基于AESL-GA的BN球磨机滚动轴承故障诊断方法

针对基于知识的贝叶斯网络(BN)构建方法存在不完全和不精确的缺点,提出一种基于知识引导和数据挖掘的BN结构构建方法。针对单一信号故障诊断结果不精确的问题和故障信息中存在的不确定性问题,将电流信号与振动信号融合建立BN的特征节点,分别提取2种信号的故障特征参数,利用区分度指标法进行特征筛选,将其作为BN结构特征层的节点。将专家知识构建的初始BN结构结合自适应精英结构遗传算法(AESL-GA)进行结构优化,通过自适应限制进化过程中的搜索空间,减少自由参数的数量,提高其全局搜索能力,得到最优BN结构。通过MQY5585溢流型球磨机滚动轴承实测数据和Paderborn University轴承数据集对所提方法进行验证,结果证明了所提方法的有效性。

基于AM和CNN的多级特征融合的风力发电机轴承故障诊断方法

提出一种基于注意力机制的多级特征融合卷积神经网络(A2ML2F-CNN)故障诊断方法。该方法将原始电流和振动信号作为输入,首先使用基于注意力卷积神经网络(AMCNN)模块分别进行数据信号特征提取,并进行一级特征融合连接。在此基础上,再次分别采用注意力机制一维卷积神经网(AM1DCNN)和二维卷积神经网络(2DCNN)提取相关信息,并进行二级特征融合,以此来解决单传感器数据故障信息不足及互补特征难以提取的问题,最后采用全连接层和Softmax层进行分类,得到诊断结果。为验证所提方法的故障诊断效果,通过帕德伯恩数据集进行实验验证,并将其与CNN、LSTM、SVM等方法的诊断精度进行对比,相较于上述方法,该文方法的诊断准确率分别提高1.8、3.2和4.8个百分点,验证了所提方法的有效性。

基于双分支注意力U-Net的语音增强方法

针对语音增强网络对全局语音相关特征提取困难、对语音局部上下文信息的捕捉效果不佳的问题,提出了一种基于双分支注意力U-Net的时域语音增强方法,该方法使用U-Net编码器-解码器结构,将单通道带噪语音经过一维卷积后得到的高维时域特征作为输入。首先利用残差连接设计了基于Conformer的残差卷积来增强网络降噪的能力。其次设计了双分支注意力机制结构,利用全局和局部注意力获取带噪语音中更丰富的上下文信息,同时有效表示长序列特征,提取更多样的特征信息。最后结合时域频域损失函数构建了加权损失函数对网络进行训练,提高网络的语音增强性能。使用了多个指标对增强语音的质量和可懂度等进行评价,在公开数据集Voice Bank+DEMAND上的增强后的语音感知质量(PESQ)为3.11,短时可懂度(STOI)为95%,信号失真度(CSIG)为4.44,噪声失真测(CBAK)为3.60,综合质量测度(COVL)为3.81,其中PESQ相较于SE-Conformer提高了7.6%,相较于TSTNN提高了5.1%。实验结果表明,所提方法在语音降噪的各个指标都表现出更优的实验结果,能够完成语音增强任务的相关要求。

深度复数轴向自注意力卷积循环网络的语音增强

单通道语音增强任务中相位估计不准确会导致增强语音的质量较差,针对这一问题,提出了一种基于深度复数轴向自注意力卷积循环网络(deep complex axial self-attention convolutional recurrent network,DCACRN)的语音增强方法,在复数域同时实现了语音幅度信息和相位信息的增强.首先使用基于复数卷积网络的编码器从输入语音信号中提取复数表示的特征,并引入卷积跳连模块用以将特征映射到高维空间进行特征融合,加强信息间的交互和梯度的流动.然后设计了基于轴向自注意力机制的编码器-解码器结构,利用轴向自注意力机制来增强模型的时序建模能力和特征提取能力.最后通过解码器实现对语音信号的重构,同时利用混合损失函数优化网络模型,提升增强语音信号的质量.实验在公开数据集Valentini和DNS Challenge上进行,结果表明所提方法相对于其他模型在客观语音质量评估(perceptual evaluation of speech quality,PESQ)和短时客观可懂度(short-time objective intelligibility,STOI)两项指标上均有提升,在非混响数据集中,PESQ比DCTCRN(deep cosine transform convolutional recurrent network)提高了12.8%,比DCCRN(deep complex convolutional recurrent network)提高了3.9%,验证了该网络模型在语音增强任务中的有效性.

