文章详细介绍了针对润开鸿鸿锐开发板SCDAYU800A的OpenHarmony操作系统的移植适配过程。润开鸿鸿锐开发板SCDAYU800A基于平头哥高性能RISC-V架构曳影TH1520芯片，具备强大的AI算力和丰富的功能接口。通过对OpenHarmony的适配，实现了从产品定义、工具链适配到内核移植、驱动适配等关键环节的完整流程。并重点探讨了RISC-V架构下针对标准系统Linux内核的移植以及触摸屏驱动的开发，为基于RISC-V架构的嵌入式系统研究提供了实践参考。
随着大语言模型(LLM)及边缘计算技术的发展，AI智能体(AI Agent)正逐步成为物联网(IoT)系统中的核心调度与控制单元。文章设计并实现了一套以AI智能体为核心的人工智能物联网(AIoT)系统架构，融合传感器/执行模块、边缘终端、本地/云端LLM推理引擎、云计算中心与n8n自动化平台。系统采用模块化设计，支持MCP调度架构与OPC UA、MQTT等协议通信，具备低延迟、高可扩展性和良好的工程可移植性。并重点介绍了系统构成、核心模块设计，以智能家具为典型应用实例及部署实验，展示其在各种AIoT行业应用场景下的实用性和开放性。
心理健康是社会普遍关注的问题，我国抑郁症患者群体人数持续扩大，发病群体呈现年轻化趋势，且高校学生群体占比持续升高，利用人工智能技术赋能高校心理健康工作刻不容缓。本文针对现有高校心理健康工作存在集中评测精度不足、隐患排查时效性差、传统面谈覆盖面窄等问题，提出了基于多模态情感交互的学生心理健康支持系统。该系统依托校园行为大数据，构建学生异常情绪及行为监测与预警机制；通过自主研发的大语言模型，实现学生情绪的动态识别与智能评估，并结合心理学理论，动态适配个性化疏导策略，支持多角色的情感陪伴与心理支持。系统在实际应用中表现出良好的效果，心理状态评测准确率超过85%，显著提升了心理服务的精准性与响应效率，为校园心理健康教育体系的智能化与科学化建设提供了有力的技术支撑。
Zephyr开源项目由Linux基金会维护，是一个针对资源受限的嵌入式设备优化的小型、可缩放、多体系结构实时操作系统(RTOS)。近年来，Zephyr RTOS在嵌入式开发中的采用度逐步增加，支持的开发板和传感器不断增加，其广泛的设备支持和高度的可扩展性吸引了开发者的关注。相比FreeRTOS等小型RTOS而言，教育生态不够成熟的Zephyr系统规模更大，结构更复杂，这提高了开发者入门和精通的门槛。文章对Zephyr硬件抽象层和设备驱动的架构与实现进行系统性分析，重点阐述了设备驱动模型和设备树的作用。为了展示基于Zephyr的嵌入式软件开发，文章在BBC micro:bit V2开源硬件上构建样例Zephyr设备驱动和应用程序，并做解释和验证。
本文聚焦基于MCU平台的物体检测算法的讨论，并提供了一套完整的工程实现示例：人脸追踪风扇。工程不仅提供了一个高效的物体检测算法，并且实现了一个自动追踪人体的控制系统，控制双路舵机转动底座，实现了风扇一直跟随人脸转动。本文所提供的检测控制系统也可以集成到监控设备，智能家居，工业自动化领域等等。
在当今电气系统和设备日益普及的背景下，电器故障和老化等因素引发的火灾事故频繁发生，严重威胁着人们的生命安全和财产。现有的火灾预警方案多数依赖于电气参数与固定阈值的比较，存在响应速度慢、准确性不足等问题，无法有效应对复杂的电气故障情况。为了解决这种问题，提出一种创新的电气火灾预警系统，基于长短期记忆网络(LSTM)技术，结合高频电气参数循环神经网络(HF-LSTM)和低频电气参数循环神经网络(LF-LSTM)进行研究。HF-LSTM深入挖掘线路的温升规律和超温故障特性，而LF-LSTM则用于探索线路温度变化的周期性模式。通过这两种模型的结合，使系统能够精确预测线路温度，实现对电气火灾风险的早期识别和预警。