本发明公开了一种基于开放磁路的磁致伸缩导波检测传感器，该检测传感器包括激励线圈、接收线圈和磁性装置，磁性装置包括多 个检测模块，并且这些检测模块周向均匀布置，以用于吸附到被检细 长构件的外侧;每个检测模块均包括外壳、永磁铁和导磁板;相邻两 外壳通过一调节装置连接;激励线圈和接收线圈靠近检测模块并同轴 套设于被检细长构件的外侧，激励线圈输入正弦交变电流，以在接收 线圈中产生感应电压，以使计算机接收到此感应电压的信号并判断被 检细长构件内是否存在缺陷。本传感器结构简单，具有体积小、重量 轻、安装方便的特

导读东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法，以对运动想象(MI)任务进行分类。ESI技术采用边界元法(BEM)和加权最小范数估计(WMNE)分别解决EEG的正向和逆向问题。然后在运动皮层中创建十个scout来选择感兴趣的区域(ROI)。研究者使用Morlet小波方法从scout的时间序列中提取特征。最后，使用CNN对MI任务进行分类。实验结果:在Physionet数据库上的整体平均准确率达到94.5%，分别对左拳头、右拳头、双拳和双脚的单个准确率达到95.3%、93.3%、93.6%、96%，采用十倍交叉验证进行验证。研究人员表示，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者为验证方法的有效性，加入了4个新的受试者进行验证，发现总体平均准确率为92.5%。此外，全局分类器适应单一对象，整体平均准确率提高到94.54%。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。系统框架图1 系统框架图系统框架如图1所示。原始数据来自国际10-10系统的64个电极(不包括Nz、F9、F10、FT9、FT10、A1、A2、TP9、TP10、P9和P10电极)，并以每秒160个样本的速度采集。根据国际10-10系统从64个通道采集原始脑电图，并使用BCI2000系统进行记录。记录的数据被分为四个独立MI任务包括左拳MI,右拳MI,双拳MI和双脚MI。首先，由于ERD在执行运动想象时在alpha和beta中不同，因此使用FIR滤波器对EEG进行了8 Hz至30 Hz的带通滤波。然后，通过计算包含正问题和逆问题的源，将传感器空间的活动转化为源空间的活动。接下来，创建scout并提取特征。研究者在运动皮层中创建了10个scout，因为我们只关心与运动相关的活动。十个scout中的每一个都代表了可用源空间中的一个感兴趣的区域(ROI)，并且是定义在皮层表面或头部体积上的偶极子的子集。左脑的scout称为L1、L2、L3、L4、L5，右脑的scout称为R1、R2、R3、R4、R5。利用JTFA从10个scout的源时间序列中提取特征。最后，利用CNN对时频图进行分离并进行分类。实验在实验中，研究人员仅使用了随机选择的十个受试者的MI trail (S5，S6，S7，S8，S9，S10，S11，S12，S13，S14)。这里用于分析的数据集包含每个受试者84次试验，每一类包含21次试验。在记录64通道脑电图时，受试者执行了不同的运动想象任务。每个受试者针对以下四个任务中的每一个执行了3轮21试验：当目标出现在屏幕左侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕的右侧时，受试者想象打开和合上相应的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕顶部时，受试者想象打开和合上双手的拳头，直到目标消失。然后受试者放松。当目标出现在屏幕底部时，目标会想象双脚张开和合拢，直到目标消失。