基于压缩感知的电力变压器声纹信号特征提取

面向在运变压器运行状态在线监测应用,基于压缩感知理论和小波包分析技术,提出一种基于压缩感知和小波信息熵的变压器声纹特征提取方法,用于变压器声振异常检测和故障诊断。采用本文方法提取变压器铁心故障仿真数据声纹信号特征,应用PSO-SVM分类完成故障诊断仿真。实验结果表明,本文方法能够在较高压缩率条件下,获取较高的故障识别精度。

Capfini模型预防重症颅脑损伤住院患者术后静脉血栓栓塞症的临床价值

目的探讨Capfini模型预防重型颅脑损伤患者术后静脉血栓栓塞的效果。方法选择本院ICU实施Capfin模型后于2017年10月—2018年10月收治的50例重型颅脑损伤患者作为观察组,另选2016年10月—2017年10月收治的未采取Capfin模型的50例重症患者作为常规组。两组患者均予以相应手术治疗。观察组至入院首日采用Capfin模型评分,并根据风险等级选择合适的预防静脉血栓治疗,对照组采用常规护理护理。比较两组住院期间抗凝药使用情况、静脉血栓发生率及预后,并分析Capfin模型评分与血栓发生率的相关性。结果观察组抗凝药服用率为4.2%,服药时间(5.7±1.1) d,均显著低于常规组[36.0%、(8.7±2.2) d](P<0.05);术后常规组仅1例发生静脉血栓观察组无;但观察组可疑血栓发生率为22.0%,显著低于常规组的42.0%(P<0.05);低度危险组APACHEⅡ评分(21.5±5.4)分、SOFA评分(15.3±3.8)分,均显著低于中高度危险组[(32.7±8.2)分、(26.5±6.7)分](P<0.05),且Capfini评分与术后静脉血栓发生有一定的相关性。结论 Capfini模型能有效地预防重型颅脑损伤患者术后静脉血栓栓塞,同时减少抗凝药服用,缩短抗凝药时间较短,有效评估患者预后,值得临床推广。