我国医患关系研究的进路与省思

基于CiteSpace可视化分析工具,以“医患关系”为关键词,分析近年来传播学视域的医患关系研究议题与进程,发现医患关系研究出现从“媒介”到“人”的研究转向。其中以“媒介”为中心的医患关系视角注重医患关系的媒介呈现和媒介宣传,以“人”为中心的医患关系视角注重媒介使用与医患信任建构、媒介与患者健康意向行为关系及新型医患沟通模式分析。同时,探讨提升中国社会的医患关系研究路径,提出未来研究更应注重制度和文化等语境,跳出实证主义范式以及单一的“医−患”二元视角,以推动医患关系研究的均衡与系统化发展。

新疆高职专业结构与区域产业结构契合度研究

专业结构与产业结构相互契合是推动区域经济发展的必要条件。本文分析近三年新疆专业结构与产业结构现状,研究发现:第一产业、第三产业高职专业结构与产业结构的契合度不高,第二产业高职专业结构与产业结构的契合度较好,专业布局与区域重点产业发展契合度不足,对新兴产业支撑有限,专业设置重复度较高,部分专业布点过剩。因此,政府要统筹规划高职专业布局,合理调整高职院校专业设置,加强校企协作等,促进新疆高职专业结构与区域产业结构发展相契合。

“双减”政策下小学数学课后作业设计研究

“双减”政策的颁布落实对各学科课后作业设计提出更高要求。为了最大程度发挥作业的功能,小学各科科任教师需聚焦作业设计,提升作业质量和效果。当前小学数学课后作业设计存在一些问题,因此“双减”政策下课后作业设计应坚持目的性原则、生活性原则与实践性原则。“双减”政策下课后作业设计应遵循明确作业设计目标、丰富作业设计类型及完善作业评价三条路径。

基于食品专业的研究生实验设计与数据处理课程改革探索

随着党的十八大、十九大报告分别指出“着力提高教育质量、推动高等教育内涵式发展”和“加快一流大学和一流学科建设,实现高等教育内涵式发展”,我国的高等教育呈现迅猛的发展趋势。基于学生创新能力、实际问题处理能力、科学素养等的培养对于人才质量建设至关重要。《实验设计与数据处理》作为一门培养食品专业研究生实验设计的逻辑思维、数据分析的基本理论知识以及数据处理基本技能的主干课程,对于建立研究生严谨自律、研深悟真的治学态度和提高独立自主处理问题的能力起到了关键性的作用。为了进一步实现研究生的“高等教育内涵式发展”.

“花儿”与党:西北民歌中的百年中国共产党形象

“花儿”是流行于中国西北部甘、青、宁三省区,由汉族和其他少数民族共创共享的民歌。本文选取了中国共产党成立以来的649首“花儿”曲目,运用内容分析法对“花儿”曲目进行分析。研究发现,在时间脉络中,“花儿”的叙事话语随着时代而变迁,与社会议题关联紧密;在传唱议题方面,“花儿”歌词主要通过符号象征、领袖感召、呼吁劳动的角度反映和歌唱中国共产党;从歌词所反映的空间角度进行分析发现,“花儿”主要通过地理构造的意义空间来塑造社会认同。“花儿”适切地反映了不同历史阶段当中的中国共产党形象与社会风貌,为了解传统文化和中国共产党之间的关联提供了一个可供观察的入口。

护理干预在皮肤科面部痤疮护理中的应用效果评价

探讨脸部肌肤护理的执行情况,对有青春痘症状病人之效果。方法 采用自编问卷的方式,对190名自2021年8月到2022年8月收治的痤疮病人进行调查。将此次筛选出的调研对象分成例数相等的两个小组,所有的研究对象所应用的治疗措施均相同,即选用红蓝光治疗措施,并且还要服用维胺酯胶囊,服用方式为口服。但是两组患者在护理方案的选择方面存在一定的不同之处。作为对照组的患者,其在进行护理期间,需要应用常规模式,研究组则需要在这一基础上应用面部皮肤护理模式。双方均需要接受为期两个星期的护理,然后从治疗效果等方面展开组间对比。结果 对照组、研究组在治疗有效率、心理状况评分等角度的对比差距较为显著,且研究组在各方面指标中的表现均优于对照组(P<0.05)。结论 对于患有痤疮的患者而言,面部皮肤护理举措的实施能有效减轻其消极情绪,也有助于面部皮肤健康转归。

