葡京娱乐场-富盈娱乐场开户

本發(fā)明公開了一種基于柔性鐵電薄膜的流體驅(qū)動式壓電傳感器及其制備方法，包括玻璃基片和微流 控芯片基片；玻璃基片上集成有兩相平行的 P(VDF-TrFE)電紡絲薄膜條；微流控芯片基片制作有微溝道 和分布于微溝道兩側(cè)的電極凹槽；微流控芯片基片還設(shè)有進(jìn)樣口、出樣口和銀漿注入口，進(jìn)樣口、出樣 口與微溝道兩端連通，銀漿注入口與電極凹槽連通；玻璃基片和微流控芯片基片鍵合，?P(VDF-TrFE) 電紡絲薄膜條位于微溝道和電極凹槽底部。本發(fā)明制作簡單，成本低廉

本成果來自國家科技計(jì)劃項(xiàng)目，現(xiàn)已結(jié)題，并獲國家發(fā)明專利授權(quán)（ZL201320031915.X），知識產(chǎn)權(quán)屬于西南交通大學(xué)。該成果公開了一種開關(guān)變換器雙緣脈沖頻率調(diào)制V2型控制方法及其裝置，根據(jù)基準(zhǔn)電壓Vref和輸出電壓Vos經(jīng)過誤差補(bǔ)償器后生成的控制電壓Vc與輸出電壓Vos的關(guān)系，結(jié)合預(yù)設(shè)的恒定導(dǎo)通時(shí)間或恒定關(guān)斷時(shí)間，產(chǎn)生三段時(shí)間t1、t2和t3，每個周期依次采用t1、t2、t3組成的控制時(shí)序，控制開關(guān)變換器開關(guān)管的導(dǎo)通與關(guān)斷。本成果可用于控制Buck變換器、Buck2變換器、Cuk變換器、Zeta變換器等開關(guān)變換器，其優(yōu)點(diǎn)是：負(fù)載瞬態(tài)響應(yīng)速度快，穩(wěn)壓精度高，穩(wěn)定性好。

本發(fā)明公開了一種動平臺對空目標(biāo)雙色紅外異構(gòu)并行自動目標(biāo)識別器，所述目標(biāo)識別器包括：交換式網(wǎng)絡(luò)與至少一個處理部件，所述處理部件與所述交換式網(wǎng)絡(luò)之間通過輸入 FIFO 接口、同步存儲器輸出接口以及控制線連接，所述交換式網(wǎng)絡(luò)用于動態(tài)鏈接不同的所述輸入 FIFO 接口和所述同步存儲器輸出接口，所述處理部件用于完成自動目標(biāo)識別過程中所需的各種算法功能，所述輸入 FIFO 用于緩存輸入的待處理圖像數(shù)據(jù)，所述同步存儲器輸出接口用于

本發(fā)明公開了一種基于憶阻器的可編程模擬電路及其操作方法， 可編程模擬電路包括：阻變元件、第一電阻、第二電阻、N 型 MOS 管 和 P 型 MOS 管；第一電阻的一端作為可編程模擬電路的第一端口，阻 變元件的一端與第一電阻的另一端連接，阻變元件的另一端作為可編 程模擬電路的第二端口；N 型 MOS 管的漏極和 P 型 MOS 管的漏極均 連接至阻變元件的另一端，N 型 MOS 管的源極和 P 型 MOS 管的源極 均

本發(fā)明公開了一種光纖 EFPI 次聲波傳感器及次聲信號探測系 統(tǒng)。本發(fā)明與同類型的其他聲學(xué)探測方法相比，在換能器中采用聚合 物薄膜，并對聚合物薄膜的厚度和直徑進(jìn)行了優(yōu)化設(shè)計(jì)，使得傳感器 能探測 1～20Hz 的次聲波，且靈敏度高達(dá) 121mV/Pa。在換能器的聚合 物薄膜內(nèi)側(cè)中心粘貼鋁質(zhì)薄膜，并對鋁質(zhì)薄膜的厚度和直徑進(jìn)行了優(yōu) 化設(shè)計(jì)，不僅大幅提高了換能器的光學(xué)反射率，而且使聚合物薄膜的 中心振動保持平穩(wěn)。本發(fā)明與傳統(tǒng)

? 氨式法HCN固定床反應(yīng)器是當(dāng)前應(yīng)用較多的由天然氣生成HCN的生成裝置，利用金屬鉑作催化劑，在1600℃高溫下反應(yīng)合成HCN。該反應(yīng)器對反應(yīng)溫度、氣體純度、氣體配比和流速等都有很高的要求。國際上先進(jìn)的氨式法反應(yīng)器的收率一般都在78~82％，而國內(nèi)該種反應(yīng)器在2000年之前的收率基本都只有45％左右，操作穩(wěn)定性差，存在一定的安全隱患。低收率造成該種反應(yīng)器在當(dāng)時(shí)使用普及度不高，也同時(shí)使HCN產(chǎn)品鏈主要依靠石化副產(chǎn)物的HCN，從而對產(chǎn)能有很大的約束。氨式法HCN固定床反應(yīng)器計(jì)算機(jī)優(yōu)化控制技術(shù)通