癫痫持续状态死亡法医学鉴定1例

1案例1.1简要案情赵某,女,33岁,某日晚与宋某入住宾馆。期间二人发生性关系。00:00,赵某反复出现四肢抽搐、口吐白沫及气喘症状,宋某认为其可自行恢复,故在其发作期间未采取任何救助措施。赵某在症状发作间歇期持续昏迷,于当日17:00死亡。经查赵某生前无颅脑外伤史,有癫痫病史5年余,规律服用抗癫痫药物(奥拉西坦片、左乙拉西坦片、奥卡西平片),死亡前2 d自行停用抗癫痫药物。

基于生态系统理论分析NICU出院早产儿家庭抗逆力及其影响因素

目的:家庭抗逆力能帮助早产儿家庭应对困难和逆境,可促进家庭成员之间的联系和支持以及个人心理健康的提升。本文调查新生儿重症监护病房(Neonatal Intensive Care Unit,NICU)出院早产儿家庭抗逆力的现状及影响因素,为日后干预方案的制订提供参考依据。方法:通过方便抽样的方法,选取2022年11月至2023年1月收治于同济大学附属妇产科医院NICU治愈出院的192例早产儿及192例早产儿父母中的主要照护者为研究对象,基于生态系统理论应用中文版家庭抗逆力量表简化版(shortened Chinese version of the Family Resilience Assessment Scale,FRAS-C)、简易应对行为问卷(SimplifiedCopingStyleQuestionnaire,SCSQ)、Zarit照顾负担量表(ZaritCaregiver Burden Interview,ZBI)、中文版育儿胜任感量表(Chinese Version of Parenting Sense of Competence Scales,CV-PSOC)、家庭关怀度测评量表(Family Concern Index Questionnaire,APGAR)和社会支持评定量表(the Social Support Rating Scale,SSRS)对其进行调查。结果:NICU出院早产儿家庭抗逆力总评分为96.87±6.20,应对方式、育儿效能、家庭关怀度和社会支持均是其主要的影响因素(均P<0.05),可解释其89.6%的变异度。结论:NICU出院早产儿家庭抗逆力尚需提高,受到生态系统中各系统层面因素的共同作用,微系统层面对家庭抗逆力的预测作用最强,其中应对方式是关键因素,提示医务工作者应在早产儿从NICU到家庭过渡阶段有意识地引导早产儿家庭采取积极的应对方式,以提高NICU出院早产儿家庭的抗逆力水平。

基于领域自适应的变工况轴承故障诊断

针对轴承故障诊断中存在训练样本和测试样本分布不同及各类故障数据不平衡导致故障识别率低的问题,设计了一种基于改进残差网络(ResNet)的领域自适应故障诊断方法。在诊断网络第1层使用多维度卷积结构进行特征提取,得到不同维度的故障特征信息;在领域自适应层采用局部最大平均差异(LMMD)对齐源域和目标域的分布,获取更多细粒度信息;使用类平衡损失函数(CBLoss)解决不平衡数据的训练问题,以Adam优化网络实现故障诊断。实验结果表明,所提方法可在故障样本类别不平衡下有较高的诊断结果。在2个轴承数据集和采集的风力发电机数据上进行实验验证,结果表明,所提方法具有一定的优越性,在数据样本不平衡情况下,诊断性能优于深度神经网络和领域自适应网络等深度迁移学习方法,可作为一种有效的跨工况故障分析方法。

MACDCGAN的发电机轴承故障诊断方法

在实际工况中,发电机中传感器采集到的故障样本数据有限,使用基于深度学习的方法进行故障诊断存在过拟合问题导致模型泛化能力较差以及诊断精度不高。为了解决这个问题,采用样本扩充的思路,提出了一种改进的辅助分类器条件深度卷积生成对抗网络(MACDCGAN)的故障诊断方法。通过对采集的一维时序信号进行小波变换增强特征,构建简化结构参数的条件深度卷积生成对抗网络模型生成样本,并在模型中采用Wasserstein距离优化损失函数解决训练过程中存在模式崩塌和梯度消失的缺点;通过添加一个独立的分类器来改进分类模型的兼容性,并在分类器中引入学习率衰减算法增加模型稳定性。试验结果表明,该方法可以有效地提高故障诊断的精度,并且验证了所提模型具有良好的泛化性能。

