基于多级域自适应网络的轴承故障诊断模型

针对在轴承运行过程中复杂多变的环境可能会导致训练数据和测试数据分布不一致、模型诊断性能下降的问题,提出了一种基于Shuffle-CANet的轴承故障诊断模型。通过改进ShuffleNet V2并引入非对称卷积,实现了对轴承的跨域故障诊断。根据迁移学习中的领域自适应思想,在模型中加入域损失函数来提取源域和目标域的共有特征,实现跨域故障诊断。与传统的深度学习模型相比,该模型对移动设备和嵌入式设备更加友好。在两个不同的数据集上通过不同迁移任务来验证Shuffle-CANet模型的故障诊断效果。研究结果表明,当源域和目标域数据来源于相同的数据集时,模型的故障诊断准确率可以超过99%;当源域和目标域数据来源于不同的数据集时,模型的故障诊断率可以超过95%。

HIV-1 V2区175位变异可提高中和抗体对病毒的结合能力

目的探讨HIV-1V2区175位变异对于v3中和抗体与病毒结合能力的影响。方法使用真核细胞表达质粒分别串联HIV-1野生型和突变型的env基因和绿色荧光蛋白GFP，并转染293T细胞，使gp120表达到293T细胞的表面，并根据GFP荧光来检出转染成功细胞。然后使用免疫染色和双荧光流式细胞仪检测几种常见V3区中和抗体对野生型和突变型gp120的结合力。结果L175P突变使表达在293T细胞表面的gp120三聚体与3种V3区特异性抗体结合的荧光强度差异有统计学意义，与阴性对照的荧光强度分布差异有统计学意义，图形的位置和峰值均有变化，平均荧光强度MFI显著升高；而表达野生株gp120三聚体的293T细胞与V3抗体作用后，曲线与阴性对照的荧光强度分布基本重叠，MFI基本相同。结论提示V2区突变可以提升病毒对V3抗体中和作用的敏感性。