A wind power short-term forecasting method based on discrete wavelet transform and long short-term memory networks (DWT_LSTM) is proposed. The LSTM network is designed to effectively exhibit the dynamic behavior of the wind power time series. The discrete wavelet transform is introduced to decompose the non-stationary wind power time series into several components which have more stationarity and are easier to predict. Each component is dug by an independent LSTM. The forecasting results of the wind power are obtained by synthesizing the prediction values of all components. The prediction accuracy has been improved by the proposed method, which is validated by the MAE (mean absolute error), MAPE (mean absolute percentage error), and RMSE (root mean square error) of experimental results of three wind farms as the benchmarks. Wind power forecasting based on the proposed method provides an alternative way to improve the security and stability of the electric power network with the high penetration of wind power.

Disassembly, as a part of the electronic waste (e-waste) management process, is a labour-intensive task. The emergence of collaborative robots (cobots) provides a robotic solution to reduce the human efforts during disassembly. This study evaluated muscle activation patterns during cobot-assisted e-waste disassembly using surface electromyography (EMG). Twenty-two participants were recruited to perform disassembly tasks with and without cobot assistance. EMG signals from biceps brachii (BB), brachioradialis (BR), upper trapezius (UT), and erector spinae (ES) were collected simultaneously. Six features were then calculated to determine muscle activation patterns. Additionally, EMG-EMG coherence analysis was conducted for BR and ES muscles. Results showed a significant reduction in muscle activity with cobot assistance, particularly in the left ES muscle (46.4% decrease). Moreover, coherence between BR and ES muscles significantly increased. These findings indicate the proposed collaboration strategy not only reduces the muscle activity but also sheds light on enhancing muscle coordination during e-waste disassembly.

Abstract Accumulibacter is the major polyphosphate-accumulating organism (PAO) in global wastewater treatment systems. Its phylogenetic and functional diversity has been continuously updated in recent years. In addition to its widely recognized two sublineages, Types I and II, here we discovered a novel type enriched in laboratory bioreactors. Core gene- and machine learning-based gene feature profiling supported that Type III Accumulibacter was potential PAO with the unique function of using dimethyl sulfoxide as electron acceptor. On the basis of the correlation between the similarity of ppk1 and genome, the number of ppk1 -represented Accumulibacter species was estimated to be over one hundred, suggesting that the currently recognized species are only the tip of the iceberg. Meanwhile, multiple Accumulibacter strains co-occurring in a bioreactor were investigated for their inter-strain transcriptional and morphological features. Metatranscriptomics of seven co-occurring strains indicated that the expression level and interphasic dynamics of PAO phenotype-related genes had minimal correlation with their phylogeny. In particular, expression of denitrifying and poly-P metabolism genes had higher inter-strain and interphasic divergence compared with glycogen and polyhydroxyalkanoates metabolic genes. A strategy of cloning rRNA genes from different strains based on similar genomic synteny was successfully applied to differentiate their morphology via fluorescence in situ hybridization. Our study further expanded the phylogenetic and functional diversity of Accumulibacter . We also proposed that deciphering the function and capability of certain Accumulibacter should be environment- and population-specific. Importance Accumulibacter , as the core functional but uncultured taxa for enhanced biological phosphorus removal, has attracted much attentions on its phylogenetic and functional diversity and intra-genus niche differentiation in the last two decades. It was well-known that this genus had two sub-lineages (Type I and II) since 2002. In this study, a novel type (Type III) with proposed novel functional feature was discovered by the metagenomic approach. By linking average nucleotide identity of Accumulibacter genomes and the similarity of the ppk1 sequences, a phylogenetic biomarker that has been largely deposited in database, we estimated that its global species-level diversity was higher than 100. Moreover, as we found the co-occurrence of multiple Accumulibacter strains in one bioreactor, the simultaneous transcriptional divergence of the co-occurring strains was interesting for understanding their niche differentiation in a single community. The results suggested the decoupling feature between transcriptional pattern with phylogeny for co-occurring strains.

Abstract Human-robot collaboration (HRC) has become an integral element of many industries, including manufacturing. A fundamental requirement for safe HRC is to understand and predict human intentions and trajectories, especially when humans and robots operate in close proximity. However, predicting both human intention and trajectory components simultaneously remains a research gap. In this paper, we have developed a multi-task learning (MTL) framework designed for HRC, which processes motion data from both human and robot trajectories. The first task predicts human trajectories, focusing on reconstructing the motion sequences. The second task employs supervised learning, specifically a Support Vector Machine (SVM), to predict human intention based on the latent representation. In addition, an unsupervised learning method, Hidden Markov Model (HMM), is utilized for human intention prediction that offers a different approach to decoding the latent features. The proposed framework uses MTL to understand human behavior in complex manufacturing environments. The novelty of the work includes the use of a latent representation to capture temporal dynamics in human motion sequences and a comparative analysis of various encoder architectures. We validate our framework through a case study focused on a HRC disassembly desktop task. The findings confirm the system’s capability to accurately predict both human intentions and trajectories.

Abstract Propofol sedation, routinely used for endoscopic procedures, is safe and acceptable for children. Adjuvants, such as esketamine or sufentanil, are commonly added to improve the efficacy and safety of propofol sedation. This study aimed to compare the clinical efficacy and safety of propofol‐esketamine (PE) versus propofol‐sufentanil (PS) for deep sedation and analgesia in children with autism undergoing colonoscopy procedure. One hundred and twenty‐four children with autism undergoing colonoscopy procedure were included in the study. Patients were randomly assigned to receive one of the two adjuvants: esketamine (0.3 mg/kg) or sufentanil (0.2 μg/kg), subsequently administered propofol 2.0 mg/kg to induce anesthesia. Additional doses of propofol (0.5–1.0 mg/kg) were administered as needed to ensure patient tolerance for the remaining duration of the procedure. Movement during the procedure, hemodynamic variables, the total dose of propofol, recovery time, and adverse events were recorded. The PE group exhibited a significantly lower incidence of severe movement during the procedure compared with the PS group (14.52% vs. 32.26%, p = 0.020). The PE group showed significantly lower incidence of respiratory depression, hypotension, and severe injection pain of propofol than the PS group during the procedure (all p < 0.05). The mean arterial pressure (MAP) decreased significantly after anesthesia induction in the PS group and remained lower than baseline (all p < 0.05). Compared with the combination of low‐dose sufentanil (0.2 μg/mg) with propofol, the low‐dose esketamine (0.3 mg/kg) combined with propofol provided more stable hemodynamics, higher quality of sedation, and fewer adverse events in children with autism undergoing colonoscopy procedure.