通过提高化石燃料价格及其对温室气体(GHG)的影响,研究人员正在尝试开发节能技术(Erdem等,2016)。在寒冷的气候中,减少温室加热能源消耗是温室存在的重要参数(Mathala等,2002)。已经进行了许多研究工作,以改善活性和被动温室类型的能量(Alkilani等,2011)。有几种方法,例如热绝缘,太阳能,地球到空气热交换器,地热能和不同的热储存系统(Beshada等,2006; Mashonjowa et al 2013; Patil等人2013; Patil等人2013; Sethi et al 2013; Sethi et al 2013; Zhang et al 2013; Zhang et al 2015; bin et al 2016; Bin et al 2016》; Bin等人2016; Jieyu et al 2017; we et et et et et et et et et et et 2017; we et e e e e e e e e e e e e e e e ii II II II。据报道,这些方法中的每种方法在特定的气候条件下都是有效的。
影响无人机监视系统所捕获图像质量的最关键因素之一是从飞机传递到万向架的振动。无人机中使用的万向架是必不可少的设备,它可以稳定而准确地固定住摄像机并将其指向所需的方向。在本文的范围内,为微型无人机中使用的双轴光电万向架进行了被动隔振系统设计。通过在不同方法中选择弹簧阻尼器系统,使用分析方法进行了在单轴上隔离平台谐波振动的设计。使用分析方法创建了沿单轴隔离平台谐波振动的设计。此外,包含该减震系统的部件“Pan Yoke”采用计算机辅助设计程序进行设计,并使用 Ansys 模态分析检查固有频率值。已确定从飞行器传递到万向架的振动频率和设计部件的固有频率彼此接近,约为 200 Hz。通过各种设计更改和拓扑优化对该部件的固有频率值进行了优化,以防止部件发生共振。
摘要 电生理学和光遗传学的结合使我们能够探索大脑如何运作,直至单个神经元及其网络活动。神经探针是体内侵入式设备,它集成了传感器和刺激部位,以高时空分辨率记录和操纵神经元活动。最先进的探针受到其横向尺寸、传感器数量和访问独立刺激部位的能力等方面的限制。在这里,我们实现了一种高度可扩展的探针,它具有小尺寸传感器阵列和纳米光子电路的三维集成,与最先进的设备相比,每个横截面的传感器密度提高了一个数量级。我们首次通过将一个波导耦合到众多光环谐振器作为无源纳米光子开关,克服了纳米光子电路的空间限制。通过这种策略,我们实现了精确的按需光定位,同时避免了对波导束的空间要求,并通过概念验证设备证明了其可行性及其对高分辨率和低损伤神经光电极的可扩展性。
光学纳米天线能够在纳米尺度上压缩光并增强光与物质的相互作用,因此对光子器件和光谱学具有重要意义。其中,由支持声子极化子的极性晶体制成的纳米天线(声子纳米天线)表现出最高的品质因数。这是因为这些材料固有的低光损耗,然而,由于它们的介电性质,阻碍了纳米天线的光谱调谐。在这里,通过近场纳米显微镜监测,在很宽的光谱范围(≈ 35 cm − 1 ,即共振线宽 ≈ 9 cm − 1 )内实现了声子纳米天线中超窄共振的主动和被动调谐。为此,将由六方氮化硼制成的单个纳米天线放置在不同的极性基底上(例如石英和 4H-碳化硅),或用高折射率范德华晶体 (WSe 2 ) 的层覆盖它,以改变其局部环境。重要的是,通过将纳米天线放置在费米能量变化的门控石墨烯单层顶部,可以实现纳米天线极化子共振的主动调谐。这项工作提出了具有超窄共振的可调极化子纳米天线的实现,可用于主动纳米光学和(生物)传感。
本研究的目的是研究脑电图(EEG)脑部计算机界面(BCI),以监测虚拟现实(VR)飞行模拟过程中心理工作量的现实差异。许多航空事故与试点认知和任务需求与认知资源之间的不匹配有关。实时神经生理监测提供了一种方法,可以通过获得连续的客观测量,而无需增加飞行员的工作量,从而识别高工作量的精神状态。在VR飞行模拟期间的导航困难和通信任务改变了工作负载。分析了在模拟飞行过程中收集的EEG数据,以评估被动BCI的性能以分类工作负载水平。BCI方法以EEG工作量文献为指导。获得了75.9%的分类率,α和β频带最有用。结果表明,被动EEG-BCI可能是监控工作量和提高飞行安全性的有效策略。