Multi-GAT:基于多度量衡构建图的故障诊断方法

基于图神经网络的故障诊断方法,通常需要根据度量衡确定样本之间的相似性,进而构建图的拓扑结构.然而,根据单一度量衡可能无法准确衡量数据样本之间的相似性,进而导致无法准确表征样本之间的关系.因此,选用不同的度量衡会极大地影响图神经网络的诊断性能.为了解决通过单一度量衡无法准确表征数据样本之间相关性的问题,本文提出了一种基于多度量衡构造图的故障诊断模型——Multi-GAT.通过结合3种度量衡的计算结果,从而判断数据样本之间相关性的强弱.本文改进了图注意力网络的评分函数,使其能够依据样本之间相关性的强弱更准确地确定数据样本之间的相似性.在本文基准数据集上的实验表明, Multi-GAT能够提升模型的诊断精度,且拥有较好的稳定性.

少量样本下基于PCA-BNs的多故障诊断

针对一些工业设备因有标签故障样本数据少而导致诊断准确率低的问题,提出了一种PCA-BNs主成分分析和斯网络(principal component analysis-Bayesian networks, PCA-BNs)结合的多故障网络模型的建模方法。通过PCA对时序信号进行降维,得到相互独立的故障特征,提高提取故障关键信息的能力;利用融合单故障贝叶斯网络构建多故障贝叶斯网络结构的方法,解决BN建模过程耗时的问题;通过高斯分布与极大似然估计结合的方法确定网络参数,提高少量数据BN建模的精度,实现在少量样本下的故障诊断。试验结果表明,基于PCA-BNs的故障诊断方法在少量样本条件下,能实现高精度的故障诊断,并且有效缩减了算法运行时间。

抗伪狂犬病病毒药物筛选研究进展

为揭示抗伪狂犬病病毒(PRV)药物筛选的研究趋势及发展方向,基于WOS、CNKI数据库及Citespace软件,从论文年度变化趋势、空间分布特点、关键词聚类、国际研究热点等方面对32年来PRV药物筛选领域的相关论文进行可视化分析。结果表明,1992-2023年,抗PRV药物筛选研究论文数量呈现先稳定后快速增长的态势,中国学者在该领域发表论文数量排名第一,河南农业大学是国内该领域的核心研究机构。国内研究主要集中在化学药物、以中草药为代表的天然生物提取物以及干扰素3个方面。国际上经历了从基础探索到CRISPR-Cas9利用的开发研究工具阶段,再到变种PRV的分子机制的深入研究3个阶段的发展历程。

“随机信号分析”课程思政教学案例设计

针对“随机信号分析”课程内容抽象难懂、理论推导繁琐,思政教育元素与课程内容的融合难度大等问题,探讨了课程思政教学案例的设计原则、基本要求,并通过一个完整的教学案例研究了“随机信号分析”课程的思政案例教学法的设计思路和具体应用。通过教学实践发现,热点问题的思政案例能够激发学生学习的热情和兴趣,提高教学质量。

《北方园艺》期刊学术影响力及高被引论文特征分析

文章分析了《北方园艺》期刊学术影响力及高被引论文的内在规律和共性特征,以期为筛选优质稿源、推进期刊高质量发展提供依据。以该刊2010—2019年被引用论文总数的前1%论文(共130篇)作为高被引论文研究,利用情报学、文献计量的统计方法及CNKI平台的筛选功能,对期刊影响因子及高被引论文作者、机构、主题、基金等5个主要维度进行统计分析。结果显示:期刊复合影响因子和综合影响因子均为上升趋势,学术影响力逐年攀升;但是发文量、高被引论文量及引用频次却为下降趋势;合作作者占绝对优势,核心作者群高产论文较少;机构分布以西北农林科技大学为首的农林院校居多;主题主要涉及果树园艺、观赏园艺、设施园艺、植物学、园林规划与建设等领域;基金论文占比较大,但被引频次与是否有基金资助没有关系。

以数学建模为主线的大学数学研究性教学体系研究——以线性代数为例

文章以提高大学数学研究性教学质量为目标,通过对大学数学课程特点及数学建模机理与作用的研究,确定了将数学建模训练有机融入大学数学课程的研究性教学方式,构建了以数学建模为主线的研究性教学体系,并介绍了作者的教学实践与应用成效。

髓鞘少突胶质细胞糖蛋白抗体相关疾病的研究进展

髓鞘少突胶质细胞糖蛋白抗体相关疾病(MOGAD)属于免疫介导的中枢神经系统炎性脱髓鞘疾病,各年龄段均可发病,可引起视神经、大脑、小脑、脑干、脊髓等部位脱髓鞘病变。随着检验技术的进步,MOGAD相应的诊断和管理的挑战也在不断扩大。本文将回顾总结MOGAD的流行病学,病理机制、临床表现、辅助检查、诊断与鉴别诊断、治疗预后等相关研究,旨在提高对该病的认识,从而早期识别、尽早治疗、减少复发。