天水市基层动物防疫工作中存在的问题及对策

防疫工作是从根本上提升动物防疫整体水平、进一步推进畜牧业健康发展的重要保障。本文总结了天水市基层畜牧兽医防疫工作开展过程中存在的问题,如基层防疫队伍力量薄弱、防疫设施设备不足、兽医实验室作用发挥不强、动物检疫监督不到位等,提出了增强基层畜牧兽医防疫力量、完善防疫设施设备、提高兽医实验室检测能力、加强动物检疫监督等对策,以期为天水市基层动物防疫工作提供参考。

警惕糖尿病患者低血糖

降糖药不可怕,但不合理的服用或误服降糖药会致命。低血糖是糖尿病患者常见的并发症之一,发生低血糖是非常危险的事情,每一位糖友都要重视。一、低血糖的定义正常人血糖低于2.8毫摩尔/升被诊断为低血糖,而对于接受药物治疗的糖尿病患者,血糖水平低于3.9毫摩尔/升时,就被诊断为低血糖。

重视孕产期甲状腺疾病

一、孕产期甲状腺疾病的定义和诊断甲状腺是人体重要的内分泌器官,甲状腺激素作为人体生长发育期间的必需激素,主要由甲状腺腺体分泌。在妊娠期间,甲状腺激素会直接参与宫内的胎盘发育,是宝宝脑发育和骨骼生长发育的关键激素。宝宝的甲状腺在孕10~12周形成,在此之前甲状腺激素均依赖妈妈供应。因此准妈妈的甲状腺健康对母体及宝宝都至关重要。

结合特征重用与重建的YOLO绝缘子检测方法

针对基于深度学习的绝缘子缺陷检测方法存在泛化性能低、难以识别复杂背景下的绝缘子等问题,从特征提取和融合角度出发,提出一种结合特征重用与重建的YOLO(YOLO-RR)模型的绝缘子缺陷检测方法。首先,在特征提取阶段,以DenseNet为基础构建dense35网络作为主干网络,通过特征的重用增加对特征细节的感知能力,提升了模型在低饱和度和低对比度成像情况下的检测精度,并降低了网络参数量。其次,在特征融合阶段,提出基于沙漏模块的双向特征金字塔网络(H-BiFPN)结构进行不同尺度特征间的双向融合,通过特征重建和融合丰富了不同尺度的特征信息,解决了连续卷积下小目标信息丢失的问题,提升了对小目标的检测精度。最后,使用Wise-交并比(WIoU)损失函数优化模型,通过重点关注普通锚框使预测更加精准。在扩充后的中国输电线路绝缘子数据集(CPLID)上的实验结果表明,YOLO-RR模型识别率达到93.6%,网络参数量压缩至5.16×10^(6),优于对比模型,能够满足绝缘子缺陷定位的准确性和实时性要求,同时在背景干扰较大、受光照影响的成像上也有很好的检测效果。

基于非平稳Transformer的超短期风电功率多步预测

针对风电预测中波动性和随机性造成的风电功率多步预测精确度不高的问题,提出一种基于非平稳Transformer的超短期风电功率多步预测模型。利用皮尔逊相关系数法(PCC)和主成分分析法(PCA)对风电功率及其影响因素的分析确定输入数据,结合可以提升非平稳时序预测效果的非平稳Transformer模型,高效充分地挖掘输入数据与输出功率的复杂关系,构建风电功率超短期预测模型。实例分析表明,所提方法对不同预测步长下的风电功率进行预测时均具有较高的预测精度,且预测结果更稳定。

