改进卷积胶囊网络的滚动轴承故障诊断方法

目前许多基于卷积网络的滚动轴承故障诊断方法受噪声信号以及负荷变化的影响,存在诊断效果不佳、泛化能力差的问题。针对此问题提出一种改进卷积胶囊网络的滚动轴承变工况故障诊断方法。该方法设计了多尺度非对称卷积模块,其中采用不同尺度的非对称卷积层对输入数据进行特征提取,在实现最大化提取数据中的特征信息的同时,还能够有效减少参数量;在该模块中引入通道注意力机制,能更好地提取有用的通道特征,提高该方法特征提取的能力;通过将网络中的全连接层改进为胶囊全连接层,使得胶囊在输出向量特征信息时,避免了特征信息在空间中的丢失。使用凯斯西储大学轴承数据集和东南大学变速箱数据集来验证所提方法的诊断性能,并与其他深度学习方法进行了比较。实验结果表明,与其他深度学习方法相比,具有较好的泛化性,效果更佳。

基于空间特征交叉融合的轻量级图像超分辨率重建

近几年,深度学习技术显著提高了单幅图像超分辨率重建(Single Image Super-resolution Reconstruction,SISR)的性能,但基于深度学习技术的SISR算法存在模型参数量大、网络结构复杂、资源消耗多等问题。为解决这些问题,提出一种基于空间特征交叉融合的轻量级图像超分辨率重建算法,该算法使用多个局部特征融合模块和特征交叉增强模块组成非线性映射单元,通过残差学习逐步聚合图像特征,提取更加精准的残差信息。同时采用对称结构将特征映射到两个分支,通过执行特征交叉,对应元素相乘提取高频成分,细化特征,增加网络非线性。在每个特征交叉增强模块中使用异构卷积代替标准卷积拆分和融合两条分支,有效地降低网络的参数量,使网络在参数量和性能之间达到相对平衡。通过一个多级集成模块增强不同阶段特征的相关性。在基准数据集上的实验结果表明,新的重建算法在降低模型参数量的同时,峰值信噪比和结构相似度均取得了较好的结果,而且重建图像的边缘结构完整,整体轮廓清晰,细节更加丰富。

基于显著性区域检测的多尺度图像盲复原算法

针对大多数基于先验的盲图像去模糊算法耗时较长和显著边缘结构提取不理想的问题,提出一种基于显著性区域检测的多尺度图像盲复原算法。为了复原出更加清晰的图像,采用由粗略到精细的多尺度交替迭代框架构建图像金字塔。在图像单一尺度方面,首先提取出图像中具有强边缘结构的显著性区域,并对其施加l_(0)范数约束,提出显著映射先验;将显著性映射先验和最大后验概率相结合并引入传统图像去模糊模型中,构造出点扩散函数估算模型,利用半二次分裂算法解决模型的非凸问题;对点扩散函数进行复原时,利用点扩散函数相似度的变化量限制每个尺度中的过渡迭代;对模糊图像和最终估计的点扩散函数进行非盲解卷积,获得复原图像。实验结果表明:与现有的主流去模糊算法相比,新算法在合成数据集和真实数据集中都可以有效抑制振铃和伪影现象,得到了很好的视觉体验,且评价指标均优于对比算法,同时大大缩减了复原时间。

基于边缘约束与范数比值的图像盲复原

针对现有的研究方法对运动所引起的模糊图像进行复原时效果欠佳的问题,提出一种基于边缘约束与范数比值的图像盲复原算法.该算法首先对退化图像的边缘进行约束,得到图像的强边缘结构,提高了点扩散函数估计的准确率;然后对要估计的清晰图像构造范数比值的稀疏惩罚约束项,并将得到的强边缘信息与构造的范数比值惩罚约束项进行结合用于指引点扩散函数的复原;在对点扩散函数进行复原时,由粗到细多尺度交替迭代估计点扩散函数,使得迭代出的最大尺度更加精确;最后对图像进行非盲解卷积求解,使其复原.该算法将退化图像的边缘信息与构造的范数比值惩罚约束项进行结合指导点扩散函数的复原,可以抑制图像在复原过程中产生的大量伪迹.实验结果表明,该算法对恢复图像边缘细节具有很好的效果,可以得到优质的复原图像.

