕麦灌溉定额影响较小。西藏燕麦主要种植区的灌溉定额及其空间分布可为西藏自治区灌溉用水管理提供支撑。     

基于形态特征提取的急性下壁心肌梗死BiLSTM网络辅助诊断算法

急性下壁心肌梗死是一种病发急、进展快、致死率高的心脏疾病,该文提出一种新颖的基于形态特征提取的BiLSTM神经网络分类的急性下壁心肌梗死辅助诊断算法,可大幅度提高医生对急性下壁心肌梗死疾病的诊断效率并有助于及时确诊.算法包括:对胸痛中心数据库心拍信号进行降噪及心拍分割;根据临床心内科医学诊断指南提取了12导联波形距离特征和分导联波形幅值特征;依据提取的特征搭建LSTM与BiLSTM神经网络进行心拍的分类识别;使用PTB公开数据库和胸痛中心数据库多临床中心进行交叉验证.实验结果表明,加入胸痛中心真实临床数据后,基于形态特征提取BiLSTM神经网络的急性下壁心肌梗死辅助诊断算法准确率达到99.72％,精度达到99.53％,灵敏度达到100.00％,同时F1-Score达到99.76.该算法比其他现有算法准确率提高至少1％,该项研究具有非常重要的临床应用价值.     

基于VMD和BSA-KELM的高陡边坡位移预测模型研究

边坡位移的时间序列曲线存在复杂的非线性特性,传统的预测模型精度不足以满足预测要求。为此提出了基于变分模态分解的鸟群优化-核极限学习机的预测模型,并用于河北省某水泥厂的边坡位移预测。该方法首先采用VMD把边坡位移序列分解为一系列的有限带宽的子序列,再对各子序列分别采用相空间重构并用核极限学习机预测,采用鸟群算法优化相空间重构的嵌入维度和KELM中惩罚系数和核参数三个数值,以取得最优预测模型。最后将各个子序列预测值叠加,得到边坡位移的最终预测值。结果表明：和KELM、BSA-KELM、EEMD-BSA-KELM模型相比,基于VMD的BSA-KELM预测精度更高,为边坡位移的预测提供一种有效的方法。