如何提升基层图书馆发展加速度的分析思考

为了充分发挥基层公共图书馆的整体优势和使用效益,实现文献资源的有效利用,南岗区图书馆从自身的实际出发,于2010年6月对阅览部开展了为期一个月的调查,其目的是要充分了解本馆报刊资源的利用情况,及怎样才能合理使用有限的购书经费,达到最大化满足读者的信息需求,尽快提升基层图书馆的服务水平和馆藏资源的建设。     

基于单片机和加速度传感器的跌倒检测设备设计

随着老龄化的加速,老人健康的问题越来越得到社会的关注,其中,跌倒是危害老人健康的重要原因。本文采用Arduino硬件平台、JY901加速度传感器模块和SIM900A串口GPRS模块构建了一种跌倒监测系统。该系统通过串口采集加速度传感器模块的运动数据,送到单片机进行跌倒检测,GPRS模块将跌倒状态发到服务器远端。该系统成本较低,能较精确地实现跌倒检测。     

机械式惯性加速度开关的设计

针对引信中的普通开关无法满足在勤务和碰靶时双向高过载下可靠接通电路,设计了一种机械式惯性加速度开关。利用炮弹的旋转加速度过载使其解除保险,后效期结束后闭合自锁。在碰靶的反向高过载下能保持锁定状态,使电路有效、可靠地接通。仿真结果表明,本开关可以实现在发射后效期结束后可靠闭合自锁。     

液体射流泵空化噪声与振动试验

针对液体射流泵的空化噪声与振动进行了试验研究;运用B＆K加速度仪和水听器对射流泵各部位在不同工况下的空化噪声与振动进行了测量。结果表明：（1）射流泵空化噪声以单极子声源为主,随着流速和紊流度的增大,偶极子作用逐渐增大;（2）射流泵空化噪声与振动随空化程度加剧而更强烈,最强烈处也从喉管向扩散管转移;（3）射流泵面积比越小,达到临界空化前噪声频谱波动越强,临界空化之后噪声谱级趋于平稳,随频率增加而递减;（4）初生空化出现前后噪声在整个频域范围内都有一个较大的跃升,约5-10 dB,此跃升可作为判断初生空化的参考方法;（5）泵体3个正交方向振动并不相同,径向振动较轴向更为明显。     

水稻机制钵苗抛秧机及主要技术参数的优化设计

通过对２ＳＰ—１０型水稻机制钵苗抛秧机自动排序机构中钵苗的运动轨迹、速度、加速度，以及定量抛秧机构中限位挡铁前端面与抛秧爪工作面之间最小夹角进行的理论分析和试验研究，优化了有关参数，提出了改进方案。     

车载式拖拉机座椅舒适性测试系统的研究

应用美国模拟器件公司的ADXL105微型力平衡式加速度传感器、美国Cygnal公司F320型单片机组成车载式拖拉机座椅舒适性测试系统，系统易标定、成本低、供电方式简单。试验结果表明，在其他条件相同时，拖拉机座椅固有频率只要避开人体敏感的频率范围，座椅的舒适性就能得到明显的改善。     

混流式水轮机叶道空化涡诱发高振幅压力脉动特性

混流式水轮机部分负荷叶道空化涡不稳定特性已成为制约水电与其他可再生能源多能互补发展、扩大水轮机稳定运行范围急需研究的技术难题。该研究以HL702低水头混流式模型水轮机为研究对象,通过非稳态数值模拟技术及涡流可视化试验,对部分负荷工况下的叶道空化涡不稳定涡流演化及压力脉动特性展开研究。结果表明,叶道空化涡在水轮机转轮内为一个体积周期性变化的动态过程,其涡结构脉动主频为转轮转频的1.1倍。叶道空化涡诱发时,水轮机转轮叶片压力面和吸力面均捕捉到与涡结构频率相同的压力脉动信号。叶道空化涡体积的变化主要发生在转轮叶片背面出水边与下环交界附近,引起压力脉动幅值的局部放大。进一步分析发现,叶道空化涡发生工况下水轮机内部的瞬时压力脉动信号与空泡体积加速度成正比,表明涡流演化是引起压力脉动幅值上升的重要原因。研究进一步阐明了部分负荷工况叶道空化涡的演化特征,揭示了涡流诱发不稳定高振幅压力脉动的内在机制。     

基于二叉决策树分类模型的草原牛行为识别

为了解决人工监测草原放牧牛运动行为工作量大、监测精度低的问题,试验提出一种基于二叉决策树分类模型的草原牛行为识别方法,即选取草原牛颈部三轴加速度计采集数据的X轴、Y轴、Z轴方差、均方根、平均值及三轴总体的矢量幅度(signal vector magnitude, SVM)和幅度(singal magnitude area, SMA)共11种统计特征量来构建查准率-查全率曲线(P-R曲线),通过P-R曲线获取各统计特征量所对应的最优行为类别分组方式及最优阈值,利用信息增益作为选择标准来构建二叉决策树分类模型,运用此模型对草原牛的躺卧、反刍、采食及慢走四种运动行为进行分类识别,并与K-均值(K-means)聚类算法比对。结果表明：K-means聚类算法只能识别躺卧行为,难以区分反刍、采食及慢走三种运动行为,但二叉决策树分类模型能够有效地将躺卧和慢走行为从躺卧、反刍、采食及慢走四种行为中识别出来,查准率和查全率均达到0.760以上。说明二叉决策树分类模型较常用的K-means聚类算法可更有效地完成草原牛行为分类,并且准确率更高。     

特征提取和特征降维在猪只行为分类识别中的应用

为了有效改善猪只行为分类识别效果,试验采用三轴加速度传感器获取试验猪(猪A、猪B、猪C)在X轴、Y轴和Z轴三个方向上的加速度数据,建立试验猪只行为数据集,分别提取X轴、Y轴和Z轴的平均值、中位数、最大值、最小值、第一四分位数和第三四分位数,共同构成一个包含21个特征在内的数据集,分别采用ReliefF算法和随机森林算法就各特征对试验猪行为分类识别结果影响的大小进行分析与排序,删除与分类识别性能相关性小的特征,将21维数据集降维至9维。结果表明：将经ReliefF算法降维的数据集用于猪只行为识别与分类,猪A、猪B猪C的总体平均准确率分别为80.9%、81.7%和82.0%;将经随机森林算法降维后的数据集用于猪只行为识别与分类得到的总体平均准确率分别为86.4%、85.3%和87.2%。说明采用随机森林算法进行特征降维的效果更好,更适用于处理猪只行为数据。