运动康复训练对肱骨近端骨折术后患者关节功能的影响

目的探究运动康复训练对肱骨近端骨折术后患者关节功能的影响.方法选取2020年1月—2022年11月于常州市武进人民医院行手术治疗的100例肱骨近端骨折患者为研究对象,随机将其分为对照组及观察组,每组50例.术后,对照组进行常规康复训练,观察组进行运动康复训练.观察比较两组患者的肩关节功能恢复情况、肩关节评分及疼痛、肿胀消失时间.结果术后6个月,观察组的肩关节功能优良率为80.0%,高于对照组的50.0%,差异有统计学意义(P<0.05).术后6个月,观察组的Neer肩关节功能中疼痛、功能使用、活动范围、术后解剖位置评分及总分均高于对照组,组间差异有统计学意义(P<0.05).观察组的患肢肿胀及疼痛消失时间分别为(21.68±3.63)d、(26.89±4.18)d,均短于对照组的(24.02±3.82)d、(29.01±4.41)d,组间差异有统计学意义(P<0.05).结论运动康复训练能更好地促进肱骨近端骨折术后患者的肩关节功能恢复,加快肿胀及疼痛消失,值得临床推广使用.

贯叶金丝桃(Hypericum perforatum)种子灌浆与发芽特性研究

贯叶金丝桃(Hypericum perforatum)是抗抑郁中药的基原植物,以有性繁殖为主,种子微小。为了揭示贯叶金丝桃种子发育规律,明确种子适宜采收期,以甘肃礼县栽培的2年生贯叶金丝桃为研究对象,于开花后第5天开始,每隔3 d测定种子粒重变化动态,并拟合Logistic曲线方程,最后测定各时期采收种子的发芽指标。结果表明:贯叶金丝桃种子灌浆持续期44 d,籽粒干质量变化符合Logistic生长曲线:开花后第5~11天为渐增期,第11~32天为快增期,第32~44天进入稳增期后略有下降。在灌浆过程中,种子鲜质量呈先升高后下降的动态变化趋势,在花后第32天达到最大值0.2697 g;灌浆速率和脱水速率呈波动趋势,种子干质量与平均灌浆速率、灌浆持续期呈极显著正相关,与含水量呈极显著负相关。种子发芽率和发芽指数在开花后44天达到最大,发芽势在开花后41天达到最大,发芽率、发芽势和发芽指数均与灌浆持续期呈极显著正相关,与含水量呈极显著负相关。以上说明甘肃礼县贯叶金丝桃繁种时以开花后44天左右(8月9日前后)为种子采收适宜期,过早采收和延迟采收均影响种子发芽质量。

阶段性康复训练在桡骨远端骨折术后康复中的应用

目的探析阶段性康复训练在桡骨远端骨折术后康复中的应用效果。方法随机选取2018年1月—2022年12月常州市武进人民医院收治的80例桡骨远端骨折手术患者为研究对象,以随机数表法分为观察组(n=40,采用阶段性康复训练)和对照组(n=40,采用常规康复训练)。比较两组训练后Cooney腕关节功能、训练前后腕关节活动度以及术后手术处肿胀、疼痛消失时间等指标。结果观察组训练后腕关节功能恢复有效率为97.50%,高于对照组的80.00%,差异有统计学意义(χ^(2)=4.507,P<0.05)。观察组训练后患肢各项腕关节活动度相关指标均高于训前及对照组训练后,差异有统计学意义(P均<0.05)。观察组患肢肿胀及疼痛消失时间均短于对照组,差异有统计学意义(P均<0.05)。结论阶段性康复训练能更好地促进桡骨远端骨折术后腕关节功能及活动度的恢复,缩短肿胀消失时间和疼痛消失时间。

数字普惠金融能否推动贸易强国建设?