摘要。抑郁症和焦虑是世界上最常见的精神健康障碍,导致了大量发病和死亡。过去的治疗主要集中在治疗抑郁症和焦虑症上。但是,迫切需要检测慢性压力状态并可能使用即时的个性化干预措施进行干预。现代技术彻底改变了我们被动测量各种生物学和生理信号的能力。在我们的日常生活中,我们从手机,可穿戴技术,手表甚至计算机和汽车中产生大量的电子数据。在此分析中,我们专注于使用Fitbit的可穿戴数据来被动地预测日常情绪状态(例如,悲伤/紧张/焦虑与快乐)。我们使用弹性净回归机器学习算法的日常使用来自38名参与者的每日FITBIT数据和约1200天的数据来预测情绪状态(例如,悲伤/紧张/焦虑与快乐)。我们能够使用交叉验证的机器学习算法准确地预测这些状态,并确定了每个情绪状态的特征。在此概念验证分析中,我们表明,预测日常情绪状态是可行的,并且不仅可能有助于检测日常情绪状态,还可以提高被动意识并提供及时的干预措施。
现有的汽车环境意识的ADAS解决方案(相机,激光镜,超声波等)要求目标在传感器的明确视线中。必须通过某种能源来照亮目标,因此系统会受到灰尘,天气,照明和障碍物的影响。我们使用“倾听”环境的被动声学解决方案来解决这些局限性。它可以听到角落周围或远距离看不见的潜在目标,从而提供预警并改善其他ADAS系统的预警。我们旨在检测包括警笛,接近车辆,自行车甚至行人的各种公路参与者。我们讨论了用例和挑战,提出了基于汽车等级组件的廉价参考体系结构,并以初始验证结果报告了更新的开发状态。
空气中的颗粒物数据对于保护人类健康至关重要。人为(例如烟尘、轮胎和刹车磨损)以及生物(例如花粉和孢子)颗粒通常由位于城市环境中的主动采样器监测;因此,偏远山区的数据非常少。此外,生物气溶胶分析耗时且需要大量技能。因此,为了避免主动采样的障碍(即高成本和功耗)并简化数据分析,我们研究了结合自动分析的被动采样作为花粉检测方法。2018 年,我们在意大利圣米歇尔阿迪杰部署了两台 Sigma-2 被动采样器,为期 12 周。自 1990 年以来,这里一直使用 Hirst 型容积采样器监测空气中的花粉。为了获得单个粒子的形态化学信息,我们使用 (i) 自动光学显微镜 (OM) 分析了样品,然后根据粒度和灰度值进行图像分析,以及 (ii) 自动扫描电子显微镜结合能量色散 X 射线光谱 (SEM/EDX)。自动 OM 检测到尺寸范围为 20–80 µ m 的明亮颗粒(即来自天然来源),准确代表了总花粉,SEM/EDX 根据大小、形状和化学成分过滤颗粒,这使我们能够识别可能的花粉候选物(“花粉状”部分)。总体而言,自动化分析技术可以同时提供有关空气中人为、地质和生物颗粒(包括花粉)的数据。此外,被动采样为收集空气生物学研究中的数据提供了一种可靠的选择,特别是在维护主动采样器具有挑战性的偏远地区。关键词:空气生物学、Sigma-2 采样器、Hirst 型采样器、空气中颗粒、SEM/EDX
我在此提交论文“一种应用于被动诱发情绪的脑电图信号的情绪预测回归方法”,该论文涵盖了情绪预测领域的脑电图研究。这篇论文是作为蒂尔堡大学硕士数据科学协会的一项作业而撰写的,该协会专注于商业,目的是为情绪预测领域做出贡献。尽管 COVID-19 大流行迫使我们适应新的工作方式,但这项研究是在极大的好奇心和愉悦中完成的。我对脑电图和情绪预测知之甚少,这项工作让我大大提高了我在这个主题上的专业知识。我很感谢我的导师 B. Nicenboim 的合作和指导。我更喜欢在探索不同的解决方案和挑战自己以实现某个目标时拥有很大的自由。B. Nicenboim 给了我这种自由,同时在我需要时总是准备好提供反馈或帮助,我对此心存感激。艾萨克·牛顿曾经说过:“如果我能看得更远,那只是因为我站在巨人的肩膀上。”通过挑战某些想法并质疑研究的某些方面,研究就有机会提高其质量。因此,我要感谢我的巨人 N. Chauhan 和 D. van den Corput 挑战我的想法并因此改进了我的论文。
分离和鉴定分子和生物分子,例如核酸,蛋白质和复合流体的多糖,这对于各种应用中的未满足需求而言很重要。通常,已经开发出许多不同的分离技术,包括色谱,电泳和磁载体,以精确地识别靶分子。但是,这些技术既昂贵又耗时。“实验室芯片”系统,每个设备成本较低,快速分析能力和最少的样品消耗似乎是分离颗粒,细胞,血样和分子的理想候选者。从这个角度来看,在过去的二十年中,已经开发了不同的基于微流体的技术,以分离具有不同起源的样本。在这篇综述中,通过被动,主动和混合方法的“实验室”方法进行了全面讨论,用于在过去十年中开发的生物分子分离。由于领域中种类繁多,因此无法覆盖该主题的每个方面。因此,本综述论文涵盖了通常用于生物分子分离的被动和主动方法。然后,突出了对复杂方法的合并研究。近年来,人们的聚光灯还将散发出分离成功的优雅,其余文章探讨了这些成功率如何允许新技术的发展。