然后受试者放松。为了统一数据维数，研究者选择了4s的数据，因为每次想象任务的执行时间都在4s左右。此外，脑电图任务是分开的，研究人员在实验中将左拳，右拳，双拳和双脚MI任务分别称为T1，T2，T3和T4。图2 scout命名左右运动想象的scout分别命名为L1、L2、L3、L4、L5、R1、R2、R3、R4、R5，如图2所示。10个scout每一个都被扩展到40个顶点，每个顶点只有一个源。L1区域对应40个信号，其他scout也一样。在计算了来源后，研究者在运动皮层中创建了十个scout，如图3所示。图3 创建10个scout使用ESI计算十个受试者(S5、S6、S7、S8、S9、S10、S11、S12、S13、S14)每次试验的四个任务(T1、T2、T3、T4)的源。对于这四项任务中的每一项，每个受试者每次都要进行7次测试(#1，#2，#3，#4，#5，#6，#7)。展示了第一个步的10个被试的10个scout的4项任务的来源。然后提取10个scout的时间序列进行进一步分析。特征提取在计算源之后，研究人员在运动皮层中创建了包含40个源的10个scout，并提取了scout的时间序列。如图4所示为提取R5 scout时间序列作为示例。图的右边显示了R5 scout的时间序列。本文利用小波变换从scout时间序列中提取特征。图4 提取R5 scout时间序列作为示例在这项研究中，研究者提出利用CNN来解决运动想象任务分类的问题。该模型基于Schirrmeister等提出的Deep ConvNet架构，该网络模型由一个六层卷积网络组成，其中两个最大池层和三个全连接层，如图5所示。图5对于Physionet数据库，研究者首先采用Deep ConvNet架构，包括四个卷积层、四个最大池层和一个全连接层。在实验中，研究者依据经验使用两个最大池化层。并尝试了不同数量的卷积层和完全连接层。时频图利用Morlet小波方法得到了scout的特征。对于每个任务，R5 scout的时频图如图6所示。包含时间和频率互补的时频分析方法提供了时域和频域的联合分布信息，清晰地描述了信号频率与时间的关系。图6 R5 scout的时频图显然，只有部分时频映射是红色的，表明每个任务只对特定的频率和时间敏感。由于图的数量比较大，研究者使用CNN来选择和学习这些图中最基本的特征。研究人员随机选择了几个样本，并将一些特征图可视化，作为MI任务的学习表示，如图7所示。图7为了获得有效的结果，将数据集分为90％作为训练集，其余10％作为测试集。首先，将十个受试者的数据集（总共19320个样本）分为17388个样本以训练所提出的CNN模型，以及1932个样本以验证模型的有效性。在实验中，研究者还选择了另外四个受试者的数据集以增加数据集的规模(27048个样本)，其中24343个样本是训练集，其他样本是测试集。在选定的scout上对所提出的CNN架构进行了十次训练和测试，以验证所提出模型的鲁棒性。图8(a)显示了10个scout中每个的全局平均精度。图8 统计结果R5的全局平均精度最高，达到94.5%，而L2的全局平均精度最低，为91.3%。对应L1、L3、L4、L5、R1、R2、R3、R4的整体准确率分别为92.4%、92.5%、93.6%、91.9%、93.0%、91.8%、92.1%、92.6%。所有scout的总体精度均在91%以上，标准差均在0.20%以下。图8(b)显示了十个scout中每个scout四个MI任务的组级统计结果及其标准差。一般来说，R5表现的要比其他的好，而L2在迭代2000中表现最差。标准差较小，说明这些精度更接近平均值且稳定。图9 统计结果图9(a)显示了带有标准差的混淆矩阵，说明了group level分类结果。