基于D类放大器的外置式DBS的驱动电路设计

以DBS的治疗参数为依据,设计了外置式DBS的驱动电路。以单片机MSP430的PWM输出作为信号源,来控制D类放大器的开关,D类放大器的双端输出用以驱动初级线圈。通过实验可在模拟负载两端获得有效的单极性刺激脉冲,此脉冲会随着信号源的频率,占空比等参数的变化发生相应的变化,并且得到了3%的传输效率,证明了D类放大器用于外置式DBS的驱动电路的可行性。     

一种振动信号降噪的堆叠降噪自编码器方法

为了解决振动信号降噪问题,提出一种基于堆叠降噪自编码器的方法.结合PReLU激活函数和批标准化对传统堆叠降噪自编码器进行改进,增强了模型的特征提取和信号重构能力.堆叠降噪自编码器方法使用编码器提取含噪振动信号中的特征,使用解码器进行信号重构,从而实现振动信号降噪.在正弦信号、调幅信号和轴承故障仿真信号下进行降噪实验,取...     

一种自编码器重构肺部电阻抗图像的方法研究

电阻抗层析成像技术(EIT)是一种非侵入式且无辐射的成像方法,备受医学领域关注.由于EIT问题的病态,不适定性及非线性特性,导致其重建图像分辨率低,伪影严重.为了提高EIT成像的空间分辨率,本文提出一种堆栈式自编码器(EIT-SAE)成像方法,采用监督式学习,构建肺部EIT图像数据库,经过训练学习,使自编码器具有良好的...     

基于残差自注意力连接的深度电学层析成像方法

针对电学层析重建(ET)的“软场”特性和逆问题求解的病态性所造成的边界伪影和空间分辨率低的问题,本文提出一种基于迭代展开的预重建模块和改进的注意力深度U形卷积神经网络(CNN)的深度成像方法。其中,预重建模块是由牛顿—拉夫逊迭代算法得到的4层反卷积神经网络;深度U形CNN模块中,在特征提取和重建模块中加入残差连接,用于缓解深度CNN模型中的梯度消失问题,同时引入自注意力跳跃连接实现对全局特征和局部特征的抽象融合,使模型更好地表达图像重建问题的非线性特征。重建结果表明空间分辨率高,内含物边界清晰,重建相对误差为0.10,相关系数为0.93,说明本方法可以有效改善ET图像的质量,为无损测量与检测可视化提出了一种可靠方法。     

采用自适应趋光方法提高光伏发电效率的实验研究

提出了一种新的自适应跟踪太阳方位的方法,该方法采用时间模拟结合光电跟踪的方式,有效避免了现有方法存在的问题.设计了一套结构简单、成本低廉的双轴太阳方位自适应跟踪系统,完成了测控系统的硬件和软件设计.实验结果表明采用该系统的太阳能发电装置效率可提高30%左右,具有很好的推广应用前景.     

一种抗噪声的自注意力神经网络轴承故障诊断方法

为抑制噪声信号对轴承故障诊断的不良影响,应对轴承诊断方法在生产现场噪声干扰下精度下滑的问题,提出了一种对噪声具有强鲁棒性的故障诊断方法。首先,以自注意力神经网络为主要研究对象,对模型的深度、宽度进行分析,确定模型的宽度为16维,深度为8层时诊断效果最佳;然后,通过对比试验验证了位置编码模块在模型中的必要性;最后,与CNN,LSTM,MLP,SIM等模型的对比结果表明,基于自注意力神经网络的模型能够在低强度噪声环境下取得接近100%的诊断精度,在高强度噪声环境下的诊断精度也优于其他模型。     

基于卷积变分自编码器的异常事件检测方法

针对传统的异常事件检测方法中手工提取的浅层特征无法统一表达不同场景的表观和运动信息问题,提出了一种基于卷积变分自编码器(ConVAE)的异常事件检测方法.首先构建了一个卷积变分自编码器网络,以视频帧序列作为网络输入,提取场景的深度特征;接着采用多变量高斯模型对在所有帧序列的深度特征图中位于同一位置的特征向量进行拟合,获...     