基于2011—2020年中国29个省份的面板数据,借助空间计量模型从出口“数量”与出口“质量”双重视角研究数字普惠金融是否推动了贸易强国建设。研究发现:(1)数字普惠金融不仅可以推动出口规模的增长,还可以提升出口产品技术含量。(2)数字普惠金融对贸易发展的影响存在区域异质性,其对东部地区的出口规模以及中部地区的出口产品技术含量有促进作用,但对西部地区的出口规模有抑制作用。(3)数字普惠金融能通过改善产业结构以及促进技术创新等路径推动贸易强国建设进程。

基于格拉姆角差场和生成对抗网络的小样本滚动轴承故障诊断方法

针对基于深度学习的滚动轴承故障诊断算法需要从大量标注数据中学习,且面对样本数量受限时诊断效果不佳的问题,文中提出了一种基于格拉姆角差场(GADF)和生成对抗网络(GAN)的小样本滚动轴承故障诊断方法。首先,提出了基于GADF变换的数据增强方式,将少数1维振动信号通过GADF变换转换为2维GADF图像,并通过裁剪得到GADF子图,从而得到大量的图像样本;然后,将条件生成对抗网络(CGAN)与带有梯度惩罚的Wasserstein GAN(WGAN-GP)相结合,构建一种新的生成对抗网络,该网络通过条件辅助信息与梯度惩罚增强模型训练稳定性,并设计动态坐标注意力机制以增强模型的空间感知能力,从而生成高质量样本;最后,使用生成的样本对分类器进行训练,并在验证集上得到诊断结果。文中分别使用东南大学数据集和美国凯斯西储大学(CWRU)数据集进行了两组小样本环境下的轴承故障诊断实验。结果表明,与传统生成对抗网络以及先进的小样本故障诊断方法相比,文中所提方法的准确率和精确率等5项故障诊断指标均获得最好的结果,可以准确诊断出小样本条件下的轴承故障类型。

慢性淋巴细胞白血病患者PD-1免疫抑制剂治疗的疗效及预后

目的探究慢性淋巴细胞白血病(chronic lymphocytic leukemia,CLL)患者程序性死亡受体(programmed cell death1,PD-1)免疫抑制剂治疗的疗效及预后。方法选取96例CLL患者作为研究对象,根据随机数字法分为研究组(n=48)和对照组(n=48)。对照组给予基础治疗措施,并注意患者的心电图、肝肾功能等变化;研究组在对照组治疗的基础上,采用卡瑞利珠单抗治疗。比较2组研究对象的基本临床资料;治疗前、后外周血T淋巴细胞亚群水平;总体生存率、完全缓解率及无进展生存期;不良反应情况。结果2组研究对象的性别、平均年龄、WBC、淋巴细胞绝对数、淋巴细胞百分比、HGB、PLT等临床资料无明显差异(P>0.05)。研究组患者治疗后CD3^(+)、CD4^(+)、CD4^(+)/CD8^(+)、INF-γ、IL-2的表达均高于治疗前,同时也高于对照组(P<0.05);但CD8^(+)、NK、IL-4、IL-5的表达明显降低,同时也低于对照组(P<0.05)。研究组患者的无进展生存期明显长于对照组(P<0.05),同时总体生存率和完全缓解率均高于对照组(P<0.05)。研究组患者总不良反应率低于对照组,但差异无统计学意义(P>0.05)。结论PD-1免疫抑制剂治疗CLL患者的疗效及预后均明显优于常规治疗,可为该病的临床治疗提供有效参考价值。

基于双路并行多尺度ResNet的滚动轴承故障诊断方法

针对传统方法在滚动轴承故障诊断中无法自适应提取有效特征信息,且滚动轴承在强环境噪声干扰、复杂变工况等因素影响下诊断效果不佳,有抗噪性和泛化性下降的问题,提出了一种双路并行多尺度的改进残差神经网络(residual neural network, ResNet)的方法。该方法设计了多尺度的残差Inception模块,可以有效提取特征信息,同时加入注意力机制解决了数据的突变性和差异性,此外还使用多个空洞卷积的残差块扩大感受野,有助于提取更多特征信息,实现准确故障诊断。利用凯斯西储大学轴承数据集和东南大学变速箱数据集分别训练并测试了诊断效果,将该方法与其他卷积神经网络的方法在变噪声、变工况情况下作了对比,诊断准确率最高达到99.73%,平均准确率也在95%以上,均高于其他比较方法。结果表明,该方法在复杂多变的工况下具有较好的故障识别能力和泛化能力。

