Co-genotoxic Effects of Diesel Particulate Extract and Ultraviolet A Radiation in Mammalian Cells

Diesel exhaust (Diesel exhaust particles, DEPs, and their extracts, DPE) and ultraviolet A are two ubiquitous environmental factors that have been identified as essential risk factors

柴油机排气微粒样品分离方法的研究

将柴油机排气微粒分为有机组份和干组份的３种方法，即热解质量分析法（ＴＧ）、索氏萃取法（ＳＥ）和真空挥发法（ＶＶ）作了对比研究。结果表明，ＴＧ需要复杂昂贵的设备，而且效率较低。ＳＥ只适用于稳定性较好的采样滤纸，如涂敷聚四氟乙烯的滤纸，而且一次只能处理少量样品。ＶＶ对采样滤纸要求不高，一次处理样品量多达十几，甚至几十个。用ＳＥ和ＶＶ得出的结果基本一致。ＶＶ可作为一种实用方法加以推荐。

Alpha粒子和柴油机尾气颗粒提取物共同处理哺乳动物细胞的协同毒性作用

为研究两种有害环境因子同时作用对人类健康的影响,以alpha粒子和柴油机尾气颗粒提取物(d iese lparticu late extract,DPE)共同处理皮肤成纤维细胞(AG1522)为实验模型,对细胞毒性、遗传毒性进行研究。实验发现和未处理的对照组相比,1 cGy alpha粒子和20μg/mL DPE处理24 h,共同作用于细胞能够导致细胞活力下降40%左右,微核形成率上升2倍多;而1 cGy alpha粒子单独辐照时细胞活力下降14.19%,微核形成率上升了36.84%,20μg/mL DPE单独处理24 h时细胞活力下降17.29%,微核形成率上升了73.68%。实验结果表明:这两种环境因子共同作用于哺乳动物细胞时,对于细胞的毒性不是简单的叠加,而是表现出一种协同效应。

基于深度学习的DPF故障诊断及应用

针对传统柴油颗粒过滤器(diesel particulate filters,DPF)故障诊断中人工提取特征过程繁杂且特征参数难以表征DPF故障状态的问题,提出基于深度学习的DPF故障诊断方法。通过车载传感器采集发动机转速、DPF压差等5种信号数据,经数据融合后建立压差类、温差类和压差+温差类三类样本数据;利用深度学习特征自提取的优势,提取车辆在不同行驶工况下样本数据中压差或温差表征的DPF故障特征;结合深度学习网络中Softmax多分类器实现端到端的DPF故障诊断。利用GT-Power仿真数据,验证了所提方法的可行性,开发了相应的应用软件。