运载火箭测试数据分析与故障诊断方法

针对如何从运载火箭大量历史测试发射数据中发掘有用信息的问题,提出了一种基于数据挖掘的运载火箭数据分析与故障诊断方法,为火箭的故障诊断、产品设计、状态检测提供服务;针对火箭数据的特性和实际业务分析的需求,使用基于皮尔逊系数的相关性分析方法、基于希尔伯特变换的包络分析方法、基于窗口滑动函数的故障诊断方法组建火箭数据分析平台,对运载火箭的数据进行了深层次的挖掘和诊断;采用某型号火箭测试数据对火箭数据分析平台进行了验证,结果表明:以数据驱动的火箭数据分析平台相关性分析准确、参数包络线绘制精准、可有效识别异常数据,分析结果与理论知识相符,具有较高的实用价值,相比于传统数据分析方法更为精准、全面。

我国再生铝熔炼炉的改进方向

通过比较我国再生铝熔炼炉的主要种类和特点,分析使用现状和存在问题,提出了我国再生铝熔炼炉的改进方向。

Sn及深冷拉拔对Cu-Cr-Zr合金组织和性能的影响

采用真空铸造的方法制备了不同Sn含量的Cu-Cr-Zr-xSn合金,利用光学显微镜(OM)、扫描电镜(SEM)、透射电镜(TEM)等检测方法分析了Cu-Cr-Zr-xSn合金在多阶段形变热处理过程中(杆坯→一次拉拔→950℃固溶1 h→二次拉拔→450℃峰时效→室温拉拔/深冷拉拔→450℃退火)微观组织的变化,同时测定了相应的抗拉强度和导电率。重点研究了Sn元素和深冷拉拔对Cu-Cr-Zr合金组织和性能的影响规律。结果表明,添加Sn和深冷拉拔都能够明显提高Cu-Cr-Zr合金的抗拉强度,同时不会对导电率造成太大的损失。其中Sn元素会促进富Cr初生相的形成,在形变热处理过程中,富Cr初生相会被拉成纤维状,起到纤维强化的效果;深冷拉拔则会提高变形抗力,从而导致变形晶粒尺寸更小,同时也能够促使富Cr初生相转变为纤维状,进一步提高合金的强度。

机器学习方法构建老年心房颤动合并冠心病患者远期死亡的预测模型研究

目的利用机器学习方法建立老年心房颤动(房颤)合并冠心病患者的远期死亡预测模型,并确定相应的危险因素。方法回顾性队列研究,连续入组2013年1月至2015年3月北京医院收治的60岁及以上房颤合并冠心病患者329例,男性183例(55.6%)例,女性146例(44.4%),年龄(77.8±7.3)岁,80岁及以上142例(43.2%)。失访11例(3.3%),死亡151例(45.9%),最后纳入分析的患者共318例。根据患者生存结局,将318例患者分为死亡组(151例)和存活组(167例)。此外,另选取2015年4—7月入院的60岁及以上房颤合并冠心病患者60例为外部数据验证集。采集人口统计学参数、合并疾病、辅助检查和临床治疗情况。随访至少6年,记录包括死亡在内的主要不良心脑血管事件(MACCE)。最后将入组患者按9∶1的比例随机分为训练集和测试集,通过机器学习算法建立不同模型预测房颤合并冠心病患者远期死亡率,并通过外部数据(60例)验证比较确立最优模型,利用Shapley加法解释算法对变量的重要性进行排序,得出排名前20位的特征变量,以确定危险因素。结果329例患者中,总体中位随访时间77.0月(95%CI:54.0~84.0),失访11例(3.3%),死亡151例(45.9%)。通过分析得出支持向量机模型、k-近邻算法(KNN)模型、决策树模型、随机森林模型、ADABoost模型、XGBoost模型、Logistic回归模型预测远期死亡率的受试者工作特征曲线(ROC)下面积(AUC)分别为0.76、0.75、0.75、0.91、0.86、0.85和0.81。其中随机森林模型预测效能最高,其准确率达0.789,F1值高达0.806,且优于传统的Logistic回归模型(AUC:0.91比0.81,P<0.05)。D-二聚体、年龄、MACCE次数、左心室射血分数、人血白蛋白水平、贫血、纽约心脏病协会心功能分级、陈旧性心肌梗死病史、估测肾小球滤过率(eGFR)及静息心率是预测远期死亡率的重要危险因素。结论基于机器学习方法建立的随机森林模型可预测老年房颤合并冠心病患者的远期死亡率,具有较好的识别能力,其准确性高于传统的Logistic回归模型。可通过干预患者的D-二聚体水平、纠正低蛋白血症和贫血、改善心功能和控制静息心室率降低远期死亡率,改善患者远期预后。