【摘 要】
：
随着计算机技术以及柔性电子技术的飞速发展,智能可穿戴电子呈现出爆炸式的增长趋势,这些智能品具有可穿戴、尺寸小、质量轻、时尚感强等特性,被广泛应用于医疗健康等领域。智能可穿戴设备均需要能源供应来维持其工作状态。微型设备多用锂电池供电,然而锂电池的续航能力有限,一旦电池耗尽,设备将处于无法工作状态。除此之外,锂电池对所处的工作环境有严格的要求,温度条件将影响电池的安全、性能以及寿命,这些问题限制了智能
论文部分内容阅读
随着计算机技术以及柔性电子技术的飞速发展,智能可穿戴电子呈现出爆炸式的增长趋势,这些智能品具有可穿戴、尺寸小、质量轻、时尚感强等特性,被广泛应用于医疗健康等领域。智能可穿戴设备均需要能源供应来维持其工作状态。微型设备多用锂电池供电,然而锂电池的续航能力有限,一旦电池耗尽,设备将处于无法工作状态。除此之外,锂电池对所处的工作环境有严格的要求,温度条件将影响电池的安全、性能以及寿命,这些问题限制了智能可穿戴设备的应用。目前亟需研发一种能源采集方式来实现在极端环境中为可穿戴电子设备进行持续性供电。人体拥有丰富的生物化学能、生物热能和生物机械能,由身体的热量和运动可产生大量的可用能源。对于一个69 kg的成年人,人体通过呼吸、血液输送、运动产生的能量可以达到100 W以上。因此如果将人体1%的能量转换为电能为电子设备供电就能够解决电池耗时的供电问题。本文提出一种电磁式柔性发电织物,主要包括利用物理/化学方法制备了80 wt.%的Nd2Fe14B-TPU磁性复合材料,通过双螺杆挤出法制备了丝径为200μm的Nd2Fe14B-TPU磁性复合纤维,并通过工业制造方法进行编织得到了80 wt.%的Nd2Fe14B-TPU磁性复合织物,充磁后的磁性复合织物表面磁强强度为9 m T。此外,本文构建了一个标准的测试平台,通过使用线性运动平台以及Keithley数字万用表来研究织物的发电能力,测试了磁性复合织物的电学性能以及不同负载下的输出电压值及电流值,单层磁性织物输出电压可达2 V,输出电流可达4.5 m A,并利用柔性发电织物与柔性线圈的相互作用为电子设备进行供电。最后通过测试表明Nd2Fe14B-TPU复合磁性织物具有良好的可穿戴性能,例如,耐洗涤性、透气性、抗拉伸性、抗撕裂性、抗弯曲性能、耐磨性能等。同时具有较好的极端环境适应性,例如,在高温、低温、酸性、碱性以及人体汗液环境中。
其他文献
硬盘的可靠性很大程度上决定了存储系统的可靠性,如何在硬盘发生故障前进行预警成为研究热点。硬盘一般通过自我监测、分析和报告技术（Self-Monitoring Analysis and Reporting Technology,S.M.A.R.T.）系统采集每天的运行数据,根据监测属性值的变化进行预警,但该方法预测硬盘故障的成功率较低。目前主流研究方法将硬盘故障预警问题看作是时序数据分类或预测问题,
以通讯、导航、探测、计算机、雷达为代表的电子装备结构复杂,研制周期短,更新换代快,品种多批量小,可靠性要求高。在电子装备设计、制造、检测、运维的全生命周期各阶段,都需要具备对装备的加工、装配、使用、维修、保养和故障排除的能力,而直观、精准、可交互的产品技术手册是实现这一目标的关键所在。传统的技术手册存在制作效率低、可交互性差、不直观、查询检索困难低等问题,无法满足电子装备定制化、数字化、集成化的发
