基于样本熵与时频分析的手部抓握运动意图预测

针对上肢外骨骼控制信号产生与外部设备响应存在时间滞后导致脑机接口(BCI)系统实时性差的问题,采集被试手部自主抓握前运动相关皮质电位(MRCP) ,提出基于非线性复杂度特征样本熵 (SampEn)与线性幅值特征融合算法的手部运动意图预测方法. 从时频、神经复杂度分析不同大脑状态之间存在的差异,通过特征融合实现对手部抓握运动意图的预测. 基于特征融合意图离线预测准确率最高可达88.46%,可以在人体手部自主运动发生时刻?1 400 ms实现对手部运动预测. 与平静时期手部静止状态相比,被试产生手部抓握运动意图时脑电信号的功率谱与复杂度均产生明显变化,为基于手部运动意图预测提前驱动机器人实现人机协同提供控制策略.     

储能型双馈风电场联合STATCOM的无功协调控制

针对传统双馈风电机组(DFIG)低电压穿越(LVRT)能力不足问题,提出了储能型双馈风电场联合STATCOM的无功协调控制。该控制是在网侧变流器（GSC）原有的模型上将超级电容经隔离型DC/DC变换器并联到风机直流侧,以此吸收故障期间直流侧产生的不平衡功率;在发生低电压故障时,根据超级电容投入情况,对两侧变流器和并联在风机出口母线上的STATCOM进行无功协调控制来支撑电网电压;同时超级电容储能装置采用电压电流双闭环控制,满足了系统稳定性和经济性的要求。仿真结果表明：该方法应用在风电并网系统中可以使DFIG的LVRT能力得到极大的提升。     

喀左县甘招镇山洪灾害预警临界值分析

近年来,我国小流域山洪灾害发生频繁,使人民群众的生命财产造成了巨大的损失。本文选取了喀左县甘招镇的4个典型沿河村落,通过典型设计暴雨计算、洪水推求、水位流量关系建立,反推计算出不同时段的预警雨量指标,成果为各级防汛指挥部门的防洪减灾工作提供了科学依据。     

关于施工中剪力墙、柱混凝土产生孔洞的分析及处理

本文对在施工过程中剪力墙、柱混凝土产生孔洞分析原因，采取预防措施及修补方案作简要介绍。     

MODIS数据Bowtie效应消除算法

MODIS数据不仅具有较高的过境频率和光谱分辨率,还具有成本低、覆盖面广等优势。受地球曲率的影响,MODIS L1B数据大多存在一种重叠效应,即Bowtie效应,主要发生在图像的边缘地带,该效应制约了MODIS遥感数据的进一步分析及应用。针对遥感影像几何畸变问题,提出一种不基于传统星历表的Bowtie效应消除算法,采用相关系数法确定每个扫描带的重复行数,根据不同分辨率的MODIS L1B数据,使用相对应的重采样方法对图像进行重采样处理。通过与其他Bowtie效应消除算法的对比实验及分析,证明该算法不仅能够有效去除Bowtie效应,而且执行速度较快,具有较高的工程应用价值。     

基于Octave卷积的混合精度神经网络量化方法

浮点数位宽的深度神经网络需要大量的运算资源,这导致大型深度神经网络难以在低算力场景（如边缘计算）上部署。为解决这一问题,提出一种即插即用的神经网络量化方法,以压缩大型神经网络的运算成本,并保持模型性能指标不显著下降。首先,基于Octave卷积将输入特征图的高频和低频成分进行分离;其次,分别对高低频分量应用不同位宽的卷积核进行卷积运算;第三,使用不同位宽的激活函数将高低频卷积结果量化至相应位宽;最后,混合不同精度的特征图来获得该层卷积结果。实验结果证实了所提方法压缩模型的有效性,在CIFAR-10/100数据集上,将模型压缩至1+8位宽时,该方法可保持准确率指标的下降小于3个百分点;在ImageNet数据集上,使用该方法将ResNet50模型压缩至1+4位宽时,其正确率指标仍高于70%。     