论《增修互注礼部韵略》释文的训诂价值

《增修互注礼部韵略》在“增修”的指导思想下,再次将韵书释文繁化,增注之繁盛甚至超过了《广韵》与《集韵》。《增修互注礼部韵略》训释材料保存了诸多珍贵资料,包括大量的前代典籍和旧注,合众家之说;扩大了义项与书证的收录,可以视为唐宋时期新词新义的总汇;加入了诸多按语,并有所发挥。《增修互注礼部韵略》训释材料反映了汉语词汇形式与意义上的变化,有助于引《说文》研究,也可从中窥见中古至近代辞书的发展与演变情况。

不稳定冠状动脉粥样斑块病理特征及分类

冠状动脉粥样硬化性心脏病猝死的法医学重要诊断指标如急性或慢性心肌缺血改变,有时由于死亡过程短暂、组织缺少反应时间,使得缺血部位定位困难,部分案件中死者首次发病即猝死,导致法医难以准确作出诊断。然而临床医学对于冠状动脉不稳定斑块的研究揭示了其病变引发的冠状动脉痉挛、血栓形成在冠心病猝死过程中所起的关键作用。本文主要归纳整理了基于临床医学研究的不稳定冠状动脉粥样斑块的病理特征,包括斑块破裂、斑块侵蚀和钙化结节,以及导致斑块不稳定的影响因素,并简述粥样斑块研究进展与研究技术方法,以期通过诊断冠状动脉粥样斑块的不同病理状态,完善冠心病猝死死亡机制研究,提高冠心病猝死法医学诊断的准确性。

非酒精性脂肪肝患者血清FGF21水平变化与颈动脉粥样硬化斑块发生的相关性

目的:探讨非酒精性脂肪肝(NAFLD)患者血清成纤维细胞生长因子21(FGF21)水平变化及与颈动脉粥样硬化斑块发生的相关性。方法:选取2023-01-2023-09确诊的NAFLD患者131例,根据是否存在颈动脉粥样硬化斑块分为无斑块组(n=59)和斑块组(n=72),选取同期体检健康者39例为对照组。检测所有对象血清尿酸(UA)、低密度脂蛋白胆固醇(LDL-C)、小而密低密度脂蛋白胆固醇(sdLDL-C)、高密度脂蛋白胆固醇(HDL-C)、甘油三酯(TG)、总胆固醇(TC)和FGF21水平并比较组间差异。Logistic回归分析FGF21与NAFLD患者颈动脉粥样硬化斑块发生的相关性。结果:与对照组比较,无斑块组和斑块组患者UA、TC、TG、LDL-C、sdLDL-C和FGF21水平均升高,HDL-C水平降低(P<0.05或P<0.01);与无斑块组比较,斑块组LDL-C、sdLDL-C和FGF21升高(P<0.05或P<0.01)。Logistic回归分析显示,在充分调整协变量后,血清FGF21升高与NAFLD患者动脉粥样硬化斑块发生呈正相关。结论:血清FGF21是NAFLD患者颈动脉粥样硬化斑块发生的危险因素。

