本发明涉及振动能量收集技术领域，具体为一种机床主轴的振动能量收集装置及方法，该装置包括能量收集器、机床主轴、以及主轴箱壳体，所述机床主轴设有固定轴承，所述主轴箱壳体包括第一侧壁和第二侧壁，所述第一侧壁垂直于所述第二侧壁，所述固定轴承的外壁与所述第一侧壁之间设有支撑架，所述第二侧壁与所述支撑架之间设有能量收集器，所述能量收集器通过磁致伸缩材料收集所述机床主轴的振动能量，将振动能量转换成电能，进而可以实现对机床的其他元件供电，节省了部分外部电源的供给，同时不影响机床主轴的正常运行，并有利于振动的传递。

本发明提供了一种针对复杂结构的瞬态能量响应高精度预示方法，考虑子系统间能量传递的时变项（ｉｍｇ　ｆｉｌｅ＝＇ＤＤＡ０００１４３８１９６０５０００００１１．ＴＩＦ＇　ｗｉ＝＇３３０＇　ｈｅ＝＇１１０＇　ｉｍｇ－ｃｏｎｔｅｎｔ＝＇ｄｒａｗｉｎｇ＇　ｉｍｇ－ｆｏｒｍａｔ＝＇ＴＩＦ＇　ｏｒｉｅｎｔａｔｉｏｎ＝＇ｐｏｒｔｒａｉｔ＇　ｉｎｌｉｎｅ＝＇ｎｏ＇／）结合复杂结构的损耗因子矩阵η，建立结构各子系统的瞬态功率平衡方程，给定初始边界参数，采用四阶?五阶Ｒｕｎｇｅ?Ｋｕｔｔａ算法计算得到结构各子系统的瞬态能量响应；相比于传统方法仅考虑能量的时变项，本发明通过考虑了复杂结构各子系统间能量传递的时变项，建立了更为完整的复杂结构各子系统瞬态能量平衡方程，显著提高了目前瞬态统计能量分析方法在瞬态能量响应预示中的预示精度，拓展了目前瞬态统计能量分析方法的研究范围，可以解决不同耦合强度结构的瞬态能量响应分析，同时结合商业统计能量分析软件，可以解决复杂结构的瞬态能量响应预示问题。　１　

一种轨道交通车辆制动能量气动回收再利用装置，属于轨道交通车辆技术领域。本实用新型由安装在 车辆转向架车轴上的凸轮，安装在转向架构架上的其余部件组成。其中凸轮、滚子和气缸活塞杆构成凸轮 机构，将车轴的旋转运动转化为气缸活塞杆的往复运动；排气单向阀、吸气单向阀连接在气缸的无杆侧，在气缸活塞杆的往复运动下，实现排气和吸气功能，将机械能转换为气压能。该装置能够将制动能直接回 收成气压能，以供车辆系统使用。

本发明提供了一种针对时变结构的瞬态能量响应高效预示方法，基于时变结构的能量密度控制方程，结合时变结构各子系统在不同频带内的时变内损耗因子和子系统间的时变耦合损耗因子，建立时变结构各子系统的瞬态能量控制方程，给定初始边界参数，采用四阶?五阶Ｒｕｎｇｅ?Ｋｕｔｔａ算法计算得到时变结构各子系统的瞬态能量响应。本发明发现了能量密度控制方程中内损耗因子引起的功率流动项，对空间体积积分后建立了时变结构各子系统的能量控制方程，从而将能量分析方法推广到了时变结构的动力学响应分析，拓展了目前能量分析方法的研究范围。同时，相比于传统的离散化方法，本发明采用能量的方法建立结构各子系统的能量控制方程，显著提高了计算分析的效率。