随着人工智能、物联网等技术不断的升级和应用普及,全球数据呈爆发式增长。大量的数据频繁在处理器和存储器之间交换和处理,这种信息存储单元和计算单元分离的计算架构,严重的制约了处理器的计算性能。忆阻器因其良好的非易失性存储和逻辑计算功能、高速、低功耗、可与CMOS工艺兼容等特点,成为最重要的存算一体化器件之一。然而忆阻器导电通路形状和通断部位的随机性导致器件的一致性较差,严重的限制其产业化应用。因此,导
长期以来,考试都是一种有效的学情评价手段,但在传统的手工阅卷和现代的网上阅卷过程中,存在教师阅卷工作量繁重,对学生的学情评价只能依赖教师手工进行等问题,为教师增添了额外的工作量。在“双减”的背景下,如何在切实减负的同时有效提升教学质量,对教师的教学工作提出了更高的要求,要求教师对学生的学习情况有更加精准的认知,从而展开针对性的教学,真正达到因材施教的目的。通过对考试及学情评价全过程的分析,结合人工
海量数据的爆发式增长,对存储设备的容量、性能和可靠性提出了新的要求。机械硬盘作为现代存储系统的重要存储设备,易发生机械故障导致数据损坏与丢失的事故。因此,高效监测磁盘状态并及时预警故障,有利于建立高可用的存储系统。现有研究建立的磁盘故障预测系统通常有磁盘生命周期量化简单、应用场景特殊或上线成本高的局限性,不适用于通用场景。当前基于深度学习（Deep Learning,DL）技术能智能精简地预测磁盘
目的:1.描述健康成人在中长跑运动前、运动中、运动后三个阶段的心率变异性（Heart rate variability,HRV）的变化特征。2.分析影响健康成人在中长跑运动中心率变异性（Heart rate variability,HRV）的因素。方法:1.2021年7月至10月招募同济医学院社区内的健康成人作为研究对象。对研究对象进行问卷调查、体格检查和8圈（3.2公里）中长跑测试,问卷调查包括
数据去重技术和差量压缩技术作为冗余数据消除的重要手段,已经受到越来越多的关注。数据去重可以消除存储系统中相同的数据块,而差量压缩则可以对存储系统中不相同但相似的数据块进行进一步冗余数据消除。然而,在数据去重系统上引入差量压缩技术虽然能够消除更多的冗余数据,但也导致了系统恢复性能的下降。在联合差量压缩的数据去重系统上,数据去重引入的重复块碎片和差量压缩引入的基本块碎片导致了对磁盘的额外访问,从而降低
机器人工程专业建设研究对满足相关产业未来人才需求、推动产业发展和经济进步、提升国家科技实力、解决科技“卡脖子”问题有着重要意义。基于专家研讨的专业建设方式虽在传统工科建设上取得了一定的成绩,但机器人工程专业作为一门新工科专业相较传统工科专业知识体系更为复杂、学科边界模糊,且机器人工程专业学科发展速度快、变化大。依靠传统的专家研讨的方式来进行专业建设难度大、耗时长,因此,本文以机器人工程专业为例提出
近年来,互联网迈入产业互联网阶段,远程医疗、远程驾驶和网络制造等远程控制类时延敏感业务得到广泛关注,这类业务对底层网络的共性需求包括有界带宽、时延、抖动和丢包率等确定性指标,现有基于业务服务质量（Quality of Service,Qo S）类别的资源预留机制受限于网际互连协议（Internet Protocol,IP）数据报网络“尽力而为”的传输特性,仅能部分保障业务带宽,难以满足时延抖动等上
近年来,随着计算机技术和深度学习理论的发展,深度学习算法在心律失常分类中已初步崭露头角,但是大多集中于二分类或多分类。针对本文标签均为异常的心电数据来说,由于一个人可能会携带一种或多种标签,且部分标签出现频率极低,目前的算法会存在诊断类别不全、预测准确率较低等问题,因此本文基于多头自注意力机制,提出了一种心律失常分类深度学习模型,主要研究内容如下:（1）心电数据在采集过程中极易受到噪声的影响,进而