基于改进变分模态提取的轴承早期故障诊断

针对变分模态提取(variational mode extraction,VME)在强背景噪音下初始中心频率难以确定的问题,提出了基于谱相干引导变分模态提取(SC-VME)的滚动轴承故障诊断方法。首先,引入谱相干(spectral coherence,SC)算法对信号进行处理,得到由循环频率和频谱频率构成的双频域,并结合1/3-二叉树滤波器组得到改进包络谱(improved envelope spectrum,IES);然后,以轴承故障特征频率识别的局部特征能量与频带中的IES能量占比为诊断指标,构建诊断性指示图,据此确定VME期望模态的初始中心频率;最后,通过对提取的期望模态进行包络谱分析,实现滚动轴承早期故障诊断。通过仿真和试验信号分析,结果表明所提SC-VME方法准确性更高、用时更短、效果更优。

基于伪标签深度学习的半监督滚动轴承故障诊断模型

针对实际工程应用中被标记的滚动轴承故障样本收集困难,传统诊断模型精度较低的问题,提出一种伪标签学习融合参数迁移深度学习网络的半监督滚动轴承故障诊断模型。首先将ImageNet数据集上预训练的残差网络(Residual Network,ResNet)模型参数迁移至本文模型中作为初始参数,并使用不同学习率微调网络层参数以加快模型收敛速度;随后引入伪标签半监督学习,使用标签数据训练模型并对无标记数据进行预测以生成伪标签;最后使用标签数据以及伪标签数据训练参数迁移后的ResNet模型,并测试诊断效果。对两种滚动轴承故障数据进行半监督下故障诊断实验及跨域故障诊断实验。实验结果表明,在具有大量未标记样本集下,所提出模型可迁移至不同设备完成诊断,具有较强的鲁棒性,可用于处理复杂工业环境中的故障诊断问题。

参数未知的复混沌系统错位复修正函数投影同步

为解决参数未知的复混沌系统在复杂状态变量无法分离情况下的同步控制问题,提出了错位复修正函数投影同步(misalignment complex correction function projection synchronization,MCCFPS)控制方案。首先,设计一种自适应跟踪控制器,使其能够适应任意有界复混沌系统之间的差异。该控制器通过动态控制强度和收敛因子增强自适应能力并调节收敛速度,通过Lyapunov理论证明该控制器的收敛性,从而为控制方案的可靠性提供理论支持。然后,对两个异构的复混沌系统进行动力学模型分析,计算并比较混沌系统和复混沌系统时间序列的模糊熵,验证复混沌系统的复杂度更高,从而突显其同步控制在保密通信应用中的优越性,并进一步设计其MCCFPS同步方案。最后,通过数值仿真验证MCCFPS方案的有效性。结果表明:该方案能够成功实现复混沌系统的同步控制,并具有良好的同步效果和控制性能。总体来说,相较于传统的混沌系统,研究引入复变量,并采用更复杂的MCCFPS同步控制方案,直接在复域中实现混沌同步,有效提高了系统的安全性。研究结果为复系统同步控制问题提供了新的思路和途径,具有重要的应用价值。

基于路径重积分特征提取的轴承故障诊断

滚动轴承振动信号呈现非线性和非平稳特征,为充分挖掘滚动轴承振动信号的有效信息,提高故障诊断准确率,提出基于振动信号路径重积分(path signature, PS)的滚动轴承故障信号特征提取方法。首先,对一维故障振动信号进行时延重构,构成有限维路径空间;其次,对路径进行多重迭代积分得到高阶路径积分特征作为故障振动信号初始特征,利用主成分分析(principal component analysis, PCA)对其进行降维得到能充分表征故障信号本征信息的特征;最后,将不同故障信号基于路径重积分的故障特征构成故障特征集,输入到支持向量机(support vector machine, SVM)完成故障的识别和分类。实验结果表明,该方法在公开数据集上的10种故障类型诊断准确率达99.33%,对比其他几种方法,所提方法能快速准确地识别滚动轴承不同故障类型。