多特征融合的滚动轴承故障诊断

针对滚动轴承变工况条件下卷积神经网络在特征提取过程中无法充分提取全局特征信息的问题,该研究提出一种MSCNN-SwinT滚动轴承故障诊断方法。首先,在数据处理模块中利用连续小波变换(continuous wavelet transform,CWT)将一维振动信号转化为二维时频图像,以保留原始信号的时频特性;然后,在局部感知模块中利用多尺度卷积神经网络(multiscale convolutional neural networks,MSCNN)对故障信息的局部特征进行提取,并使用卷积块注意模块(convolutional block attention module,CBAM)提取关键信息;进一步构建特征提取模块,引入残差连接提高前后特征信息的利用效率,通过SwinT网络(swin transformer)学习故障信息的全局特征;最后使用全局平均池化代替全连接层进行故障识别。使用美国凯斯西储大学轴承数据集与自制数据集进行试验验证,试验结果表明,本文方法在可视化试验中的故障识别准确率为99.67%,在变工况试验中的故障识别准确率为95.01%~99.66%,不同编码方式试验中的故障识别准确率为100%。在自制数据集中,故障诊断准确率达到99.18%。与CWT-LeNet5、CWT-VGG16、CWT-ResNet18和CWT-SwinT相比,本文方法在变工况条件下的平均故障识别准确率分别提高8.79、8.64、3.49和3.18个百分点,在自制数据集中分别提高5.23、2.74、1.40和1.26个百分点。本文方法实现了变工况等复杂条件下滚动轴承不同故障状态的识别,能够充分提取轴承故障的全局特征信息,具有较高的故障诊断准确率和良好的泛化能力,可为变工况条件下的滚动轴承故障诊断提供参考。

轻量化逆可分离残差信息蒸馏网络的图像超分辨率重建

基于深度学习的图像超分辨率重建算法的性能需求导致急剧增加的参数量与高额的计算成本,这限制超分辨率重建在移动设备上的应用.针对此问题,文中提出轻量化逆可分离残差信息蒸馏网络的图像超分辨率重建算法.首先,设计渐进可分离蒸馏重洗模块,进行多重信息蒸馏,在提取多层次特征的同时保持模型轻量化,使用多个特征提取连接,学习更具区别性的特征表示,以便网络能从蒸馏中获得更多有益信息.然后,设计对比感知坐标注意力模块,充分利用通道感知与位置敏感信息,增强特征选择能力.最后,提出逐步补偿残差连接方式,提高浅层特征的利用率,补偿网络的纹理细节特征.实验表明,文中算法在模型复杂性与重建性能之间实现较好的均衡,重建的高分辨率图像主客观质量都很优秀.

基于动态注意力网络的图像超分辨率重建

针对图像超分辨率算法在具有不同重要性的通道和空间域上采取相同的处理方式,导致计算资源无法集中利用到重要特征上的问题,提出基于动态注意力网络的图像超分辨率算法.该算法改变了现有均等处理注意力机制的方式,通过构建的动态注意力模块对不同的注意力机制赋予动态学习的权重,以获取网络更需要的高频信息,重建高质量图片;通过特征重用的方式构建双蝶式结构,充分融合2个注意力分支的信息,弥补不同注意力机制间所缺失的特征信息.在Set5、Set14、BSD100、Urban100和Manga109数据集上的模型评估结果表明,相较于其他主流超分辨率算法,本研究所提算法整体性能表现更好.当放大因子为4时,相较于次优算法,所提算法在5个公开测试集上的峰值信噪比分别提升了0.06、0.07、0.04、0.15、0.15 dB.

基于信息蒸馏级联伸缩网络的图像超分辨率重建

针对图像超分辨率重建算法在图像高频信息恢复过程中特征提取不充分、利用效率不高、重建高频细节能力不足等问题,本文提出了一种基于信息蒸馏级联伸缩网络的图像超分辨率重建算法.首先,构建特征可伸缩的信息蒸馏块,通过扩大信息蒸馏中输入信息的特征感受野,以及采用通道注意力提取感兴趣信息,解决了信息蒸馏的图像超分辨率重建非线性映射过程中特征提取不充分的问题;然后,设计级联残差叠加映射块,该块将多个残差块组合在一起,通过将残差结构中的残差部分引出并采用级联叠加的方式,增加了信息蒸馏块间信息的传递,使提取的特征信息包含更多细节.实验结果表明,本文算法重建图像相比其他对比算法更为清晰,峰值信噪比(PSNR)和结构相似度(SSIM)均有较大的提升.

