摘要:为了更好的监测动力锂电池健康状态。提出一种基于改进双向时间卷积网络、长短期记忆网络和注意力机制的锂电池健康状态预测方法。使用冠豪猪优化器对所提方法的超参数进行寻优。在马里兰大学锂电池充放电数据集中进行测试，提取和容量相关健康特征，通过皮尔逊相关系数筛选相关度较高的健康特征作为神经网络算法的输入。提出的方法在所有电池健康状态预测的均方根误差均不超过0.020，平均绝对误差不超过0.017，决定系数在0.995以上。在锂电池健康状态预测可以实现较高的精度。

摘要:随着片式多层陶瓷电容器（MLCC）内电极材料从贵金属被镍等贱金属替代，烧结过程需在还原气氛下进行。该文研究了在不同还原气氛下烧结的Mn掺杂BaTiO3基陶瓷的性能，探讨了H?/N?比例变化对介电性能和可靠性的影响。通过固相法制备了不同还原气氛下的样品，并通过X射线衍射（XRD）、扫描电子显微镜（SEM）、拉曼光谱和X射线光电子能谱（XPS）等方法对样品进行了微观结构和性能表征。研究发现，极化机制会影响BaTiO3基陶瓷的介电性能和可靠性。具体而言，随着还原气氛的增强，极化机制从缺陷载流子的短程跳跃极化逐渐转变为长程跃迁极化，从而影响了陶瓷的介电常数、介电损耗和绝缘电阻率。实验结果表明，在1.5% H?/98.5% N?气氛下烧结的样品（S2）表现出较高的介电常数、较低的介电损耗以及较好的绝缘性能，展示出更好的综合性能。此外，成功制备了介质层厚为0.9 μm的BaTiO3基MLCCs，其容温系数（TCC）符合X6S标准。该研究为提升BME-MLCCs介电性能与可靠性提供了理论和技术指导。

摘要:三维场景重建是自动驾驶、机器人等领域的重要研究课题，在导航建图、环境交互、虚拟和增强现实等任务中有着广泛应用。目前基于深度学习的重建方法从场景表示方式和核心建模技术角度主要分为五类：基于代价体积的深度估计方法、基于截断的有符号距离函数（TSDF）的体素方法、基于Transformer架构的大规模前馈方法、基于多层感知机（MLP）的神经辐射场（NeRF）、三维高斯泼溅（3DGS）。每类方法都有其独特的优势和局限，而新兴的3DGS方法通过高斯函数显式的表示场景，并利用高效的光栅化操作实现场景的快速渲染和新视角合成。最大优势是它相比著名的神经辐射场方法采用MLP网络表示场景信息的建模方式不同，能够在保证高效渲染的同时还具有可解释性且可编辑，这为三维场景进行准确的重建铺平了道路。然而，3DGS在场景重建任务中的应用仍然面临着许多困难和挑战。基于此，本文首先对3DGS的基本概念进行简单介绍，并与上述其余四类方法进行特点比较。然后，对现有3DGS重建算法进行系统性的调研后，对这类方法要解决的关键问题进行总结，并结合典型实例对相关核心难题的研究现状进行综述。最后，对未来更有可能探索的新研究方向进行了展望。

摘要:研究探讨了不同原料粒径的钛酸钡（BaTiO3，BT）对陶瓷介电性能的影响，并通过掺杂改性优化其电学特性。通过固相球磨法使用不同原料粒径（100 nm、150 nm、200 nm、250 nm）BT制备陶瓷样品，并引入Y?O?、Ho?O?、MgO和SiO?作为掺杂剂，以控制晶粒生长和调节介电性能。通过扫描电子显微镜（SEM）、透射电子显微镜（TEM）、X射线衍射（XRD）及介电测试，系统分析了陶瓷样品的微观结构及介电特性。结果表明，BT-10样品由于掺杂元素扩散较深，未形成理想的“芯-壳”结构，导致四方性降低，尽管介电常数较高，但温度稳定性较差，BT-15、BT-20和BT-25均形成了“芯-壳”结构，BT-25样品四方性最高，表现出最佳的饱和极化强度（Ps=11.817 μC/cm2）和剩余极化强度（Pr=1.465 μC/cm2），同时在直流偏压条件下具有较好的介电稳定性。研究表明，BT-25样品在综合性能上最优。研究还指出，在使用较小原料粒径BT制备“芯-壳”结构陶瓷时，需克服BT原料粉体本身比表面积大及缺陷多的问题。本研究为优化多层陶瓷电容器（MLCC）介电层提供了理论依据和技术支持。

