基于单片机的非隔离电池大电流测试系统

针对钛酸锂电池大倍率放电电流检测问题,文中设计了一种基于单片机的非隔离钛酸锂电池大倍率放电全自动循环测试系统,可快捷测试钛酸锂电池在大倍率放电条件下的电压电流变化特性。该系统使用非隔离的采样电路记录钛酸锂电池在放电过程中电压与电流变化情况。以最低成本,并满足采样精度的条件下得到了钛酸锂电池在大倍率放电条件下的电压与电流变化曲线,与示波器采集得到的曲线进行对比分析,验证了系统采样结果的正确性。     

基于医疗文本数据聚类的帕金森病早期诊断预测

针对多发于老龄人群的帕金森病（PD）的早期智能化诊断的问题，提出基于医疗检测文本信息数据的聚类技术来对PD进行分析预测。首先，对原始数据集进行预处理以获取有效特征信息，并通过主成分分析（PCA）方法将原始特征分别降维到8个不同维度的维度空间；然后，应用5个传统的经典聚类模型和3种不同的聚类集成方法分别对8个维度空间的数据进行聚类；最后，采用4个聚类性能指标来预测数据集中的多巴胺异常PD患者、健康体和无多巴胺缺失（SWEDD） PD患者。仿真结果显示，PCA特征维度值取30时，高斯混合模型（GMM）的聚类准确度达到89.12%；PCA特征维度值取70时，谱聚类（SC）的聚类准确度达到61.41%；PCA特征维度值取80时，元聚类算法（MCLA）的聚类准确度达到59.62%。对比实验结果表明，5种经典聚类方法中，PCA的特征维度值小于40时，高斯混合模型聚类效果最佳；3种聚类集成方法中，对于不同的特征维度，MCLA的聚类性能均表现优异，进而为PD的早期智能化辅助诊断提供了技术和理论支撑。     

装备维修保障管理业务训练研究

分析了装备维修保障管理业务训练的需求,构建了训练的内容体系,从功能设计、软件构成设计、训练流程设计3个方面设计了训练信息化系统,分析了装备维修保障管理业务训练的应用前景,为装备维修保障管理业务训练工作的创新和发展提供了依据。     

低功耗常温CO气敏元件

采用超细SnO2粉体为材料基体，MQ-Y1元件生产工艺制成超细CO元件。在考察了工作温度、选择性、灵敏度、稳定性、响应及恢复时间等器件参数后认为，此元件可以在稍高于室温条件（25～30℃）下工作，是一种具有重要开发应用前途的气敏元件。     

排除触点不良引起的启动故障

JJ201型印刷机的主电机为三相半控桥直流无级调速。该机在低速启动时出现了故障。 故障现象:在程控运行的情况下,当主拖动电机速度在3000张/小时以下时,电机不能启动。此时,测得给     

储能应用中的BMS系统设计∗

设计了一款适用于储能应用中的电池管理系统.该系统为３层结构,采用 MC33771作为模拟量采样芯片, 实现了电池的电压、电流、温度等数据的获取,并在此基础上完成了其他需求功能。以储能系统中广泛使用的钛酸锂电池为实际测试对象,测试结果表明所设计的BMS系统能够实现对电池各项信息的准确采样,其中电压测量误差不超过２mV,电流采样误差在0.1％以内,并可有效完成各项设定功能,满足储能应用需求。     

热处理对汽车用AZ91镁合金微观组织和力学性能的影响

研究了汽车用AZ91镁合金挤压后固溶时效处理对其微观组织和力学性能的影响。结果表明:AZ91镁合金的微观组织主要由基体α-Mg和约20.6wt%的β-Mg17Al12相组成,晶粒平均尺寸约为22μm。固溶处理后合金发生再结晶,β相完全回溶到α-Mg基体,约有15.6wt%的二次β相在时效过程中析出。AZ91镁合金在410℃固溶8 h后拉伸强度略微增大,而固溶处理16 h后拉伸强度降低。合金随后在200℃时效8~16 h的过程中析出细小二次β相,增加了晶内位错运动和晶界滑动阻力,使合金的拉伸强度逐渐增大。时效24 h后因细小二次β相的粗化而使合金力学性能降低。挤压态AZ91镁合金较优的固溶时效工艺为:410℃×8 h,空冷+200℃×16 h,空冷。     

PLC输出继电器改进一例

我厂用的上海紫光机器厂生产的骑马联动装订机(8C型)在一次使用中,PLC一个输出继电器曾出现过一次故障,它也是该机惟一出过故障的地方,也是后来的8D型所改进的地方。 生产中装订好的书籍需要计数,并由一块转换挡板轮流将书放在两个书架上。该挡板由PLC输出控制—电磁铁执行,当时出现了挡板不动作的故障现象。     

磁粉芯在高性能EMI滤波器中的应用

介绍了用铁硅名磁粉芯制作的单级和双级滤波器的频率响应特性,对应用三种不同磁粉芯材料（铁镍钼合金,50％铁镍合金,铁硅铝合金）所制成的滤波器的性能进行了测试,并给出相关的特性曲线。     

基于主成分的BP神经网络共享单车骑行预测

共享单车数据预测是近十年来城市交通出行大数据的重要关注点。本文建立基于主成分的BP神经网络模型，较好地预测了共享单车租借数据，并与全因素的BP神经网络模型进行对比分析。结果表明基于主成分分析的BP神经网络模型，在精度损失较小的条件下，大幅降低了输入变量的维度，提高了模型训练和预测的效率，对于多因素大数据预测分析，能兼顾效率与精度。