检索结果-南通市图书馆

静电纺P(VDF-TrFE)纳米纤维在柔性压电传感与能量收集领域的研究进展

在线全文

学校读者我要写书评

暂无评论

复合材料学报 2024年第3期41卷 1141-1152页

作者：屈展夏广波方剑苏州大学纺织与服装工程学院苏州215021 苏州大学现代丝绸国家工程实验室苏州215023

压电聚合物聚偏氟乙烯-三氟乙烯(P(VDF-TrFE))作为聚偏氟乙烯(PVDF)典型的共聚物,具有优异的压电性能、机械性能及生物相容性。因此基于P(VDF-TrFE)静电纺压电网膜的柔性压电传感器与能量收集器在可穿戴电子设备、智能纺织品及医疗健康... 详细信息

压电聚合物聚偏氟乙烯-三氟乙烯(P(VDF-TrFE))作为聚偏氟乙烯(PVDF)典型的共聚物,具有优异的压电性能、机械性能及生物相容性。因此基于P(VDF-TrFE)静电纺压电网膜的柔性压电传感器与能量收集器在可穿戴电子设备、智能纺织品及医疗健康系统等领域有着广阔的前景,能够将触觉/压力、应变、声波甚至生理微振动等信号转换为电学信号或低功率的电能。本文旨在深入分析P(VDF-TrFE)压电性能的机制,总结各种提升静电纺P(VDF-TrFE)纳米纤维压电性的策略,全面概述P(VDF-TrFE)基柔性压电传感与能量收集方面的应用,特别是在压力与触觉传感、声传感、生物组织传感、生理微振动传感及能量收集等领域的研究进展。阐述了静电纺压电聚合物纳米纤维的新兴应用场景,并讨论了该领域目前的挑战和未来前景。

关键词： P(VDF-TrFE) 静电纺丝法纳米纤维传感能量收集 PVDF 压电

基于低风速功率修正和损失函数改进的超短期风电功率预测

在线全文

学校读者我要写书评

暂无评论

电力系统自动化 2024年第7期48卷 248-257页

作者：臧海祥赵勇凯张越程礼临卫志农秦雪妮河海大学电气与动力工程学院江苏省南京市211100 华能国际电力江苏能源开发有限公司清洁能源分公司江苏省南京市210009

风电功率具有较强的波动性和随机性。为进一步提升风电功率的预测精度,提出一种基于低风速功率修正和损失函数改进的超短期风电功率预测模型。该模型采用卷积神经网络、自注意力机制和双向门控循环单元捕获风电功率序列的长期时序依赖... 详细信息

风电功率具有较强的波动性和随机性。为进一步提升风电功率的预测精度,提出一种基于低风速功率修正和损失函数改进的超短期风电功率预测模型。该模型采用卷积神经网络、自注意力机制和双向门控循环单元捕获风电功率序列的长期时序依赖关系。为了解决低风速下待风状态神经网络难以精确拟合的问题,模型通过预测风速并结合当前时段的风电功率对低风速段的预测功率进行修正。针对参数训练的稳定性问题,模型通过改进预测策略和共享权重,引入一种多元非线性的损失函数来提取序列间的关联性。结果表明,所提模型在多项误差指标中均优于对比模型,能够有效提升超短期风电功率的预测效果。

关键词：超短期风电功率预测功率修正损失函数改进神经网络模型

同方期刊数据库

全民所有自然资源资产保护和使用规划的构建路径

在线全文

学校读者我要写书评

暂无评论

规划师 2024年第7期40卷 74-81页

作者：韩英夫魏晨临辽宁大学法学院辽宁大学环境资源与能源法研究中心

全民所有自然资源资产保护和使用规划存在定位不明、层级不清、指标体系不完善等问题,在全民所有自然资源资产所有权委托代理机制改革背景下,规划作为自然资源资产管理的基本手段,其制度设计亦需遵循资产性目标和权利式逻辑,面向国家所... 详细信息

全民所有自然资源资产保护和使用规划存在定位不明、层级不清、指标体系不完善等问题,在全民所有自然资源资产所有权委托代理机制改革背景下,规划作为自然资源资产管理的基本手段,其制度设计亦需遵循资产性目标和权利式逻辑,面向国家所有者行权需求,应拓展规划制度的资产性调整维度。于此过程中,全民所有自然资源资产保护和使用规划的权源基础需由“资源的行政监管权”(对应于既有规划实践)跃升为“资产的国家所有权”;在“两权分离”的国家所有者行权脉络下,明确全民所有自然资源资产保护和使用规划的权益性法律定位、“3+1”规划层级、资产性指标体系、考核约束性法律效力。

关键词：全民所有自然资源资产资产规划委托代理机制规划权

维普期刊数据库博看期刊

在线全文

学校读者我要写书评

暂无评论

可见光诱导的烯烃碳-碳双键断裂羧基化反应

有机化学 2024年第4期44卷 1377-1378页

作者：吴洋夏纪宝中国科学院兰州化学物理研究所、羰基合成与选择氧化国家重点实验室兰州730000 中国科学院大学北京100049

烯烃是简单易得的一类有机分子,可从石油和可再生资源中大量获得,广泛应用于农化、制药和有机材料等领域.烯烃碳-碳双键的裂解官能团化反应是有机合成的重要策略,例如烯烃复分解反应、臭氧氧化反应等,通过双键断裂反应可以得到有用的官... 详细信息

烯烃是简单易得的一类有机分子,可从石油和可再生资源中大量获得,广泛应用于农化、制药和有机材料等领域.烯烃碳-碳双键的裂解官能团化反应是有机合成的重要策略,例如烯烃复分解反应、臭氧氧化反应等,通过双键断裂反应可以得到有用的官能团化产物.