T1、T2、T3和T4的全局平均精度峰值分别为95.3%、93.3%、93.6%和96.0%。R5 scout的四个MI任务中的每一个都如图9(b)所示。通过改变训练集和测试集顺序的10次试验，确定了scoutR5的性能，结果如图10(a)和(b)所示。在10次试验中，scout R5的T1、T2、T3、T4的平均准确率分别为93.3%、93.8%、94.2%、94.1%。换句话说，四个任务中每一个的平均准确率都超过了93%。全局平均准确率为93.7%。10次试验结果表明，该方法对scout R5的分类效果较好。从以上结果可以清楚地看出，R5 scout在四种MI任务的分类中扮演着最重要的角色。因此，选择R5对四个MI任务进行分类。图 10图11. (a)是不同模型的全局平均准确性的比较。可以发现，该研究提出的模型可以达到最大的精度。从图11. (b)不同模型的ROC曲线可以看出提出的模型比其他模型表现更好。©不同模型T1上的精度比较。(d)不同模型T2的精度比较。(e)不同模型T3的精度比较。(f)不同型号T4的精度比较。图11 不同模型的精度比较结论东北电力大学和长春理工大学研究团队开发并实现一种结合脑电图源成像(ESI)技术和卷积神经网络(CNN)的新方法。该方法可以对运动想象(MI)任务进行分类。实验结果表明，他们的研究成果与最先进的MI分类方法的结果相比，总体分类增加了14.4%。研究者加入了4个新的受试者进行验证来验证方法的有效性。研究者表示，他们提出的结合scout ESI和CNN的方法，提高了脑电解码四类MI任务的BCI性能。论文信息：A novel approach of decoding EEG four-class motor imagery tasks via scout ESI and CNN

主要技术内容： （1）提出了基于神经网络的多电平 SVPWM 控制技术，研发了基于 FPGA 技术的多电平 SVPWM 控制器，实现了塑料片材挤出装备驱动电源的高效性。采用神经网络技术，实现参考电压矢量所在区域判断及矢量作用时间计算，降低了计算量；将多电平 SVPWM 控制器集成到一片 FPGA 芯片上，为挤出装备用交流电机驱动控制提供高性能的专用 SVPWM 控制器，可以直接与通用变频器对接。 （2）提出了分离型螺杆结合 CRD 分散混合器的高速螺杆技术，提升了挤出效率及效果；研发了塑料片材挤出螺杆高频电磁感应加热装置，有效降低了挤出机运行能耗。将常规三段式螺杆设计成五段式，改变了传统螺杆直径对挤出产量的限制。在螺杆机筒外壁上缠绕电流线圈，线圈外再包覆隔热层，线圈两端连接控制线圈电流的高频电源模块；在常规加热瓦加热的基础上，通过电磁感应原理使螺杆产生热量，使得螺杆及螺杆机筒同时加热，缩短了机筒内聚合物塑化时间、降低了能耗。 （3）提出了面向塑料片材挤出成套装备运行过程的全息生产车间制造物联感知技术，开发了成套装备运行的全息感知系统。构建了 RFID-WSN 数据采集集成网络，提出了 LZM - WKPSO 优化算法，在保证覆盖率的前提下使干扰最小；借鉴昆虫协作机理，提出了基于昆虫协作机理的源节点选择概率算法，最大化降低了网络能量消耗。（4）提出了塑料片材挤出成套装备多目标柔性资源优化调度模型，研发了塑料片材挤出装备精益管控软件平台，实现了成套装备的高效能运行。建立了多目标柔性资源优化调度模型，采用重力粒子群混合优化算法进行求解。按照 SOA 思想，设计了集成平台；开发了塑料挤出成套装备运行功能模块，并与底层全息车间无缝集成，形成塑料挤出成套装备精益管控平台。 