低剂量替罗非班用于急性颅内破裂动脉瘤支架置入结合弹簧圈栓塞治疗的有效性和安全性分析

目的探讨低剂量替罗非班用于支架置入结合弹簧圈栓塞治疗急性颅内破裂动脉瘤的有效性和安全性。方法回顾性连续纳入2011年4月至2020年9月常州市第一人民医院神经外科收治的颅内动脉瘤破裂伴蛛网膜下腔出血并于入院24~48 h内行支架置入结合弹簧圈栓塞且使用抗血小板聚集药物治疗患者335例,根据抗血小板聚集药物治疗方案的不同,将患者分为双抗组(89例)和替罗非班组(246例)。收集所有患者的基线及临床资料并进行组间比较,包括年龄、性别、高血压病、糖尿病、入院Hunt-Hess分级、入院改良Fisher量表评分、动脉瘤直径(>5 mm、≤5 mm)、动脉瘤位置(前循环、后循环)及术后急性脑积水或脑室积血、术后即刻动脉瘤栓塞情况。所有患者颅内动脉瘤破裂伴蛛网膜下腔出血均为入院后急诊头部CT平扫确认。术后即刻采用Raymond分级标准评估栓塞效果:Ⅰ级指完全不显影(完全栓塞),Ⅱ级指仅瘤颈显影(不完全栓塞),Ⅲ级指瘤体显影,其中Raymond分级Ⅰ~Ⅱ级为有效栓塞。替罗非班组:在动脉瘤瘤腔内填入弹簧圈后、支架释放时,给予4.2μg/kg替罗非班静脉注射后以0.07μg/(kg·min)静脉滴注维持6~8 h,并在停止静脉滴注2 h前予序贯阿司匹林100 mg与氯吡格雷75 mg双联抗血小板聚集药物治疗。双抗组:至少于支架置入前2 h给予顿服负荷剂量阿司匹林300 mg+氯吡格雷300 mg,术后第2天给予阿司匹林100 mg+氯吡格雷75 mg。所有患者均接受术后持续口服6个月阿司匹林(100 mg/d)和术后持续口服3个月氯吡格雷(75 mg/d)治疗。观察并比较两组有效性指标、安全性指标、不良事件及其他并发症发生情况,其中有效性指标为术中及术后72 h内血栓事件发生率,安全性指标为术中及术后早期(术后48 h以内)颅内出血事件发生率、术后晚期(术后48 h及以后)颅内出血事件发生率和脑室外引流相关颅内出血事件(症状性、无症状性)发生率,不良事件为药物相关血小板减少症发生情况,其他并发症指延迟性脑缺血事件发生情况。采用改良Rankin量表(mRS)评分评估患者术后180 d临床预后,将mRS评分≤2分定义为预后良好,mRS评分>2分为预后不良,其中6分为死亡。结果(1)替罗非班组与双抗组的基线及临床资料的组间差异均无统计学意义(均P>0.05)。(2)替罗非班组与双抗组术后180 d良好预后[75.2%(185/246)比74.2%(66/89),P=0.845]及死亡[10.2%(25/246)比12.4%(11/89),P=0.566]患者比例差异均无统计学意义。(3)抗血小板聚集方案有效性比较结果显示,替罗非班组与双抗组术中[0.8%(2/246)比4.5%(4/89),P=0.075]、术后72 h血栓事件[11.0%(27/246)比13.5%(12/89),P=0.527]发生比例差异均无统计学意义。(4)抗血小板聚集方案安全性比较结果显示,替罗非班组术后早期颅内出血事件发生率低于双抗组[2.8%(7/246)比10.1%(9/89),P=0.014],接受脑室外引流术发生症状性脑室外引流相关颅内出血事件患者比例组间差异无统计学意义(0比2/15,P=0.050)。两组术中颅内出血事件(1.6%比3.4%,P=0.580)、术后晚期颅内出血事件(3.3%比4.5%,P=0.836)、药物相关血小板减少症(0.4%比1.1%,P=0.461)发生比例差异均无统计学意义。结论低剂量替罗非班方案用于支架置入结合弹簧圈栓塞治疗颅内急性破裂动脉瘤在预防血栓事件方面与双抗效果类似,且不增加早期出血事件发生率。

基于GC-MS和机器学习的深静脉血栓形成预测

通过研究深静脉血栓形成(DVT)大鼠血液中内源性代谢物的变化规律筛选特征代谢物以此构建疾病预测模型,用于DVT的临床诊断和法医学鉴定.采用下腔静脉结扎法构建DVT大鼠模型,术后72 h采集心血,通过气相色谱-质谱法(GC-MS)分析得到大鼠血清中的小分子代谢谱.通过正交偏最小二乘判别分析结合Mann-Whitney U检验初步筛选得到与DVT发生相关的22个差异代谢物,涉及的体内代谢通路有乙醛酸和二羧酸代谢、三羧酸循环(TCA循环)以及丙氨酸、天冬氨酸和谷氨酸代谢.采用基于随机森林分类算法的特征选择方法(Boruta)从上述差异代谢物中进一步筛选出13个与DVT强相关的特征代谢物集合,构建了基于不同机器学习算法(逻辑回归、线性判别分析和Adaboost集成算法)的DVT预测模型.结果显示,构建的线性判别分析模型对DVT的预测准确率可达87%,模型的精度、召回率、F1分数和受试者特征曲线下面积(AUROC)分别为0.88,0.86,0.87和0.95.研究表明,采用GC-MS代谢组学结合机器学习算法构建的DVT预测模型可为DVT的诊断、治疗以及法医学鉴定提供技术支撑.