基于KNN算法的不良步态分类

针对不良的步态会对下肢的关节产生不利的影响(加重行走的负担,能量消耗过快等),以及加重患病的风险,提出了利用KNN(k-nearest neighbor)算法对足外8和足内8两种不良步态与正常步态(对照组)进行分类学习,获取分类模型.三种步态的三维步态数据是从17名受试者在正常行走期间通过3D运动捕捉系统获得的,KNN模型对三种步态识别的总正确率为81.7％,对足外8步态的正确率为92.8％以及足内8的正确率为91.0％.模型的正确率较为准确,可以为矫正不良步态提供有力支持、减少不良步态的检测成本.     

基于1D CNN与XGBoost的恶意代码纹理检测

恶意代码数量已经呈现爆炸式增长,对于恶意代码的检测防护显得尤为重要.近几年,基于深度学习的恶意代码检测方法开始出现,基于此,提出一种新的检测方法,将恶意代码二进制文件转化为十进制数组,并利用一维卷积神经网络(1 Dimention Convolutional Neural Networks,1D CNN)对数组进行分类和识别.针对代码家族之间数量不平衡的现象,该算法选择在分类预测上表现良好的XGBoost,并对Vision Research Lab中的25个不同恶意软件家族的9458个恶意软件样本进行了实验.实验结果表明,所提的方法分类预测精度达到了97％.     

常温挤出糖霜3D打印机设计

目的:设计一款满足安全、卫生、操作便捷、结构性能稳定等要求的糖霜制品3D打印机.方法:打印机主要包括机械结构和控制系统,机械结构方面采用龙门架结构,并对传统的打印料罐进行改良.控制系统采用“工控机+运动控制卡”的模式.结果:该打印机可快速更换料罐(30s内),打印机成型速度快(≥5000mm/min),速度可调;成型精度控制在1mm 以内;成型件的强度、膨胀率和表面粗糙度指标均较好.自带光源的图像识别及处理系统能够识别产品形状、个数及完整性等.结论:改良后的料罐提高了半流体食品打印的卫生性、生产效率,且便于耗材的更换,能加工出复杂糖画模型以满足造型独特的个性化糖艺制品的需求.     

一种用于水声材料设计的动态参数测试方法

针对提高水声材料设计中动态参数输入精度的问题，提出了一种复杨氏模量及泊松比准确测试方法。对于复杨氏模量测试，通过将Williams-Landel-Ferry(WLF)方程引入到Havriliak-Negami(H-N)模型中，采用信赖域反射算法对未知参数进行拟合得到材料参数宽频域主曲线。对于泊松比测试，根据同一材料不同形状因子表观杨氏模量之比与泊松比存在唯一量化关系的特性，仅通过两种不同形状因子试样的准静态有限元模拟，获得表观杨氏模量比值与泊松比量化曲线。因此，根据橡胶样品表观杨氏模量测试结果，可以直接利用局部加权回归获得其泊松比。最后，将前述材料制成直径为55 mm、厚度为50 mm的声管样品，放置在水声管中进行吸声系数测试。同时，把橡胶的复杨氏模量和泊松比的测量结果输入到水-橡胶-水分层介质模型中进行吸声系数计算。结果表明两者吻合，验证了上述测试方法的正确性和有效性。     

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。     

改性沸石填充电化学反应器处理生活污水中氨氮的试验研究

利用改性沸石填充电化学反应器对30 mg/L的模拟生活氨氮污水进行处理试验研究，考察了电流密度、氯离子浓度和初始pH对该反应器处理氨氮污水的影响，并对各因素下反应器处理低浓度氨氮污水的反应结果进行了探讨与分析。结果表明，在电流密度为13.19 mA/cm²、初始pH为7.89、氯氮比为6.2时，其氨氮的去除率可达到96.71%;各因素交互作用对于该体系下氨氮去除效果影响大小为：电流密度&氯氮比>电流密度&pH>氯氮比&pH。