小样本下混合自注意力原型网络的风电齿轮箱故障诊断方法

针对部分风场因有标签故障样本数据稀少而导致风电齿轮箱故障诊断准确率不高的问题,提出了一种小样本下混合自注意力原型网络的故障诊断方法。首先,通过原型网络将振动信号映射到故障特征度量空间;然后采用位置自注意力机制和通道自注意力机制进行矩阵融合构建混合自注意力模块,建立原始振动信号的全局依赖关系,获取更具判别性的特征信息,学习风电齿轮箱各健康状态下的度量原型;最后通过度量分类器进行模式识别,实现小样本条件下风电齿轮箱的故障诊断。实验结果表明,所提出的混合自注意力原型网络故障诊断方法在不同小样本数据集上均能实现风电齿轮箱高精度故障诊断。     

基于改进堆栈降噪自编码器的锅炉设备在线监测数据清洗方法

数据清洗过程是对锅炉设备在线监测数据预处理的一个重要环节,针对数据清洗步骤繁琐,易导致连续性数据被破坏等问题,提出一种基于混合自适应性矩估计和随机梯度下降算法优化的堆栈降噪自编码器的数据清洗方法。首先,引入自适应性矩阵估计和随机梯度下降的混合算法,以不断调整堆栈降噪自编码器模型的网络参数。其次,利用模型训练正常状态数据,获取数据的隐藏特征,得到正常状态下的重构误差。再次,用该模型检测异常状态数据,根据其重构误差分析各种类型的数据对模型的影响,并对"脏数据"和反映设备故障的异常数据进行快速分类清洗修复。通过某电厂锅炉监测数据的清洗修补实验,证明了该方法能准确识别出"脏数据",修补后的数据亦能遵循数据整体的分布规律,满足了数据的清洗要求,为后续数据分析挖掘和设备故障诊断工作奠定了良好的基础。     

经颅磁刺激线圈结构设计分析综述

为了优化磁刺激线圈设计,解决磁场聚焦性不足的问题,并为以后经颅磁刺激(TMS)线圈结构的进一步改进提供设计依据,将经颅磁刺激技术更好的应用到临床治疗和科学研究中,在深入查阅研究相关文献的基础上,介绍了现有的几种典型线圈结构,并对经颅磁刺激中使用的不同线圈以及其在空间中产生的电场和磁场的强度和分布进行了分析、对比,研究了不同线圈结构的聚焦性和应用场合。研究结果表明:现有的改进型线圈结构虽然都具有自身的优点,并且在聚焦性或刺激深度方面大大超越了传统线圈,但结构过于复杂,能耗过高,实用性不足,在需要精确刺激靶点区域的情况下仍然不能提供令人满意的空间分辨率,因此经颅磁刺激线圈结构的进一步优化设计仍然具有很大的提升空间。     

面尺法求解哥古猜想解答

哥德巴赫猜想与古叶猜想合成哥古猜想（Goldbach-Guye’s Conjecture）：任何一个非零偶数（z）,都可表达为两个素数（y及x）之＂和＂或＂差＂;即有z＋=y＋x,或有z-=y-x。当知z＋或z-时,如何求解y及x配偶成副呢？文章介绍了求解哥古猜想解答的一种面尺法（利用‘定尺’与‘动尺’间的相对位移）,并按参考文献[8]的‘提示’提出了改进措施,使缩尺法更趋完善。     

缩尺法求解哥古猜想解答

哥德巴赫猜想与古叶猜想合成哥古猜想（Goldbach—Guye’s Conjecture）：任何一个非零偶数（z）,都可表达为两个素数（y及x）之‘和’或‘差’;即有z=y-x,或有z=y-x当知4或z时,如何求解y及x配偶成副呢？文章介绍了一种缩尺法（按照‘计算尺原理’利用‘定尺’与‘动尺’间的相对位移,求解哥古猜想解答）,并举例说明了缩尺法的应用特点和注意事项。     

选尺法求解哥古猜想解答

哥德巴赫猜想与古叶猜想合成哥古猜想（Goldl]ach-Guye’s Conjecture）：任何一个非零偶数（z）,都可表达为两个素数（y及x）之‘和’或‘差’;即有z＋=y＋x,或有z=y-X。当知4或五时,如何求解,及x配偶成副呢？文章介绍了求解哥古猜想解答的一种选尺法（利用‘y尺’与‘x尺’间的相对位移）,它属于变尺法求解哥古猜想解答的改革措施,可使缩尺法更趋紧凑。     

变尺法求解哥古猜想解答

哥德巴赫猜想与古叶猜想合成哥古猜（Goldbach—Guye’s Conjecture）：任何一个非零偶数（z）,都可表达为两个素数（y及x）之‘和’或‘差’;即有4=px,或有z-=y-x。当知墨或矗时,如何求解y及x配偶成副呢？文章介绍了求解哥古猜想解答的一种变尺法（利用‘,尺’与‘x欠’间的相对位移）,它属于面尺法求解哥古猜想解答的改革措施,可使缩尺法更趋完善。     

旋转永磁场光整加工中的磁场装置研究

阐述了利用永磁场和磨粒加工内孔表面的加工机理,通过改变铁芯的形状设计出了几种磁场装置,并用ANSYS对这些磁场装置进行了仿真,根据仿真结果得出了各装置的优缺点以及它们的适用范围。