一种拉链去齿用凸轮机构的改进优化

某拉链生产设备的去齿机构选用了摆动从动件盘形凸轮机构。为提高设备工作时的稳定性,对凸轮轮廓进行理论分析,依据不同运动规律的运动特性,在推程段选用三段式加速度运动规律,通过解析法推导出从动件运动方程。为选取三段式加速度最佳分段点,以凸轮的负载最小为优化目标、分段点取值为设计变量构建优化模型,采用标准粒子群优化算法对目标函数进行优化求解。依据求解结果,利用Matlab及SolidWorks软件完成优化后凸轮的物理建模,最后采用多体动力学软件Adams得到摆动从动件盘形凸轮的运动仿真曲线。结果表明,该凸轮优化方法有效地优化了凸轮轮廓曲线,一定程度上提高了切刀运行时的稳定性,为实际生产中设备改进提供了可靠的路径。

基于MRI影像组学及PSA结合机器学习对前列腺中央区良恶性结节的鉴别诊断

目的:探讨基于核磁共振影像(MRI)T2WI或表观扩散系数(ADC)影像组学特征,以及血清前列腺特异性抗原(PSA)联合机器学习在鉴别中央区前列腺癌及前列腺增生中的价值。方法:回顾性分析术前行MRI检查并经病理证实的中央区前列腺增生61例及前列腺癌51例。采用MaZda软件提取所有患者T2WI与ADC图像的纹理特征,建立T2WI特征与PSA、ADC特征与PSA数据库。将病例按7∶3的比例分入训练集和验证集,依次采用t检验、Wilcoxon秩和检验及pearson相关分析对两数据库内训练集内的参数进行筛选降维,并分别建立基于T2WI或ADC特征与PSA的支持向量机(SVM)、K-近邻(KNN)及逻辑回归(LR)共6种机器学习模型,采用受试者工作特征(ROC)曲线评估模型有效性,用验证集验证其鉴别诊断效能。结果:基于T2WI及PSA数据库的SVM、KNN、LR模型验证集工作曲线下面积(AUC)依次为0.871、0.811、0.875,基于ADC及PSA数据库的SVM、KNN、LR模型验证集AUC依次为0.936、0.939、0.943。ADC及PSA数据库在3种机器学习方法中的AUC均高于T2WI,且LR模型具有最佳效能,其验证集准确度、敏感度及特异度分别为0.882、0.850及0.929。结论:对ADC图像纹理特征进行提取并结合PSA建立机器学习LR模型,可准确鉴别中央区前列腺癌及前列腺增生,从而降低误诊率。

暖

常听大人在与朋友分别时说“天下没有不散的筵席”，没想到才上五年级没几天的我们也用上了这句话。前几天，学校教学楼不幸被鉴定为危房，全体师生必须撤离，分散到周边四所学校上课。

小乌龟

乌龟是聪明可爱的小动物，大家都喜欢它，但你们对它的特点了解吗？ 老师今天给我们介绍了三只小乌龟。最大的那只叫大黑，背部比其他乌龟都黄的叫小黄，最小的那只叫小黑。它们头上的花纹很精致。腮帮两边有菊红色的花纹。