纳米金免疫层析试条定量检测的研究

纳米金免疫层析测定法由于符合现代医学倡导的"床边检验"的发展潮流,具有特异性强,操作方法简单、效率高、可以单人份检测及无污染等特点而成为最常用的一种侧流免疫层析快速检测方法。本研究阐述了定量检测的意义,然后分别从纳米金免疫层析试条定量性能的改进、试条信息的采集检测系统与试条信息的处理三个方面来综述纳米金免疫层析定量检测的研究进展,最后对其未来的研究方向进行展望。

夹心法免疫层析试条的数学模型与仿真研究

基于夹心法免疫层析试条检测原理,结合对流扩散方程和流体动力学方程,建立了夹心法免疫层析试条动态反应过程的数学模型,并通过COMSOL软件对试条动态反应过程进行仿真。分别探究了目标待测物A浓度在0~20 mol/L,标记物P浓度在1×10!2~1×103mol/L以及硝酸纤维素膜的孔隙率在0~1范围内变化时,检测线上夹心复合物浓度关于位置和时间的浓度变化情况,并分析了各物质初始浓度以及试条结构对于检测结果和检测时间的影响。结果表明,在一定浓度范围内,目标待测物A以及标记物P浓度的增加将提高试条的定量检测性能,而孔隙率通过影响混合液流速和混合液中各物质反应接触情况来影响检测结果。

竞争法免疫层析试条的数学模型与仿真研究

根据竞争法免疫层析试条的检测原理,本研究将其分为TwA和TnA两种模式,结合对流扩散方程分别建立其数学模型,并运用COMSOL软件对试条的动态反应过程进行仿真,得到检测线和质控线上各复合物浓度关于各影响因素的关系曲线。在TwA模式中,分析了待测物浓度[A_0]=0~20 mol/L,标记物浓度[P_0]=0.01~100 mol/L,检测线位于5~20 mm位置等因素对于检测结果的影响;在TnA模式中,分析了[A_0]=0~20 mol/L,[P_0]=0.01~100 mol/L,[A_0]和[P_0]两种物质浓度及孔隙率等因素对于检测结果的影响。结果表明,本研究建立的竞争法模型与仿真能探究各参数对于检测结果的影响,优化试条性能,从而提高试条检测灵敏度和实现定量检测。

基于LabVIEW的工件外径测量与颜色识别软件系统设计

为了能对不同尺寸的工件进行质量检测或分拣,对不同颜色的工件进行颜色识别和分拣;设计了基于LabVIEW的工件外径测量和颜色识别软件系统。应用USB相机采集图像并保存;对所采集到的图像进行一定的处理,包括彩图转灰度图,对比度亮度调整,各种滤波等功能;实现工件外径测量及颜色识别等,可筛选出外径不同于样本的工件;通过分析样本及测试体颜色的红绿蓝直方图,计算综合色差,进行颜色识别。以螺丝为例的工件实验证明,该系统能快速测量工件的外径,精度较高,识别率准确,同时对工农业生产中物体大小和颜色的分拣都具有一定参考价值。

测量有源滤波电路频率响应的虚拟扫频仪设计

为了满足有源滤波电路等模拟电子电路频率响应测量的需要,克服传统测试方法中仪器比较多,步骤较复杂且容易产生较大误差的缺陷,介绍了一种基于LabVIEW的虚拟扫频仪设计方法。简述了该扫频仪的整体设计方案和测量原理,详述了扫频仪主要的软件设计模块。实验结果表明,该扫频仪能直观测试电路的频率特性及绘制出相应的幅频特性和相频特性曲线,能较好的满足有源滤波电路频率响应的测量。

均方根放大器及其在优化控制系统中的应用

给出一种新型的非线性放大器,称它为均方根放大器(SQF),用它可以大幅度提高优化控制系统的品质指标。作为范例,用它来改善已获广泛应用的ITAE最优控制系统。实验结果表明,该放大器显著提高了ITAE最优控制系统的品质指标,并给出了再优化后系统标准型传递函数,供工程人员选用;同时,也可推广用于提高任何优化控制系统的品质指标,具有很好的应用前景。

基于深度学习的金免疫层析试条定量检测方法

为解决免疫层析试条定量检测问题,搭建了基于深度置信网络和反向传播神经网络构成的深度学习模型。基于免疫层析试条图像的特点,搭建的模型通过学习本文提出的图像灰度特征、距离特征以及差分特征实现准确的图像分割。最后,对分割的图像进行定量分析实现最终的定量检测。实验结果表明,本文提出的方法能够实现免疫层析定量检测。

提升小波分形策略在电机轴承电蚀故障特征提取中的应用

电蚀是感应电机轴承服役过程中常见的物理现象,电蚀现象的发生使得电机轴承表面更容易发生点蚀剥落等局部损伤。提出提升小波分形策略,用于从多成分耦合的振动信号中提取反映轴承故障的冲击性故障特征;该策略通过对经典冗余提升小波包分解产生的相邻子空间进行后处理,生成新的隐小波包尺度,可有效弥补二进小波包分析方法对过渡带区间特征提取能力的不足;通过隐小波包子空间的中心嵌套集合实现了振动信号的中心极化多分辨分析;该方法还能继承冗余提升小波包分解的诸多优良特性(如精确线性相位及平移不变性等),从而进一步增强了振动信号中非平稳冲击特征的分析提取能力。将提出的方法应用于某型号平整机的感应电机轴承振动信号分析,在某个由提升小波分形策略生成的隐小波包子空间中提取表征轴承机械故障的周期性冲击特征,经停机检修验证该故障特征是由轴承中已经存在的电蚀故障引发;将所提出方法的特征提取效果与基于双树复小波等的主流分析方法进行对比,验证了提升小波分形策略具有更加全面的轴承故障特征分析能力。

