基于驰振的压电能量采集器建模与实验研究

针对低信噪比环境下核电站松动件的检测,以降低误报率、漏报率为目标,提出了一种基于盲解卷积算法的松动部件冲击响应提取方法,并进一步结合支持向量机分类辨识算法,给出了一种低信噪比环境下核电站松动部件检测方法。利用叠加实堆背景噪声的平板钢球跌落实验数据开展了报警研究,并对盲解卷积算法进行了参数优化设计。结果表明：优化后的盲解卷积算法能够很好地恢复出信噪比低至-20dB的冲击响应信号,并使噪声能量降低了75%,有效抑制了噪声;给出的松动部件检测方法在信噪比低至-14dB时,仍具有极低的漏报率,并且噪声误报率和脉冲干扰误报率为零,因而具有良好的抗误报、抗漏报能力。     

人工蜂群优化BP神经网络在汽车座椅舒适性中的应用

汽车座椅舒适性的主观评价和客观评价之间的关系存在复杂性和高非线性的特点。传统的BP神经网络(反向传播神经网络)对初值敏感且容易陷入局部最优解,因此无法建立精确的座椅舒适度预测模型。针对该问题,提出利用人工蜂群算法优化后的BP神经网络(ABC-BP)来预测座椅的舒适性的方法。通过开展体压试验得到了176组压力分布样本数据,其中89%的数据作为模型的训练部分,11%的数据作为模型验证,将预测结果与真实值相比较,ABC-BP预测模型的均方误差MSE为0.0019,确定性系数R~2为0.946,比传统BP神经网络预测模型得到的MSE降低了84.68%,R~2提高了42.5%。结果表明,利用人工蜂群算法优化后的BP神经网络所建立的汽车座椅舒适性预测模型稳定性更强、预测效果更加精准。     

盲源分离通信抗干扰技术与实践

针对宽频段压制干扰威胁以及频谱资源与通信抗干扰能力之间的固有矛盾，提出在扩谱抗干扰基础上增加统计域维度的方法，推动通信抗干扰由“硬抗”向“容扰”转变。盲源分离抗干扰技术利用通信信号和干扰信号的统计特性差异进行信号分离，可在不增加频谱资源条件下提高通信抗干扰能力。为认识和完善盲源分离抗干扰从理论算法到工程实践的发展过程，阐述盲源分离通信抗干扰技术的基本原理，重点介绍多通道盲源分离、单通道盲源分离等关键技术，分析盲源分离通信抗干扰技术的主要特点和存在的问题，最后指出该领域的发展重点。     

永磁电动机在矿井中的应用实践

永磁电动机凭借自身结构简单、能效高、成本低的特点在煤矿井下有着良好的应用前景。大阳煤矿年产煤炭180万t，现由于自身交流电动机在驱动带式输送机时存在能耗比高、维护困难的原因，将原设备进行永磁电动机的替换工作，最终约节省80万元/年的使用成本，获得了良好的实际使用经验。     

面向新能源消纳的分布式光伏储能系统优化配置

为解决用户用电量过低、光伏电力无法就地消纳、储能系统消纳性缺陷等诸多问题,本文提出面向新能源消纳的分布式光伏储能系统优化配置方法,并分析其实施效果。     

微小通道内过冷流动沸腾阻力特性实验及预测研究

实验探究了微小圆管内(内径1 mm)过冷水流动沸腾的阻力特性，参数范围：热通量4.0～5.6 MW/m²，压力3.0～5.0 MPa，质量流速2000～4200 kg/(m² s)，进口热力学干度-0.50～-0.10。获取了质量流速、压力、热通量等参数对过冷沸腾阻力的影响，并重点关注其预测方法。将测试数据与典型阻力关联式对比，结果表明，由于高热流、微通道等特殊因素，导致大部分阻力关联式的预测精度不够理想。为更准确预测高热流过冷沸腾阻力，基于LeakyReLU函数，建立了遗传算法优化的极限学习机模型(GA-ELM)，其预测精度优于传统关联式(平均绝对误差为2.0%)，且泛化性良好。研究工作可为微小尺度流动换热系统设计优化提供支撑。     

车身用22MnB5超高强热成形钢的热变形行为及热加工图

为确定22MnB5硼钢的热成形工艺，采用Gleeble-1500D热模拟试验机进行热模拟拉伸实验，变形温度为773～1 223 K,应变速率为0.01～10 s^-1。结果表明：22MnB5硼钢具有较强的正应变速率敏感性，其峰值应力随变形温度的升高而减小；除773 K/0.01 s^-1外，硼钢的流变应力随应变的增大逐渐增大，当达到峰值后趋于稳定；采用Arrhenius双曲正弦函数模型建立了硼钢的力学本构方程，确定了峰值应力下的热变形激活能Q为26.54～53.77 kJ/mol,其值随应变速率的增加先增大后减小，随变形温度的升高先减小后增大；基于动态材料模型构建了峰值应力下的硼钢热加工图，其热成形显微组织与变形温度和应变速率密切相关。基于此，确定了硼钢的热加工工艺：成形温度988～1 058 K、应变速率0.01～0.1 s^-1;成形温度1 143～1 223 K、应变速率0.01～0.02 s^-1。     

基于灰色数据预处理的WD-LSTM模型对乳制品质量安全风险的预测预警分析

乳制品是人们日常生活中一种重要的营养食品，为了提高对乳制品质量安全风险预测的准确性，保障乳制品质量安全，本文基于检测产品和检验数据的随机性、模糊性以及信息不完全性，将所得不同地区的乳制品检测数据通过改进的softmax公式进行等级划分，并按自然日进行分箱处理，通过风险权重等比例映射法得到风险等级，充分利用了乳制品灰色数据，对检验合格数据中的潜在风险进行挖掘。采用小波分解（Wavelet Decomposition，WD）和长短期记忆神经网络（Long Short-Term Memory，LSTM）模型结合的方式，对不同地区的乳制品检测数据进行风险预测。结果表明，该组合模型的平均准确率达97.54%，标准偏差为0.03，与经验模态分解（Empirical Mode Decomposition，EMD）-LSTM模型和有选择性重构且间隔为2的WD-LSTM模型相比准确率更高，稳定性更好，可实现对乳制品质量风险的预测和防控，能为乳制品的风险监管提供有利参考和技术支撑。     

互动电视系统中的存储技术简

在新媒体时代，服务平台端的内容运营商需要利用服务器虚拟化、集群技术、负载均衡和网络存储等新技术才能够给用户带来完美的用户收视体验。本文简单介绍存储技术的原理与应用。