本发明涉及汽车能量回收，旨在提供一种汽车制动能量回收装置及其分段控制方法。该装置包括超级电容和电机、低压端电流表、双向Buck-Boost变换器、高压端电流表、PWM控制器、低压端继电器和高压端继电器；低压端继电器和高压端继电器均为单刀双掷开关，包括动触点、第一静触点和第二静触点；低压端电流表设于超级电容与低压端继电器的动触点之间，高压端电流表设于电机与高压端继电器的动触点之间；各设备分别通过信号线连接至PWM控制器。本发明可直接用于现有电动汽车和油电混合动力汽车上，提高其制动能量回收的效率、增加节能效果、延长其续驶里程。

本发明公开了一种基于能量捕获的能效公平性优化方法，包括： 获取初始数据，包括基站发射功率、路径损耗因子、网络接收阈值、 用户与单层网络的基站之间的距离、网络总带宽和其它层网络的基站 对用户的干扰；在频谱正交分割的情形下，根据路径损耗因子和网络 接收阈值，得到覆盖概率的平均对数；根据覆盖概率的平均对数、网 络总带宽和网络接收阈值，以网络能效值最大为目标建立网络能效模 型，基于网络能效模型得到网络接收阈值的隐函数；将初始数据输入 到网络接收阈值的隐函数，得到最优网络接收阈值和最优网络能效值。 本发明在保证用户服务质量的同时，有效提升整个网络的能量公平性。

利用三维高结晶度的Bi纳米结构抵消储能转换反应引起的结构内应力，成功构筑了首款可充放的Ni//Bi电池（Adv. Mater., 2016, 28, 9188–9195．）。为了进一步提高镍铋电池的能量密度和寿命，该团队在前期基础上最近通过原位活化的策略制备了一种高载量的三维多孔的铋-碳复合材料，作为水系镍铋电池的高性能负极材料。这种多孔氮掺杂的碳三维结构不仅可以实现高载量铋的均匀负载，而且可以提供快速的电子传输和离子扩散的通道，有利于提高电极的容量和倍率性能。因此，制备的铋-碳复合电极具有很好的润湿性和活性面积，表现出较高的容量（2.11 mAh cm-2和166.2 mAh g-1）和优异的倍率性能（2.11 mAh cm-2和120 mA cm-2）。更重要的是，基于这种铋-碳复合材料为负极，Ni-NiO为正极组装的柔性镍铋水系可充放电池具有很高的能量密度（16.9 mWh cm-3）和出色的循环寿命（充放电5000次后仍有94%的容量保持率），优于很多研究报道的水系电池。

汽车在制动时，一般利用车轮制动器将汽车的势能和动能转化为热能，车轮制动器是根据摩擦原理制成的；在汽车长时间连续制动时，制动器的热负荷非常大，使得制动鼓（盘）的温度大幅度升高，从而使摩擦因数下降、磨损加大，结果使制动器失去或部分失去制动效能。部分大中型商用车安装的非摩擦原理的电涡流缓速器或液力缓速器能降低制动器的热负荷，但还没有制动能量回收的功能；电涡流缓速器还需要励磁，额外消耗电能。本专利设计的制动能量回收装置利用发电机发电，发出的电能给蓄电池充电，回收制动能量，当汽车制动至较低车速时，发电机转速

本发明提供了一种城市轨道列车再生制动能量综合吸收利用系 统，包括能量回馈逆变器、储能单元、DC/DC 双向变换器及直流平波 电容；能量回馈逆变器的直流侧、DC/DC 双向变换器的高压侧均与直 流平波电容相并联，同时与直流母线的正负极相并联；DC/DC 双向变 换器的低压侧与储能单元相连；能量回馈逆变器的交流侧与牵引变电 站内配电变压器低压侧相连，用于将直流母线上的再生制动能量进行 逆变，供牵引变电站内用电设备使用。本发明还提供了基于上述系统 的再生制动能量吸收利用方法。本发明基于直流母线电压的变化情