基于不完整数据的IHB-LightGBM心脏病预测模型

提出基于不完整数据的IHB-LightGBM(Improved Hyperband-Light Gradient Boosting Machine)心脏病预测模型。首先,在Hyperband算法超参数采样的基础上引入了权重值,并通过蓄水池法按特征权重对其进行排序,从而筛选出最优参数以提高算法的参数寻优能力;其次,针对心脏病数据样本小且属性缺失的问题,使用K近邻算法对不完整数据进行缺失值插补,再将处理得到的完整数据进行归一化,使数据映射至0~1范围内;最后,对LightGBM采用改进后的IHB优化算法进行全局参数寻优,建立IHB-LightGBM心脏病预测模型。使用UCI心脏病数据集进行实验,结果表明IHB算法的参数寻优效果优于贝叶斯、随机搜索等优化算法,IHB-LightGBM模型在各项评价指标也上明显高于随机森林、极端随机树等算法,可以获得更快的预测速度和更高的预测精度。

基于DBSCAN聚类分解和过采样的随机森林不平衡数据分类算法

针对传统方法在不平衡数据分类时易导致生成假样本数量多或数据丢失等问题,提出了一种基于DBSCAN聚类分解和过采样的随机森林不平衡数据分类算法.首先,将基于密度的DBSCAN聚类分解算法应用于不平衡数据集的多数类,在没有数据丢失的情况下降低了多数类样本的优势;其次,通过Borderline-SMOTE算法对少数类进行过采样,增加了少数类样本的数量,从而得到更加平衡的数据集,有效地解决了过采样时生成过多假样本而导致过拟合的问题,同时避免了欠采样方法造成数据丢失的问题;最后,在聚类分解和过采样算法的前提下,验证了随机森林比SVM、Adaboost、Bagging、XGBoost有更好的效果.在KEEL公用数据集上与其他流行算法进行实验比较,结果显示该算法有效地提高了不平衡数据的分类性能.

基于改进的哈里斯鹰优化算法的特征选择

特征选择是一项旨在通过移除不相关、冗余的数据来减少特征数量,同时可以保持较高的分类精度的机器学习任务.针对哈里斯鹰优化算法(HHO)不能在离散的特征空间进行特征选择,以及算法后期种群多样性减少、易陷入局部最优等问题,提出了基于改进的哈里斯鹰的特征选择算法.首先使用混沌映射初始种群多样化,以确保在种群质量较优的前提下能够均匀分布于搜索空间;其次,通过引入高斯变异算子对兔子的位置进行重新更新,以避免算法陷入局部最优;最后设计二次优化算法的二进制版本并将其应用于基于KNN分类器的包裹式特征选择问题中.通过在18个经典的UCI数据集进行特征选择仿真实验,结果显示该算法在适应度值、平均分类准确度以及平均特征选择数量上比其他主流算法都能获得更好的结果,从而表明该算法能够进行有效的提取特征子集和得到更准确的数据分类,并能够实现更高的寻优精度.

做好金融“五篇大文章”赋能新质生产力——债券市场投资策略研判2024年第三季

徐真:欢迎大家莅临2024年三季度债市研判六人谈--做好金融“五篇大文章”赋能新质生产力。债市研判六人谈是中央结算公司《债券》期刊精心打造的季度研讨品牌活动。首先请张永军先生带来主旨演讲--宏观经济形势与政策建议。张永军:今天非常高兴有机会同大家就宏观经济形势进行交流。

党参及其有效成分的抗肿瘤作用研究进展

归纳总结党参及其有效成分抗肿瘤的作用机制。党参及其有效成分可通过抑制肿瘤细胞增殖、促进肿瘤细胞凋亡、干扰细胞周期、抑制肿瘤细胞转移和侵袭、调节免疫、调控非编码RNA和信号通路等途径,治疗胃癌、肝癌及乳腺癌等多种肿瘤。