目前第一代完整的呼吸音采集設(shè)備已研發(fā)完畢，完全實(shí)現(xiàn)呼吸活動的柔性無感持續(xù)智能監(jiān)測評價(jià)和適應(yīng)多場景下交互設(shè)計(jì)需求，提高醫(yī)療救護(hù)能力和應(yīng)急救援能力，減輕醫(yī)療及養(yǎng)老行業(yè)人力與經(jīng)濟(jì)運(yùn)營成本，創(chuàng)新引領(lǐng)社會與經(jīng)濟(jì)發(fā)展。 圖1 技術(shù)路線 【技術(shù)優(yōu)勢】 (1) 基于駐極體薄膜的高靈敏度接觸式壓力傳感器 目前用于呼吸音及心音監(jiān)測的傳感器大多采用較硬的基底，難以適應(yīng)人體胸部曲線，不適合長期可穿戴使用。因此，本成果基于駐極體的自驅(qū)動壓力傳感器的自供能、響應(yīng)速度快和靈敏度高等優(yōu)勢，設(shè)計(jì)了一種用于可穿戴式聲音監(jiān)測的高靈敏度柔性駐極體壓力傳感器，以實(shí)現(xiàn)對人體呼吸音與心音地長期、實(shí)時(shí)監(jiān)測。 圖2 部分成果展示 (2) 智能呼吸音監(jiān)測分析預(yù)警平臺 通過深入臨床大規(guī)模收集心音和呼吸音樣本、對病理性樣本進(jìn)行學(xué)習(xí)訓(xùn)練，對信號的模式識別進(jìn)行研究匹配，采用人工神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)兩種識別模式，對病理性聲音特征進(jìn)行分析得出智能化參考病癥分析。由于呼吸音信號的復(fù)雜性，同一種類型的呼吸音有不同人或是同一人在不同時(shí)間發(fā)出時(shí)，樣本數(shù)據(jù)不完全相同，傳統(tǒng)方法容錯率與識別率極低。本成果將呼吸衰竭患者的呼吸音數(shù)據(jù)進(jìn)行分類識別和特征標(biāo)定，采用人工智能算法進(jìn)行測試和集訓(xùn)，實(shí)現(xiàn)為大數(shù)據(jù)分析提供數(shù)據(jù)參考。 (3) 呼吸音智能監(jiān)測預(yù)警系統(tǒng)的人機(jī)交互設(shè)計(jì) 通過分析多個智能呼吸音監(jiān)測預(yù)警操作系統(tǒng)的使用場景、認(rèn)知特點(diǎn)、輸入和輸出方式，歸納出它們在交互設(shè)計(jì)上的一般性的設(shè)計(jì)原則和設(shè)計(jì)缺陷。通過多學(xué)科的交叉，如人因功效學(xué)、設(shè)計(jì)語義學(xué)、設(shè)計(jì)美學(xué)、設(shè)計(jì)心理學(xué)等學(xué)科，進(jìn)行了全面整體的交互設(shè)計(jì)研究。 圖3 智能呼吸音診斷軟件界面 圖4 臨床人員操作軟件試用 【性能指標(biāo)】

本發(fā)明涉及一種表征太赫茲量子級聯(lián)激光器多模效應(yīng)的電路建模仿真方法，首先建立表征 THzQCL 有源層內(nèi)部載流子輸運(yùn)特性的多模速率方程組；接著建立表征ThzQCL內(nèi)部多模態(tài)效應(yīng)的物理方程模型； 然后通過變量代換和化簡得到相應(yīng)的等效電路模型；建立表征 THzQCL 輸入端電氣特性的等效電路模型； 建立表征 THzQCL 輸出端光功率特性的等效電路模型；最后建立電路宏模型，包括一個電氣端口和一個 光功率輸出端口，基于電路宏模型進(jìn)行光電性能仿真和輸出光譜性能測試。本發(fā)明可測試溫度對 THzQCL 各種光電性能的影響；可支持實(shí)現(xiàn)對 THzQCL 光電性能和輸出多模效應(yīng)的模擬和仿真。 

本發(fā)明公開了一種融合擴(kuò)張觀測器的超臨界火電機(jī)組機(jī)爐協(xié)調(diào)控制方法。首先根據(jù)1000MW超臨界火電機(jī)組的非線性模型，基于非線性分析的方法在機(jī)組的不同工況點(diǎn)建立多個局部線性模型。之后采用該組局部線性模型，設(shè)計(jì)了一種融合擴(kuò)張狀態(tài)觀測器的多模型預(yù)測控制器(MMPC)。通過擴(kuò)張狀態(tài)觀測器的引入，估計(jì)并補(bǔ)償了機(jī)組在不同通道內(nèi)的擾動及模型不確定性，提升了預(yù)測控制器的擾動抑制性能。本發(fā)明的算法能在保證控制系統(tǒng)全局穩(wěn)定的前提下實(shí)現(xiàn)機(jī)組負(fù)荷的大范圍跟蹤，并且具有良好的擾動抑制性能。

本發(fā)明提出了一種基于改進(jìn)和聲搜索算法的無線傳感器網(wǎng)絡(luò)路由方法，包括以下步驟：Step1、初始化算法相關(guān)參數(shù) HMS、HMCR、PAR 以及評價(jià)次數(shù) eval_Nomax；Step2、利用輪盤賭初始化和聲記憶庫 HM；Step3、評價(jià)和聲庫中各和聲路徑的適應(yīng)度；Step4、設(shè)置 eval_No＝0；Step5、設(shè)置 i＝0；Step6、產(chǎn)生候選和聲；Step7、eval_No++，若 eval_No＜eval_Nomax，執(zhí)行 Step8；否則執(zhí)行 Step11；Step8、對和聲庫中的第 i 條和聲 Xi＝{s,x2,…xj,…,d},進(jìn)行鄰域搜索；Step9、eval_No++，若 eval_No＜eval_Nomax，執(zhí)行 Step10；否則執(zhí)行 Step11；Step10、i++，若 i＜HMS，執(zhí)行 Step6；否則執(zhí)行 Step5；Step11、記錄和聲記憶庫中的最優(yōu)和聲路徑。本發(fā)明的路由方法具有較高的能效，并且能夠有效地延長整個網(wǎng)絡(luò)的生命周期。