数据采集技术 可穿戴传感器是接触式传感器。加速度传感器测量运动加速度，心率、血压和血氧传感器检测心率、血压等生理数据。可将不同的传感器集成在智能手环、脚环、腰带等可穿戴设备中，以实现加速度、角速度和生理等数据的采集；物体和环境传感器是非接触式传感器，常见的物体传感器基于RFID技术，通常用于身份、物流等信息的识别。常见的环境传感器有声音传感器、磁力计、气压传感器、温湿度传感器和PM 2.5传感器等，实现各种环境信息的采集。 多模态传输技术 LPWAN (Low-Power Wide-Area Network，低功率广域网络) 在LPWAN技术出现以前，通信技术已经有多种类别，短距离的有wifi、蓝牙、zigbee等，长距离的则有2G、3G、4G、5G等，但是如果把这些无线通信技术按照功耗与传输距离这两个维度划分的话可以发现在功耗低、距离远这个范围的技术还欠缺，而LPWAN技术的出现正好弥补了这个短板。         LPWAN可分为两类：一类是工作于未授权频谱的LoRa、SigFox等技术；另一类是工作于授权频谱的基于蜂窝组网的通信技术，比如eMTC、LTE Cat-1、NB-IoT等。LPWAN 专为低带宽、低功耗、远距离、大量连接的物联网应用而设计。 最具前景的LPWAN技术——NB-IoT和LoRa： 物联网（IoT）应用需要考虑诸多因素，例如节点成本、网络成本、电池寿命、数据传输速率(吞吐率)、延迟、移动性、网络覆盖范围以及部署类型等，可以说没有一种技术可以满足IoT所有的需求。NB-IoT和LoRa两种技术具有不同的技术和商业特性，也是最有发展前景的两个低功耗广域网通信技术。这两种LPWAN技术都有覆盖广、连接多、速率低、成本低、功耗小等特点，都适合低功耗物联网应用。 LoRa （Long  Range）:     一个LoRaWAN网络架构中包含了终端、基站、NS(网络服务器)、应用服务器这四个部分。基站和终端之间采用星型网络拓扑，由于LoRa的长距离特性，它们之间得以使用单跳传输，终端节点可以同时发送信息给多个基站。基站则对NS和终端之间的LoRaWAN协议数据做转发处理，将LoRaWAN数据分别承载在了LoRa射频传输和TCP/IP上。 NB-IoT（Narrow Band Internet of Things） NB-IoT构建基于蜂窝网络，只消耗大约180KHz的带宽，可直接部署于GSM网络、UMTS网络或LTE网络。NB-IoT是IoT领域一个新兴的技术，支持低功耗设备在广域网的蜂窝数据连接。NB-IoT支持待机时间长、对网络连接要求较高设备的高效连接。 NB-IoT具备四大特点：一是广覆盖，将提供改进的室内覆盖，在同样的频段下，NB-IoT比现有的LTE网络增益提升20dB，覆盖面积扩大100倍；二是具备支撑海量连接的能力，NB-IoT一个扇区能够支持10万个连接，支持低延时敏感度、超低的设备成本、低设备功耗和优化的网络架构；三是更低功耗，NB-IoT终端模块的待机时间可长达10年；四是更低的模块成本，企业预期的单个接连模块不超过5美元。 数据分析技术 人工智能研究的各个分支，包括专家系统、机器学习、进化计算、模糊逻辑、计算机视觉、自然语言处理、推荐系统等。2012年以后，得益于数据量的上涨、运算力的提升和机器学习新算法（深度学习）的出现，人工智能开始大爆发。机器学习是一种实现人工智能的方法，深度学习是一种实现机器学习的技术。机器学习是用大量的数据来“训练”，通过各种算法从数据中学习如何完成任务。深度学习本来并不是一种独立的学习方法，但由于近几年该领域发展迅猛，一些其特有的学习手段相继被提出（如残差网络），因此越来越多的人将其单独看作一种学习的方法。深度学习的各种算法已成为行为识别主要应用的技术，传感器采集的各类信号，通过卷积神经网络、循环神经网络等分类，识别出坐、走、跑、跳、上下楼等日常行为，也可以实现对被监护者摔倒等异常行为的检测。