基于多特征融合与ResNet的海面溢油区识别研究

近年来,合成孔径雷达（SAR）在改善溢油检测方面得到了广泛应用。然而,由于其特殊的成像机理,乘性相干斑噪声和其他物理现象引起的暗斑一直影响着溢油检测的精度。单独使用一种特征很难对图像上的油膜和类油膜现象进行区分,针对这一问题提出了利用多特征融合结合深度残差网络（ResNet）的方式来区分全极化图像上的油膜和类油膜现象。实验中将C波段的三种极化特征：极化散射熵（Entropy）、平均散射角（Alpha）和单次散射特征值相对差异度（SERD）组合在一起,形成一个优化特征子集,在确定的三种极化特征对应的特征图上选取多个感兴趣区域作为ResNet网络的训练集和测试集。该实验所用训练集由3 600个原油样本、3 600个生物油样本和3 600个乳化油样本（共计10 800个）组合而成。测试集由600个原油样本、600个生物油样本和600个乳化油样本（共计1 800个）组合而成,最终得到97.56%的分类精度。用同样的实验数据采用同是深度学习的VGG和AlexNet分类算法进行油膜和类油膜的分类,并与ResNet算法分类结果进行对比分析。为了减弱过拟合现象以及获得更可靠的实验结果,分别进行了[K]-交叉验证和ROC曲线实验。结果表明所提出的算法是有效的。     

CdSe水溶性量子点的制备及性能研究

为了解决合成CdSe量子点的方法多、反应条件苛刻、合成成本高、毒性大且产物不溶于水等问题,提出了一种温和的方法制备水溶性CdSe量子点.以硒代硫酸钠为前驱体、巯基乙酸为稳定剂,采用超声辐射的方法,室温制备了在水溶液中能稳定存的CdSe量子点.对CdSe的红外可见光谱、紫外可见光谱及XRD谱的进行了分析与比对.研究结果表明:紫外可见光谱中450nm处出现了CdSe量子点第一激子吸收,CdSe的XRD的2θ角为25.4°、42.0°、49.6°,证明CdSe的制备成功;通过CdSe和端胺基碳纳米管之间的荧光光谱,证明从CdSe到碳纳米管发生了高效电子转移.     

X70管线钢在近中性及高pH值溶液中的电化学行为和SCC敏感性

采用动电位极化曲线测试法研究了温度、通气条件和pH值对X70管线钢在NS4溶液和0.5 mol/LNa2CO3 1 mol/L NaHCO3溶液中的电化学极化行为的影响,并用慢应变速率试验(SSRT)研究了X70管线钢在这些溶液中的应力腐蚀破裂(SCC)敏感性。结果表明,X70管线钢在NS4溶液中不出现活化—钝化转变区,随外加电位负移,SCC敏感性增加,表现出氢致破裂(HIC)的特征;在0.5 mol/L Na2CO3 1 mol/L NaHCO3高pH值溶液中出现活化—钝化转变区,在阴极极化区,也表现出氢致破裂(HIC)的特征,但在阳极极化区,发生的是阳极溶解型应力腐蚀破裂(ADSCC)。     

人工神经网络模型预测不锈钢在高温水中的应力腐蚀破裂

采用两种基于人工神经网络(ANN)的经验学习方法，即双层感知器(DLP)模型和Elman反馈(EF)模型，分析应力腐蚀破裂(SCC)数据，预测奥氏体不锈钢在高温水(HTW)中的SCC敏感性，对304不锈钢(SS)和316SS的两组SCC数据，DLP模型经过长时间的训练周次并不收敛，而EF模型在有限的时间内收敛到一稳定值。304SS和316SS的SCC敏感性依赖于温度(T)、溶解氧浓度(DO)、氯离子浓度([Cl^-])以及电位(E)．采用EF模型，待预测样本数据被包含在训练数组里(方法Ⅰ)比不包含(方法Ⅱ)的情况有更高的预测率．用于EF模型的SCC阈值(ThV)影响预测率，当ThV≤0．6时，对304SS而言，预测率的范围大约是0．66～0．90(方法Ⅰ)，0．60—0．79(方法Ⅱ)；对316SS，预测率范围约为0．81～0．98(方法Ⅰ)，0．78～0．90(方法Ⅱ)．从预测率平均值来看，预测率服从正态分布，0．5应为最佳阈值．EF模型对定性预测ASS在高温水中的SCC行为有较高的预报率，是一个很有用的工具。