行业意义： 本项目针对高效能塑料片材挤出装备的关键技术取得了创新性成果，解决了我国塑料片材挤出装备业目前普遍存在的高能耗、高污染、低附加值、低劳动效率等问题，提升了塑料片材挤出装备的自动化与信息化水平，促进了塑料片材挤出装备的自动化、信息化深度融合；完成了塑料挤出装备产业技术上的跨越式发展，极大地推动了塑料挤出装备产业结构的优化升级，实现了产业结构由高消耗向高效率的转变。 获奖情况：2015 年获中国商联联合会科学技术进步奖特等奖。 成果的技术指标、创新性与先进性: 目前市场上还没有完全一样的同类产品出现，国外主要有德马克、克虏伯、巴顿菲尔,日本的住友重工等公司在致力于开发塑胶挤出装备产品，但是他们开发的还是将单一系统的简单组合，无法从单机与成套装备精益化管控两方面集合提高系统的能效。由于本项目是从单机关键设备能效优化设计和成套装备精益化管控能效优化设计两个方面入手，开发料挤出成套装备，产品具有能耗低、效率高等特点。综上所述，本项目产品目前拥有先入的一定优势，竞争对手在技术方面无法与本项目产品直接竞争。 本项目产品具有如下技术和性能优势： （1）螺杆的速度从同行的 100 转/分钟提高到 200 转/分钟，挤出量从类技术的 200kg/h 提升 400kg/h；挤出效率的提升导致能耗降低 10%左右；同类技术目前直径 105mm 的螺杆需要配置 115KW 左右的电机，而本项目技术只需要配置90KW 左右的电机，降低了能耗。 （2）螺杆高频感应加热装置使得加热系统能耗降低 15%左右； （4）克服了同类技术在高速混合挤出时混合效果差导致温度不均衡、色差大等问题，提高了制品的品质； （5）生产工艺数据自动数采率 95%以上； （6）生产效率提高 30%左右；优等品率提高 20%；产能提高 1.5 倍； （7）填补国内针对塑料挤出装备生产过程的精益化生产软件的空白； （8）本项目实现生产流程的闭环优化，现有的 ERP、MES 系统则为开环控制； （9）本项目的软件平台有效提升了塑料挤出成套装备的附加值。 技术的成熟度: 相关技术已经形成产品，在广东达诚机械有限公司及其下游企业进行了产业化。 项目成果转化造价：130 万元； 投资预算：硬件成本（不包含塑料片材挤出机本体部分）85 万元；软件开发45 万元。 成果应用范围：塑料包装行业、包装机械行业。 应用案例及单位：成果在广东达诚机械有限公司等行业龙头企业进行了产业化，并在广东、江浙等地区的 10 多家塑料企业进行了推广应用。 经济和社会效益：项目成果能够有效降低能耗 25%，提高生产效率 30%左右，使得企业投资效益大幅度提升。近 3 年来，据不完全统计，累计新增产值约 67206 万元，新增利润 5040 万元，新增税收 2872 万元。项目成果解决了我国塑料片材挤出装备业目前普遍存在的高能耗、高污染、低附加值、低劳动效率等问题，提升了塑料片材挤出装备的自动化与信息化水平，促进了塑料片材挤出装备的自动化、信息化深度融合；完成了塑料挤出装备产业技术上的跨越式发展，极大地推动了塑料挤出装备产业结构的优化升级，实现了产业结构由高消耗向高效率的转变。 

研究团队全面对比了现有的河流障碍物检测方法（记录、计数和分类），包括实地调查、建模模拟、自动化检测等。研究表明，不完整的障碍物数据库，特别是当大量的小型障碍物数据缺乏时，会导致水资源管理不可靠和低效的生态修复效率。

项目成果/简介: 轴流式潮流能发电装置是针对我国潮流能资源区潮流流速偏低的状况专门开发研制的，具有启动流速低、转换效率高等特点。机组采用半直驱变桨距控制的水平轴水轮机，利用变桨距机构，提高能量转化效率，实现最大能量捕获、低速启动和换向；水下实时监控系统实现了机组的运行状况监测和变桨距控制，同时保证了机组安全运行；基于GPRS技术实现了装置的远程数据采集与控制；机组的支撑结构采用了浮潜式载体专利技术，可通过注排水实现升沉，便于机组的拖航、移址、回收及机组的维护保养。项目阶段: 完成工程样机研发及海上示范运行阶段效益分析: 该成果在潮流能开发利用中具有广泛的推广应用前景。适用于我国潮流能资源区潮流流速偏低的状况，易于在潮流能发电规模化工程中应用，有利于产业化推进。知识产权类型:发明专利 、 软件著作权知识产权编号:ZL201510602258.3 ZL201610459673.2技术成熟度:通过中试技术先进程度:达到国内领先水平成果获得方式:独立研究获得政府支持情况:无

