无刷双馈电动机的无编码器控制

无刷双馈电机继承了常规双馈电机的优点,如逆变器容量小,整个系统的效率高、成本低等,又省去了滑环电刷,从而提高了可靠性。从绕线转子无刷双馈电机的基本原理出发,推导了其转矩公式,画出矢量图。通过对矢量图和转矩公式的分析,提出一种无编码器的无刷双馈电动机调速控制算法。该算法可以平滑穿越同步转速点,实现控制绕组的零频率控制。对该算法的稳定性问题进行分析,并进行了大量的仿真和实验研究。仿真和实验结果验证了所提出的无刷双馈电动机无编码器控制方法的有效性。

无刷双馈电动机的控制方法研究

相比于传统有刷双馈电机,无刷双馈电机去除了电刷和滑环,从而增强了运行可靠性。本文以无刷双馈电动机的数学模型为基础,通过对其定子功率绕组和控制绕组电流矢量的分析以及转矩表达式的推导,提出了一种新型的控制策略,在保证转速动、静态稳定性的同时,实现了功率因数可调的目的。同时通过仿真和实验验证了该控制策略的有效性。

用泮托拉唑钠肠溶片和兰索拉唑肠溶片治疗胃溃疡的效果对比

目的:对比使用泮托拉唑钠肠溶片和兰索拉唑肠溶片治疗胃溃疡的临床效果。方法:选择2018年3月至2019年9月期间昆明医科大学第一附属医院收治的126例胃溃疡患者作为研究对象。将这126例患者分为泮托拉唑组(n=63)和兰索拉唑组(n=63)。对两组患者均进行抗感染、保护胃黏膜等常规治疗。在此基础上,为泮托拉唑组患者使用泮托拉唑钠肠溶片进行治疗,为兰索拉唑组患者使用兰索拉唑肠溶片进行治疗。然后,比较两组患者的临床疗效、不良反应的发生率、腹胀症状的缓解率及嗳气反酸症状的缓解率。结果:治疗后,与兰索拉唑组患者相比,泮托拉唑组患者治疗的总有效率、腹胀症状的缓解率、嗳气反酸症状的缓解率均更高,其不良反应的发生率更低,P<0.05。结论:与使用兰索拉唑肠溶片相比,用泮托拉唑钠肠溶片对胃溃疡患者进行治疗的临床效果更好,不良反应的发生率更低。

伊马替尼治疗慢性粒细胞性白血病患者疗效及药物经济学评价

慢性粒细胞白血病(chronic mylocytic leukemia,CML)是一种骨髓增生性疾病,是由于造血干细胞恶性克隆引起的疾病[1]。临床表现为持续性、进行性外周血白细胞计数升高,脾脏明显肿大,甚至巨脾[2]。本病发病缓慢,早期多无症状,因此往往是在常规体检时偶然发现[3]。本病的治疗原则为分子缓解,即通过对异常增高的白细胞进行有效的控制来达到症状的改善,以伊马替尼为代表的酪氨酸激酶抑制剂目前已经成为国内外标准一线治疗药物,它开启了CML靶向治疗的新纪元[4]。本次研究对伊马替尼治疗慢性粒细胞性白血病患者的疗效及药物经济学进行探究及评价,现报告如下。

基于MobileNetV3的结构性剪枝优化

针对深度神经网络参数过多以及计算量巨大,使其较难部署在移动设备和APP上的问题,提出采用高效轻量化的MobileNetV3模型与结构性剪枝相融合的方法,对深度神经网络进行重构和压缩。最终生成的精简模型体积比原始模型缩小5.8倍,大幅度减少计算量和内存的消耗。经过微调后的精简网络模型相比于稀疏化训练的网络,准确度更高、泛化性能更好,能够直接运行在成熟框架(Pytorch,MXnet或TensorFlow等)或硬件平台上(GPU,FPGA等),无需特殊算法库的支持。

基于Inception-ResNet-v2的乳腺癌辅助诊断方法

针对人工阅片需耗费大量时间并可能出现误诊、漏诊,以及基于人工提取特征进行病理图像分类的机器学习算法性能不足,高层次特征提取困难等问题,利用深度学习实现端到端的病理图像分类;采用Inception-ResNet-v2网络对乳腺癌病理图像进行高效准确的自动分类,达到计算机辅助诊断的效果;同时利用数据增强和迁移学习方法,解决数据集不足的问题。实验结果表明:该方法的准确率达到96.8%,并具有高精度、易泛化的特点。