无监督健康指标在轴承早期故障检测中的应用

针对滚动轴承早期故障时间点难以检测问题,提出一种基于卷积深度置信网络(convolutional deep belief network, CDBN)与多核极限学习机自编码器(multi-kernel extreme learning machine based autoencoder, MKELM-AE)的无监督健康指标故障检测方法。首先,引入CDBN自适应提取滚动轴承健康状态振动信号频谱的深层高维特征信息,去除高维数据冗余信息后得到表征滚动轴承健康状态的低维特征;然后,采用粒子群优化(particle swarm optimization, PSO)的MKELM-AE对提取的低维特征进行重构训练;最后,将待测信号输入训练好的CDBN-MKELM-AE模型中计算重构误差作为反映滚动轴承退化的健康指标,并采用Bootstrap Pettitt异常检测方法检测待测健康指标发生突变的时间。实验结果表明,所提方法建立的健康指标能反映轴承退化的不同阶段,可有效检测出早期故障中健康指标发生突变的时间,定位早期故障点。

基于图注意力网络的风力发电机齿轮箱故障诊断

针对风力发电机齿轮箱故障振动信号的非平稳性、特征混叠和诊断正确率低等问题,提出一种基于图注意力网络(GAT)的风力发电机齿轮箱故障诊断方法。首先利用原始振动信号的频谱定义节点和边,将故障信号构造为可视图;然后将可视图数据作为输入,在GAT中嵌入邻居自注意力机制使其自适应提取可视图信号的节点特征和结构特征;最后使用分类器对提取的节点特征进行分类识别。通过行星齿轮箱数据集和风力发电机齿轮箱数据集的实验,结果表明与机器学习、深度学习以及其他图神经网络相比,所提方法准确率更高,鲁棒性和抗噪性更好,可有效实现端到端的智能故障诊断。

基于改进YOLOv7的变电站设备红外图像识别方法

变电站电气设备红外图像识别是其进行缺陷与故障诊断的重要前提,能保障电力系统的安全稳定运行。为达到变电站设备高精准、高效率的识别效果,本文提出了一种基于改进YOLOv7网络的变电站设备红外图像识别方法。变电站采集到的红外图像作为YOLOv7网络的输入,在红外图像的识别中,采用CoordConv卷积层增加图像坐标信息,增强网络层的信息细节,丰富图像特征内容;引入注意力机制排除其他信息干扰,增强模型的特征表达能力,提高网络训练精度;为进一步提高识别精度,不同于传统损失函数的构建,采用WIoU损失函数加速网络收敛,提高模型的准确性。通过对变电站采集的实际红外图像进行分析,实验结果表明,所提出的基于改进YOLOv7网络的变电站设备红外图像识别模型识别精度能达到97.1%。相较于YOLOv7网络和其他几种典型网络,所提模型具有较高的准确性和鲁棒性,可以有效应用于变电站设备的智能监测和维护,为后续故障诊断工作提供基础条件。

基于迭代增强变分模态提取的滚动轴承复合故障诊断

针对变分模态提取对多分量复合故障提取能力不足,且存在中心频率和平衡因子两个超参数优化等问题,提出了一种迭代增强变分模态提取(iterative enhanced variational mode extraction,IEVME)的滚动轴承复合故障诊断新方法。首先,提出引入中心频率趋势收敛现象优化VME的初始中心频率,使其能自适应寻找合适的初始中心频率进行提取并加入新的收敛准则对信号进行迭代提取的迭代变分模态提取方法(iterative variational mode extraction,IVME);然后,通过优化IVME的平衡因子得到多个分量信号,再利用图拉普拉斯能量指数选取最优分量进行重构;接着,为全面提取复合故障信号中的主要周期,提出了结合加强运算减去运算的增强最小噪声幅值解卷积(enhanced minimum noise amplitude deconvolution,EMNAD)方法,以降低噪声并增强相对较弱的周期信号;最后,通过融合平方包络谱实现对滚动轴承的复合故障诊断。将所提方法应用到滚动轴承复合故障诊断中,通过仿真和实例信号验证所提IEVME方法的有效性和鲁棒性,并将所提方法与现有多种方法进行对比,结果表明所提IEVME方法准确性更高,效果更优。