该系统突破了传统模式只依赖某几个参量的数据特征对电气火灾危险性进行计算和研判，忽略了参量间的物理关联，本文采用基于LSTM的动态阈值调整机制，增强了时间序列信息的连续性和相关性，从而提高了预警准确性和响应速度。系统还引入了预警分位的概念，实现了火灾风险的定量评估和分级管理。硬件电路实时采集电流、电压和温度信息，并与物联网平台结合，实现实时监控和自动响应。通过先进算法，系统提高了对微弱信号的识别能力，确保了早期风险感知和预防。实验数据表明，该电气火灾预警系统在预测准确性和响应速度上均显著优于现有方案，能够有效降低火灾发生率，为保障生命和财产安全提供了高效可靠的解决方案。
由于传统PID控制器面临参数调整繁琐、实时调适滞后、工况适应局限等挑战，本研究提出了一种以人工蜂群算法(Artificial Bee Colony, ABC)为核心的BP神经网络优化策略。研究表明，ABC算法对蜜蜂觅食行为的模拟机制，显著增强了BP神经网络在参数空间中的探索能力，有效维持了粒子群的多样性特征，构建起了高效的PID控制参数自适应调节框架，成功地克服了因参数失配而引发的控制效能递减难题，确保了控制系统在复杂工况下的稳定性与鲁棒性，为提升控制系统整体性能提供了坚实保障与有力支撑。ABC算法在提升BP神经网络性能上卓越可靠，为PID控制革新提供了依据与范式。
针对矿热炉电极端部位置检测精度低及开发过程中的复杂性问题，本文介绍了一种新型差动式磁场阵列检测系统。该系统通过布置磁场传感阵列，利用差动信号处理技术，有效消除了环境干扰和系统噪声，提高了电极端部位置检测的精度和可靠性。研究首先构建了矿热炉磁场检测模型，并基于毕奥–萨伐尔定律，分析了矿热炉的炉外磁场分布。仿真验证了差动式磁场阵列检测方法的有效性。测试结果表明，该系统能够在恶劣的工业环境中准确检测电极端部位置，为矿热炉的高效运行提供了有力支持。本研究为矿热炉的工业参数检测和控制提供了新的思路和技术支持。
随着人口老龄化程度加深，社会养老负担加重，处理好全社会的养老问题十分重要。在全球范围内，老人身体健康受到许多致命疾病的威胁。而独居老人生活中缺少家人照顾，心理上缺少慰藉，导致患病率更高，同时发生意外也无法及时得到救助。面临精神、健康、意外风险三重困境，因此，他们具有更大的健康风险。本文提出的系统基于云–边–端架构实现，由云端服务器、感知控制和应用服务构成，实现了语音服务和老人应急服务，即老人有语音需求时可以及时提供相应服务，老人摔倒时可以给老人送药并向前端发送照片和警报；前端交互模块则由微信小程序实现，使家人能远程关注家中老人的身体健康状况。
介绍一种完全自主开发的体积小的基于MEMS无线数字地震检波器。该检波器主要包括以下几个部分：MEMS传感器板、放大采集板、FPGA控制主板、无线触发接收板、无线WIFI模块板和供电电源设计等。该传感器的设计涉及多个关键技术点，包括微弱信号获取、低功耗设计、总体结构的合理布置、高精度和高灵敏度、无线数据通讯以及无线触发信号接收等。应对这些关键技术点，本设计首先对芯片和材料精挑细选、对电路和结构进行合理设计，满足该检波器各项技术指标。最后通过一系列的室内测试和野外试验，验证了该检波器的各项功能和性能，为地震勘探提供高精度、高灵敏度、稳定可靠的地震检波器。
本研究旨在开发一种在资源受限的微控制器单元(MCU)上运行的方法，用以进行鼾声检测。不同于使用CNN进行声音检测的方式，我们采用门控循环单元(GRU)模型以对音频数据进行处理和分析。通过采用优化模型结构、模型量化等常用的模型优化方式，我们最终成功将GRU模型适配到低功耗的MCU平台，使其能够在不依赖外部计算资源的情况下，独立完成端侧的鼾声检测任务，无需联网。实验结果表明，该模型在保持较高准确性的同时，能够有效降低系统算力需求，满足移动健康监测设备的实时性与便携性要求。这一研究为鼾症患者的持续监测和睡眠健康管理提供了一种新的解决方案，同时也拓展了深度学习在嵌入式系统中的应用前景。
