基于混合深度学习的电动汽车充放电系统通信协议辨识方法研究

电动汽车充放电系统是新能源汽车安全充放电的重要保障。为了解决电动汽车充放电系统的通信协议辨识问题,提出一种基于混合深度学习的电动汽车充放电系统通信协议辨识方法。该方法通过深度学习网络(DLN)提取通信协议数据特征,通过引入l1/2范数提高深度学习网络的泛化能力,实现对电动汽车充放电系统通信协议的高精度辨识。仿真结果表明,混合深度学习网络对电动汽车充放电系统不同协议的辨识总体准确率达到了97.68%。因此,可以得出基于混合深度学习的电动车充放电系统通信协议辨识方法具有一定的有效性。

高频超声在婴幼儿髋关节发育异常早期诊断中的价值分析

目的 探讨高频超声在婴幼儿髋关节发育异常(DDH)早期诊断中的应用价值。方法 选取2019年5月至2021年12月在我院接受髋关节超声检查且疑似DDH的135例婴幼儿作为观察组,对其DDH发生情况和特征进行分析,并将X线和其他相关临床检查结果作为诊断“金标准”,了解高频超声对DDH的诊断效能;同时,选取同期50例健康婴幼儿作为对照组,对比两组婴幼儿的髋关节α、β角以及股骨头覆盖率。结果 135例疑似DDH婴幼儿中最终确诊110例,占比81.48%;270个髋关节中共有170个异常髋关节,占比62.96%。女婴DDH占比较男婴更高,左侧异常髋关节占比较右侧更高,差异有统计学意义(P<0.05)。高频超声对DDH的诊断敏感度为90.00%(99/110),特异度为24.00%(6/25)、准确度为77.78%(105/135)、阳性预测值为83.90%(99/118)、阴性预测值为35.29%(6/19)。观察组髋关节α角、股骨头覆盖率更低,髋关节β角高于对照组,差异有统计学意义(P<0.05)。结论 对疑似DDH婴幼儿采用高频超声进行诊断可获得较高的诊断效能,有助于DDH的早期诊断与治疗。