摘要:基于 RGB 图像的手部姿态估计在动态手势识别以及人机交互领域展现出至关重要的应用前景。然而，现有的方法面临着诸多挑战，例如手部自相似性程度高、关键点分布极为密集等问题，这使得在较低计算成本的条件下实现高精度的预测变得困难重重，进而导致在复杂场景中的表现存在局限性。鉴于此，本文提出了一种基于 YOLOv8 网络的二维（2D）手部姿态估计模型 —— FAR-HandNet。该模型巧妙地融合了聚焦线性注意力模块、关键点对齐策略以及回归残差拟合模块，有效地增强了对小目标区域（如手部）的特征捕捉能力，同时减少了自相似性对手部关键点定位精度的不良影响。值得一提的是，回归残差拟合模块借助流生成模型对关键点残差分布进行拟合，极大地提升了回归模型的精度。本文的实验在 CMU 和 FreiHAND 数据集上展开。实验结果清晰地表明，FAR-HandNet 在参数量和计算效率方面优势明显，在不同阈值下的 PCK（Percentage of Correct Keypoints）表现优异，相较于现有方法有显著提升。此外，该模型的推理时间仅需 32ms。消融实验进一步证实了各模块的有效性，充分验证了 FAR-HandNet 在手部姿态估计任务中的有效性和优越性。

摘要:上肢功能丧失给截肢患者带来了诸多生活不便，为了提高上肢截肢人群的生活质量，需开发低成本、轻量且功能强大的假肢系统。本文提出一种三自由度模块化轻量上肢假肢臂及其多关节协同控制系统的设计方案，旨在提供一个轻便、经济、模块化且功能全面的假肢解决方案。通过采用镂空结构设计，假肢臂的整体重量显著降低（约2公斤），远低于现有商业化假肢产品，同时确保自由度数量及有效降低制造成本，提升了假肢的舒适性和适用性。此外，本文设计的多关节控制系统结合精确的协调算法，能够精确控制各关节同时达到预定角度，满足不同程度截肢者对多关节协同运动的需求。通过精度和效率测试，结果表明，该假肢在控制精度方面表现出色，且运动效率能够满足日常生活中的绝大多数需求。

摘要:当前,互联网数据处理规模增长迅猛,用户的处理需求也变化多样。为适应不同数据处理场景的需求,如不同的集群资源和数据集,流行的大数据处理系统为用户提供了越来越多的可配置参数。譬如,最受欢迎的大数据处理系统Spark提供了超过200个以上的参数。它们控制了应用程序的并行度、I/O行为、内存使用和数据压缩等。但是,这些配置参数设置不当往往会导致程序性能严重下降,甚至导致大数据系统的运行崩溃,给客户造成不可估量的损失。

摘要:电磁脉冲声源（boomer）是海洋地震勘探等领域常用的爆炸声源，此类爆炸声源的深海应用需要解决空化抑制等核心问题。 本文提出了基于压力补偿平衡的深海boomer声源技术方法，研制了最高工作压力达到20MPa的boomer换能器，并开展了在高压消声舱内的实验测试。通过不同能量和不同压力等级下的实测数据分析可知，使用初始压力0.5MPa的气囊来补偿boomer换能器内部压力可以有效平衡其内外压差，解决空化抑制问题，实现宽频脉冲声波的激发，而且波形重复性很好，最小相关系数达到0.986。随着工作压力从0.5MPa提高至20MPa，脉冲声波特性的主要变化是振幅衰减（204.6dB衰减至194.2dB）和宽度压缩（182μs压缩至88μs），以及主频（以2.3kHz为中心）略向高频迁移。同时，高压消声舱升压和降压过程的水听器输出数据比较可知波形重复性较好，且压力越高，波形一致性越好，说明基于压力补偿平衡的boomer换能器在高压环境下性能更加稳定。

摘要:癌症是一种与基因密切相关的疾病,具有多种亚型,各亚型在遗传、表型和治疗反应上存在显著差异。准确的癌症亚型分类对于个性化治疗至关重要,有助于提高治疗效果。然而,基于患者基因表达数据的癌症亚型分类方法在样本不均衡的情况下,往往难以有效区分稀有亚型。为了解决这一问题,提出了一种基于元学习的癌症亚型分类方法MFP-VAE(Meta-learning Few-shot Prototype learning VAE),专注于处理样本不均衡的数据集。该方法改进了样本抽取策略,以确保在元学习任务中不同亚型的样本得到平衡重视。该模型采用变分自编码器进行特征提取,并通过计算样本与亚型原型之间的距离进行分类。实验结果表明,MFP-VAE在两个公开癌症数据集上优于现有方法,特别是在样本不平衡的情况下,显著提高了分类精度。此外,生存率分析显示,所区分的癌症亚型在临床特性上具有显著差异和临床意义。

摘要:随着深度学习技术的快速发展，基于脑电等神经信号的自闭症筛查逐渐成为一种新兴的诊断手段。然而，由于脑电的采集过程较为复杂，尤其针对儿童，因而往往存在数据量不足的问题。数据增强方法被常用弥补真实数据的不足，其中生成式对抗网络是常用的方法。然而，受限于数据规模的不足及数据多样性的缺乏，当前的数据增强方法在分类性能上仍未达到理想水平。本研究采用改进的条件扩散模型，分别对原始脑电信号及其生成的脑功能连接时序图进行增强。实验结果表明，该方法显著提升了自闭症分类性能。其中，静息态和任务态数据的最高分类准确率分别达到 84.38% 和 79.01%。这一结果验证了基于条件扩散模型的数据增强在提升自闭症筛查效果方面的有效性。