关键词：烯烃复分解反应断裂反应有机合成有机材料官能团化可再生资源有机分子臭氧氧化

基于自适应时序表征和多级注意力的超短期风电功率预测

在线全文

学校读者我要写书评

暂无评论

电力自动化设备 2024年第2期44卷 117-125页

作者：张越臧海祥程礼临刘璟璇卫志农孙国强河海大学能源与电气学院江苏南京211100

针对风电功率数据包含的多尺度时间信息难以描述、现有方法未充分考虑气象因素对于风电功率动态耦合的影响而导致的预测性能下降等问题,提出了一种基于自适应时序表征和多级注意力的超短期风电功率预测方法。采用时序嵌入层对风电功率... 详细信息

针对风电功率数据包含的多尺度时间信息难以描述、现有方法未充分考虑气象因素对于风电功率动态耦合的影响而导致的预测性能下降等问题,提出了一种基于自适应时序表征和多级注意力的超短期风电功率预测方法。采用时序嵌入层对风电功率序列进行表征以获取其周期、非周期模式,并引入自注意力捕捉高维风电功率序列的自相关性;利用交叉注意力重构风电功率与气象因素,形成包含两者耦合关系的多维特征序列;利用一维卷积神经网络沿时间、特征方向分别挖掘多维特征序列的时间相关性和空间相关性,进而利用长短期记忆网络提取相应的时序特征,并将所得时序特征经全局注意力去噪和门控机制融合后输入全连接层,分别进行点预测和区间预测。实验结果表明,所提方法能够获得准确的点预测值和可靠的预测区间。

关键词：风电功率超短期预测多级注意力深度学习时空相关性点预测区间预测

在线全文

学校读者我要写书评

暂无评论

卧式锅壳式锅炉烟管泄漏成因分析

中国特种设备安全 2015年第7期31卷 51-53页

作者：钱建新夏临明湖州市特种设备检测研究院湖州313000

卧式锅壳式锅炉烟管泄漏是检验中比较常见的问题,其泄漏点往往是后管板的高温区,这一区域的温度往往可以达到800℃,针对不同的烟管与管板的连接形式及泄漏成因,提出合理的修理方法及以后的注意事项。

关键词：锅炉烟管泄漏

在线全文

学校读者我要写书评

暂无评论

串行通信中数据正确性的保证

电子工程师 2000年第11期26卷 42-45页

作者：夏临闽胡仁杰东南大学电气工程系南京210096

介绍了如何尽可能保证上下位机间串行通信的正确性 ,从而使系统不会因为通信失败或数据错误而意外终止 ,并且还给出了部分 VC+ +

关键词：串行通信计算机通信数据正确性程序设计

在线全文

学校读者我要写书评

暂无评论

《广东历代方志集成》昨日首发 A02

南方日报

作者：胡键夏临昌

本报讯昨日，《广东历代方志集成》首发式在广州举行。副省长谢强华出席首发式。 2005年初，省地方史志办公室正式启动了全面搜集和整理历代方志、出版《广东历代方志集成》的工作，广泛调查和搜集广东历代方志，进行整理和编排。黄华

关键词：

来源： cnki报纸评论

在线全文

cnki报纸

学校读者我要写书评

暂无评论

先验知识辅助的金属涂层损伤分割方法

电子科技大学学报 2024年第1期53卷 76-83页

作者：谢洲洋舒畅傅彦周俊临蒋家玮陈端兵成都数之联科技有限公司成都610094 西南技术工程研究所重庆400039 电子科技大学大数据研究中心成都611731

金属涂层损伤的自动识别是一项具有重大实际应用价值的研究。随着深度学习在各类材质的表面损伤图像分割任务中取得突破性进展,大部分研究工作使用端到端的深度卷积神经网络分割模型分割损伤区域。然而,端到端深度学习方法很难利用金属... 详细信息

金属涂层损伤的自动识别是一项具有重大实际应用价值的研究。随着深度学习在各类材质的表面损伤图像分割任务中取得突破性进展,大部分研究工作使用端到端的深度卷积神经网络分割模型分割损伤区域。然而,端到端深度学习方法很难利用金属涂层损伤相关的先验知识来识别损伤尺度差异大、训练数据不足等问题。因此,设计了一种基于先验知识的金属涂层损伤区域分割算法,结合深度学习分割模型U-Net实现金属涂层损伤的自动识别。该算法基于Hue通道分布和边缘响应对金属涂层图像中的异常区域进行分割,深度学习分割模型利用先验知识排除异常样本,可有效避免过拟合。在含有开裂、起泡、生锈和脱落这4类损伤的金属涂层数据集中,该算法取得了81.24%mIoU的分割效果,优于端到端的深度学习方法。实验结果表明,先验知识辅助能够有效提升深度学习分割模型对金属涂层损伤的分割效果。

关键词：深度学习损伤识别图像分割先验知识