本发明涉及的是岩心压实装置,这种岩心压实装置包括框架座、柱塞式液压缸、填料管、填砂管、填砂管后托座,柱塞式液压缸水平坐落在框架座的后端,其柱塞前端设置有压实头,压实头上设置刻度线,填砂管与填料管连接且相通,填料管与压实头相对应设置,填砂管、填料管、压实头处于同一水平轴线；柱塞式液压缸后端恰好坐在框架座后支座中,柱塞式液压缸前端处于后支撑板中；框架座的前支座具有U型槽,前支撑板也具有U型槽,填料管和填砂管的两端均具有法兰,填料管一端的法兰处于框架座前支座的U型槽中,填料管另一端的法兰处于前支撑板的U型槽中,填砂管前端的法兰安装在填砂管后托座上,填砂管后端的法兰处于框架座前支座的U型槽中。本发明可实现均匀地一次性压实岩心,且填料管和填砂管不受直径的限制。

本实用新型涉及一种间歇联动码垛装置，属于农作物收获领域；包括机架、传输装置和收集装置，传输装置和收集装置均设置在机架上，传输装置设置在挖掘装置和收集装置之间，所述传输装置包括可伸缩运输带，可伸缩运输带包括运输带和运输带伸缩机构，运输带伸缩机构包括齿轮Ⅰ、齿轮Ⅱ、短连杆Ⅰ、短连杆Ⅱ和长连杆，齿轮Ⅰ和齿轮Ⅱ均设置在固定在机架后部的固定板上，齿轮Ⅰ和齿轮Ⅱ之间相啮合，齿轮Ⅱ设置在齿轮Ⅰ和短连杆Ⅱ之间，短连杆Ⅱ的一端与固定板连接，另一端与长连杆的一端连接，长连杆的另一端与运输带的中部连接，短连杆Ⅰ的一端与齿轮Ⅱ偏心连接，另一端与长连杆的中下部连接。其实现了农作物在收集框内自动均匀的码垛，提高了收获机的收获效率。

项目概况 该装置能够根据自然风的旋律特征，采用现代控制技术、现代仪表技术，实现手工手段产生各种自然风，使得在室内温度不够理想的情况下，人体也能得到同样的舒适感。 本项目处于国内先进水平，拥有自主知识产权。主要特点 本装置充分考虑不同用户的舒适感受，结合现有建筑特点和绿色建筑的发展趋势，理论结合实践，从碳排放、节能、舒适感、人与自然的和谐共处等方面着手，进行研究开发。 具体来说，突出以下几点。 1）注重理论模型的正确性，理论是基础。通过实验与数值模拟的手段验证理论的正确性。 2）注重理论联系实践。不拘泥于理论，而是将自然风及热舒适理论用在工程实践中。 3）注重技术与经济的结合。考虑自然风模拟装置的成本、性能、技术水平的平衡。 4）注重技术与社会的结合。考虑自然风场对建筑节能减排的意义、影响，紧密结合时代的需求和发展趋势，将技术研究探索建立在全球气候环境的大背景下进行考虑。 5）注重技术与艺术的结合。抓住风场环境与音乐环境本质上的共同点，将音乐的旋律概念引入风场技术领域。技术指标    抓住自然风的旋律特征指标、人体的舒适感评价指标以及风场的节能指标，有针对性地开发，可用于风扇、中央空调风口等。市场前景    该装置立足国际先进理论，符合低碳经济的特点，具有良好的市场前景，已有相关企业前来考察。

轴流式潮流能发电装置是针对我国潮流能资源区潮流流速偏低的状况专门开发研制的，具有启动流速低、转换效率高等特点。机组采用半直驱变桨距控制的水平轴水轮机，利用变桨距机构，提高能量转化效率，实现最大能量捕获、低速启动和换向；水下实时监控系统实现了机组的运行状况监测和变桨距控制，同时保证了机组安全运行；基于GPRS技术实现了装置的远程数据采集与控制；机组的支撑结构采用了浮潜式载体专利技术，可通过注排水实现升沉，便于机组的拖航、移址、回收及机组的维护保养。