基于改进麻雀搜索算法的3DDV-Hop定位算法

针对经典3DDV-Hop算法定位精度不高的问题,提出一种基于改进麻雀搜索算法优化的改进的3DDV-Hop算法。算法首先通过多通信半径优化传感器节点之间跳数,并且在平均跳距计算过程中引入动态加权因子提高平均跳距计算精度,最后利用改进后的麻雀搜索算法替代最小二乘法计算未知节点坐标,将未知节点坐标计算问题转化成改进后的麻雀搜索算法寻优问题。经过matlab仿真验证,改进算法对比于经典3DDV-Hop算法和相关算法,定位精度得到有效提高。     

基于DCNN网络及Self-Attention-BiGRU机制的轴承剩余寿命预测

深度神经网络在剩余寿命预测(RUL)领域得到了广泛的应用。传统的滚动轴承寿命预测模型存在预测精确度较低、鲁棒性较弱的问题。为了进一步提升预测模型的精确度以及鲁棒性,提出了一种融合深度卷积神经网络(DCNN)、双向门控循环单元(BiGRU)以及自注意力机制(Self-Attention)三种模块的滚动轴承剩余使用寿命预测模型。首先,利用DCNN网络对原始振动信号的时域特征、频域特征进行了提取;然后,使用不确定量化的方法对提取到的特征进行了评价和筛选,利用筛选过后的特征构建了新的替代特征集;最后,利用Self-Attention-BiGRU网络对轴承的剩余使用寿命进行了预测,并在IEEE PHM2012数据集上进行了验证。实验结果表明：相较于BiGRU、GRU和BiLSTM三种模型的预测结果,基于DCNN及Self-Attention-BiGRU方法的预测结果最优,两项误差值：平均绝对误差(MAE)、均方根误差(RMSE)最低,其中工况一的一号轴承RUL预测的MAE值相较于BiGRU、GRU以及BiLSTM网络分别下降了7.0%、7.4%和6.5%,RMSE值相较于其他三种模型分别下降了7...     

基于人机工程的踏板电动车儿童安全座椅设计

目的 针对近年来儿童乘坐电动自行车频发伤亡事故的现状,研究现有电动车儿童安全座椅不合理的人机关系;从安全性、易用性的角度出发,为儿童安全座椅提供设计依据。方法 采用人机工程学理论,综合分析了儿童安全座椅的人机工程学因素;运用产品设计中人体尺寸的应用原则,对儿童安全座椅进行了安全、合理的人机尺寸设计;使用调查法对儿童安全座椅的使用场景与使用方式进行了调研,得出了儿童安全座椅须符合人机工程学的功能与结构设计要求;依据儿童的生理和心理特征,对造型要素进行了分析。结果 从可调节性、便携性、安全性等方面展开了研究,得出了儿童安全座椅的合理尺寸与结构设计要求,基于儿童的心理与生理特征,得出了安全座椅的造型设计要求。结论 以踏板电动车为例,进行儿童安全座椅的创新设计实践,实现以人为中心,安全、舒适、便携的人机关系。