金型与钯型离子聚合物金属复合材料的含水量与变形规律

以具有典型工艺特征的金型和钯型离子聚合物金属复合材料(Au-IPMC和Pd-IPMC)为研究对象,旨在阐释不同工艺过程和电极制备的IPMC材料随含水量变化其机电性能存在差异的现象。测量了两种IPMC材料静态含水量和环境湿度之间的关系,探讨了材料在湿态和干态下与室温湿度交换平衡过程中含水量的动态变化规律,测试了不同含水量下IPMC材料的力电响应关系,并将其转换为不同的湿度环境下的响应关系。实验结果表明:两种电极的IPMC材料在不同的湿度条件下含水量及变形规律具有相似性,即高含水量下呈现松弛变形,低含水量下无松弛变形;与Pd-IPMC材料相比,不同湿度条件下对应的Au-IPMC含水量相对偏低,且在95%稳态湿度下,Au-IPMC材料具有更好的驱动性能,变形达到17.4mm。     

智能聚合物包覆型纳米氧化铁的催化性能

针对非均相Fenton反应效率偏低及pH值适应范围窄的问题,设计以智能聚合物调节纳米铁氧化物表面性能.通过原位共沉淀法合成纳米四氧化三铁,并将其表面健合的羧甲基纤维素钠与单体丙烯酸接枝共聚生成具有pH值响应性能的环境敏感聚合物来包覆氧化铁,形成复合纳米颗粒(PAA-co-CMCNa/Fe3O4),研究了复合材料的催化性能.结果表明:pH值在3~7的宽范围内,该复合纳米材料均可在30,min内将210,mg/L的苯酚完全去除,催化降解苯酚的矿化率高达75%,并显示良好的稳定性和重复使用性能,这是由于聚合物层在该范围内的选择性溶胀既有助于纳米磁性材料的分散稳定,又能改善界面传质,从而促进非均相催化反应.     

基于Am18726-MX的新型智能家居系统设计

针对目前家庭应用环境和网络状况,提出了一种基于多媒体和网络技术的新型智能家居控制系统方案,基于Am18726-MX硬件平台设计了一套智能家居终端。系统不仅实现了智能家居的各种场景应用,而且实现了丰富的家庭影音娱乐功能,大大增强了系统功能性和实用性。     

梁振动控制的分布压电单元法的溢出分析与仿真

分析了用于智能梁振动控制的分布压电单元法的观测溢出与控制溢出现象,并给出了减少这种溢出的途径。对分布压电单元法作了数值仿真计算。     

书本式分布作动器及可控约束阻尼层结构控制的实验研究

利用压电材料的逆压电效应,研制了一种新型压电作动器———书本式分布作动器,讨论了作动器的附加位置,采用比例反馈进行了主动控制试验,通过试验给出了单位电压的控制效果与书本式分布作动器的压电片层数的关系．研究结果表明,书本式分布作动器是一种能在较低驱动电压下产生较大作动力的作动器,它和约束阻尼层结合构成的可控约束阻尼层主被动一体化控制技术对于薄壁结构振动的抑制效果显著,有着较好的工程应用前景     

智能潜油电泵有载调压变压器的设计

在进入高含水期的油田开发中,潜油电泵得到广泛应用,而如何提高其采油系统效率,降低电泵采油井耗电量,成为油田节能减排工作的重点。本文设计了一种新型智能潜油电泵有载调压变压器,分析了最佳运行电压的确定方法,给出了结构组成及工作流程,进行了室内外的现场实验,结果表明,该装置可以有效地选择最佳电压,节电效果显著。     

广义特征值盲波束形成的低复杂度自适应算法

提出了一种线性低复杂度盲自适应Lagrange乘子波束形成算法．基于最大信干燥比准则(MSINR)的特征值波束形成将导致广义特征值(GE)问题,新算法通过把GE问题表示成期望信号和干扰噪声信号协方差矩阵特征值的函数,用线性迭代的方法搜索最大GE,并利用最陡下降法更新权向量;提出方法被用于W—CDMA智能天线基站上行信号接收．数值仿真结果表明,与其他算法相比,在未牺牲系统BER性能的同时,提出算法具有更快的收敛速度和更低的计算复杂度;算法总的计算复杂度约为O(7N)(N为天线元数目)．     

基于云计算和改进极限学习机的电网负荷预测

随着智能电网和通信技术的迅速发展,电网系统采集的用户数据规模呈指数增长,传统电网负荷预测方法难以满足海量负荷数据情形下的高效分析和计算需求。据此,依托电力系统数据采集云平台,提出一种基于云计算和改进极限学习机的电网负荷预测模型,采用Map-Reduce网络架构,部署于Hadoop平台,利用分布式计算方式进行电网负荷的精准建模和预测分析。结果表明,相比已有方法,本研究方法具有负荷预测精度高、运行速度快的优势,可为后续智能电网系统建设及管理运用提供一种新颖的解决思路。     

基于多元数据特征和改进随机森林的智能配电网异常数据辨识

智能配电网异常数据的准确辨识对于提高电网安全运行和调度具有重要意义。本文提出一种基于多元数据特征和改进随机森林算法的异常数据辨识方法。首先,在分析异常数据辨识过程的基础上,利用k-means、箱线图法等提取原始数据异常特征;考虑配电网技术需求,挖掘电网运行的衍生特征。然后,针对类不平衡问题提出结合过采样方法的混合Bootstrap抽样和加权投票策略,引入信息增益率优化最优特征选择,增加算法稳定性。最后,仿真分析了决策树数量和衍生特征对算法辨识性能的影响,并与支持向量机、神经网络等算法进行性能比较。实验结果表明本文方法有效、合理,具有优异的辨识性能和效率。     

基于SC注意力机制和集成学习的冰箱食材识别

近年来,随着智能冰箱技术的不断发展,对冰箱果蔬食材进行精准的类别识别,进而对食材进行保鲜控制,得到了研究者越来越多的关注。目标检测技术依靠深度学习相关技术的发展,也渐渐应用于食材盘点的方法。通过对冰箱果蔬食材特性进行分析,提出了一种基于注意力机制和集成学习思想的YOLOv5和EfficientDet融合的方法。首先对冰箱食材数据集进行了伪彩色图像处理,将SE模块和CBAM模块整合提出了新的SC模块,并引入到YOLOv5s网络中,组成SC-YOLOv5s网络结构;然后将SC-YOLOv5s网络结构与EfficientDetd0网络进行异质集成;最后用集成后的整体网络对尺度有差异但外貌相似的食材进行识别。实验结果表明当IOU阈值为0.5时,在60类果蔬食材测试集上,改进后集成模型的平均最大精确度(mAP)从SC-YOLOv5s的95.88%和EfficientDetd0的83.22%提高到了97.36%,明显提升了对果蔬类食材的检测效果。