一类新的基因调控网络的稳定性分析方法

借助M-矩阵理论分析了含时变时滞的基因调控网络的渐进稳定与指数稳定性问题.首先利用递归神经网络建立基因调控网络模型,通过选取合适的Lyapunov函数,根据M-矩阵知识推导出使网络稳定的充分条件,最后通过实例验证了此方法的有效性及简便性.

融合注意力机制的模糊图像多尺度复原

目的去模糊任务通常难以进行对图像纹理细节的学习,所复原图像的细节信息不丰富,图像边缘不够清晰,并且需要耗费大量时间。本文通过对图像去模糊方法进行分析,同时结合深度学习和对抗学习的方法,提出一种新型的基于生成对抗网络(generative adversarial network,GAN)的模糊图像多尺度复原方法。方法使用多尺度级联网络结构,采用由粗到细的策略对模糊图像进行复原,增强去模糊图像的纹理细节;同时采用改进的残差卷积结构,在不增加计算量的同时,加入并行空洞卷积模块,增加了感受野,获得更大范围的特征信息;并且加入通道注意力模块,通过对通道之间的相关性进行建模,加强有效特征权重,并抑制无效特征;在损失函数方面,结合感知损失(perceptual loss)以及最小均方差(mean squared error,MSE)损失,保证生成图像和清晰图像内容一致性。结果通过全参考图像质量评价指标峰值信噪比(peak signal to noise ratio,PSNR)、结构相似性(structural similarity,SSIM)以及复原时间来评价算法优劣。与其他方法的对比结果表明,本文方法生成的去模糊图像PSNR指标提升至少3.8%,复原图像的边缘也更加清晰。将去模糊后的图像应用于YOLO-v4(you only look once)目标检测网络,发现去模糊后的图像可以检测到更小的物体,识别物体的数量有所增加,所识别物体的置信度也有一定的提升。结论采用由粗到细的策略对模糊图像进行复原,在残差网络中注入通道注意力模块以及并行空洞卷积模块改进网络的性能,并进一步简化网络结构,有效提升了复原速度。同时,复原图像有着更清晰的边缘和更丰富的细节信息。

改进鲸鱼优化算法及涡轮盘结构优化

涡轮盘是航空发动机的核心零件,通过智能优化算法对涡轮盘结构进行优化,降低涡轮盘质量,有助于提升推重比。研究并改进了新型鲸鱼优化算法对涡轮盘截面进行结构尺寸优化。改进的鲸鱼优化算法中创新引入差分变异策略,交叉操作和常规变异策略以增强鲸鱼优化算法跳出局部最优解的能力。特别地,以改进的鲸鱼优化算法(Decomposition evolution based whale optimization algorithm,DEWOA)为例对Isight平台进行二次开发,与Isight平台中的五种算法和基本鲸鱼优化算法就八个单目标测试函数进行了对比,在均值和方差等指标验证了改进算法的稳定性和寻优性能。而且,将结合改进鲸鱼优化算法的Isight优化模块组件与有限元分析方法在Isight平台中集成为全自动化优化流程,对航空发动机涡轮盘进行结构优化,并与其他四种算法的涡轮盘结构优化结果进行对比。实验结果表明改进的鲸鱼优化算法对涡轮盘减重达26.09%,超过自适应模拟退火算法减重比2.24%,超过多岛遗传算法减重比5.29%,超过鲸鱼优化算法减重比1.94%,落后于指针自动优化算法减重比0.39%,但改进的鲸鱼优化算法收敛速度更快,达到最优解的代价更小,表明了改进鲸鱼优化算法在工程实际问题上的实用性和通用性。

无监督学习驱动的高端轴承故障智能诊断算法

谱峭度是用于滚动轴承故障诊断的有效方法,然而它对工程中常见的偶发性冲击特征具有高度的敏感性,常导致特征提取结果失效.为解决该问题,针对多重偶发性冲击(sporadic impulses,SIs)干扰下的时间序列峭度计算提出了一种基于无监督学习的智能评估方法.首先,根据偶发性冲击在时域上能量高度集中的特性,在时域将原始信号样本等间隔地划分为数据片段.其次,将各数据片段映射到统计参数特征空间(statistical parameter feature space,SPFS).再次,提出了迭代二均值聚类算法,实现了聚类中心自定位及类簇数自适应整定,利用含SIs片段与正常片段在SPFS显著的统计特性差异,逐次识别并清除受SIs干扰的片段.最后对未受SIs干扰的正常片段进行峭度信息融合,得到智能峭度估计.结合该智能峭度估计方法与多尺度分解方法提出了高端轴承故障诊断的新方法.通过仿真算例及轴承故障诊断实际案例验证了该方法能够在多成分耦合、多重偶发性冲击干扰的不利影响下准确提取异常故障特征,并在应用中能够兼顾智能化、高鲁棒性及高计算效率.