柔性纤维结构超级电容器研究进展

为了提高电源器件与人体高曲率表面的适配性，电源器件突破平板结构的限制，衍生出了柔性纤维结构。柔性纤维超级电容器具有高功率密度、超长循环寿命和柔性舒适等特点有望成为最具前景的柔性可穿戴电源之一。因此，本文主要介绍了碳材料、过渡金属氧化物以及复合材料三种功能材料对柔性纤维超级电容器结构和性能的影响。每种材料凭借自身独特的性质在柔性纤维超级电容器器件中发挥着重要作用，并助力可穿戴电源器件的发展。     

基于SRAM的通用存算一体架构平台在物联网中的应用

最近,存算一体(IMC)架构引起了广泛关注,并被认为有望成为突破冯诺依曼瓶颈的新型计算机架构,特别是在数据密集型(data-intensive)计算中能够带来显著的性能和功耗优势.其中,基于SRAM的IMC架构方案也被大量研究与应用.该文在一款基于SRAM的通用存算一体架构平台——DM-IMCA的基础上,探索IMC架构在物联网领域中的应用价值.具体来说,该文选取了物联网中包括信息安全、二值神经网络和图像处理在内的多个轻量级数据密集型应用,对算法进行分析或拆分,并将关键算法映射到DM-IMCA中的SRAM中,以达到加速应用计算的目的.实验结果显示,与基于传统冯诺依曼架构的基准系统相比,利用DM-IMCA来实现物联网中的轻量级计算密集型应用,可获得高达24倍的计算加速比.     

基于电机效率的纯电动汽车传动系统参数匹配研究

为降低能耗、提高续航里程,本文提出了以提高电机效率为目标的纯电动汽车三档变速传动方案.首先,在分析电机工作特性的基础上提出了三档传动系统参数匹配方法;然后以某纯电动汽车为研究对象,对其驱动系统进行了改动:方案一在不改变原车型动力系统参数的情况下将传动系统由一档改为三档,并运用所提出的方法确定各档位的传动比;方案二在满足整车动力性指标要求下对电机重新选型并匹配三档传动系统;最后利用ADVISOR软件进行NEDC工况仿真分析.结果表明:在不改变原车型动力系统参数的情况下,采用三档传动可使整车的动力性和经济性都有一定的提升,续航里程提高了 9.2％,百公里电耗降低了 1.28 kW·h;重新选型电机后,采用三档传动续航里程提高了 14.1％,百公里电耗降低了 1.87kW·h.     

中药桂枝总黄酮的提取工艺研究

优化桂枝总黄酮的提取工艺，建立桂枝的提取和含量测定方法。通过单因素试验，考察提取方法、提取溶剂浓度、提取体积、提取时间对药材总黄酮含量的影响，采用正交试验，优化提取工艺条件，筛选出桂枝总黄酮的最佳提取工艺。总黄酮最佳提取工艺为75%乙醇、料液比1:40、回流提取时间60 min。该方法能有效测定桂枝药材总黄酮的含量，为该药材的质量标准研究提供一定的科学依据。本方法重复性较好、方法稳定、可行。     

定距螺旋桨对船用主机外特性的要求分析

为解决定距螺旋桨与船用主机在船舶运行工况的机桨匹配问题,结合船舶系泊和航行试验的相关标准,分析和归纳船舶运行数据,将实船测试与船机桨匹配理论计算相结合,得出运输船和拖轮在常用工况及特殊工况下定距螺旋桨对主机外特性的定量要求,为配套不同细分市场时船用主机的优化和开发提供参考依据。     

Maximum likelihood-based adaptive differential evolution identification algorithm for multivariable systems in the state-space form

Parameter estimation plays an important role in the field of system control. This article is concerned with the parameter estimation methods for multivariable systems in the state-space form. For the sake of solving the identification complexity caused by a large number of parameters in multivariable systems, we decompose the original multivariable system into some subsystems containing fewer parameters and study identification algorithms to estimate the parameters of each subsystem. By taking the maximum likelihood criterion function as the fitness function of the differential evolution algorithm, we present a maximum likelihood-based differential evolution (ML-DE) algorithm for parameter estimation. To improve the parameter estimation accuracy, we introduce the adaptive mutation factor and the adaptive crossover factor into the ML-DE algorithm and propose a maximum likelihood-based adaptive differential evolution algorithm. The simulation study indicates the efficiency of the proposed algorithms.     

Nanomaterials for radiotherapeutics-based multimodal synergistic cancer therapy

Over the past decade, numerous studies have attempted to enhance the effectiveness of radiotherapy (external beam radiotherapy and internal radioisotope therapy) for cancer treatment. However, the low radiation absorption coefficient and radiation resistance of tumors remain major critical challenges for radiotherapy in the clinic. With the development of nanomedicine, nanomaterials in combination with radiotherapy offer the possibility to improve the efficiency of radiotherapy in tumors. Nanomaterials act not only as radiosensitizers to enhance radiation energy, but also as nanocarriers to deliver therapeutic units in combating radiation resistance. In this review, we discuss opportunities for a synergistic cancer therapy by combining radiotherapy based on nanomaterials designed for chemotherapy, photodynamic therapy, photothermal therapy, gas therapy, genetic therapy, and immunotherapy. We highlight how nanomaterials can be utilized to amplify antitumor radiation responses and describe cooperative enhancement interactions among these synergistic therapies. Moreover, the potential challenges and future prospects of radio-based nanomedicine to maximize their synergistic efficiency for cancer treatment are identified.

     

基于深度学习的秀丽隐杆线虫显微图像分割方法

利用计算机实现自动、准确的秀丽隐杆线虫(C.elegans)的各项形态学参数分析,至关重要的是从显微图像上分割出线虫体态,但由于显微镜下的图像噪声较多,线虫边缘像素与周围环境相似,而且线虫的体态具有鞭毛和其他附着物需要分离,多方面因素导致设计一个鲁棒性的C.elegans分割算法仍然面临着挑战。针对这些问题,提出了一种基于深度学习的线虫分割方法,通过训练掩模区域卷积神经网络(Mask R-CNN)学习线虫形态特征实现自动分割。首先,通过改进多级特征池化将高级语义特征与低级边缘特征融合,结合大幅度软最大损失(LMSL)损失算法改进损失计算;然后,改进非极大值抑制;最后,引入全连接融合分支等方法对分割结果进行进一步优化。实验结果表明,相比原始的Mask R-CNN,该方法平均精确率(AP)提升了4.3个百分点,平均交并比(mIOU)提升了4个百分点。表明所提出的深度学习分割方法能够有效提高分割准确率,在显微图像中更加精确地分割出线虫体。