基于直角坐标法的V-2RPa⊥R⊕2RSS并联机构正逆解分析

构建一个基于有序单开链(SOC)的三平移一转动V-2RPa⊥R⊕2RSS并联机构的数学模型,通过使用直角坐标法对其位置进行了计算,并且提供了位置正解与反解的证明过程,同时也验证了这些结果的准确情况。与I4, Cross-IV相比,该V-2RPa⊥R⊕2RSS机器人具有结构简单等优点,可为后续的运动尺度综合,样机设计及动力学特性研究奠定基础。

优越扩张下的⊥RW-Gorenstein投射性

对于环的优越扩张R S,一个R-模M是一个广义倾斜模,则SS■RW也是一个广义倾斜模.此外,相对于一个广义的倾斜模RW,文中定义了⊥RW-Gorenstein投射模,并证明了在环的优越扩张下,这类模的⊥RW-Gorenstein投射模性是保持的,即对于环的优越扩张R S和S-模SM,R M是一个⊥RW-Gorenstein投射模当且仅当SM是一个⊥SS RW-Gorenstein投射模.

基于改进Faster R-CNN的苹果采摘视觉定位与检测方法

针对采摘机器人对场景中目标分布密集、果实相互遮挡的检测及定位能力不理想问题,提出一种引入高效通道注意力机制(ECA)和多尺度融合特征金字塔(FPN)改进Faster R-CNN果实检测及定位方法。首先,利用表达能力较强的融合FPN的残差网络ResNet50替换原VGG16网络,消除了网络退化问题,进而提取更加抽象和丰富的语义信息,提升模型对多尺度和小目标的检测能力;其次,引入注意力机制ECA模块,使特征提取网络聚焦特征图像的局部高效信息,减少无效目标的干扰,提升模型检测精度;最后,采用一种枝叶插图数据增强方法改进苹果数据集,解决图像数据不足问题。基于构建的数据集,使用遗传算法优化K-means++聚类生成自适应锚框,提高模型定位准确性。试验结果表明,改进模型对可抓取和不可直接抓取苹果的精度均值分别为96.16%和86.95%,平均精度均值为92.79%,较传统Faster R-CNN提升15.68个百分点;对可抓取和不可直接抓取的苹果定位精度分别为97.14%和88.93%,较传统Faster R-CNN分别提高12.53个百分点和40.49个百分点;内存占用量减少38.20%,每帧平均计算时间缩短40.7%,改进后的模型参数量小且实时性好,能够更好地应用于果实采摘机器人视觉系统。

越鞠丸干预CUMS小鼠对抑郁样行为、功能性消化不良及PACAP/PAC1-R表达的影响

目的探讨越鞠丸对抑郁共病功能性消化不良小鼠抑郁样行为和胃肠功能的影响。方法将C57BL/6J小鼠随机分为对照组、模型组、越鞠丸低剂量组、越鞠丸高剂量组和阳性药组,采用慢性不可预知温和应激(CUMS)构建共病模型,通过行为学检测、尼氏染色评估小鼠抑郁样行为和神经元损伤;胃肠组织病理、胃排空率、小肠推进率评估胃肠功能;ELISA法检测PACAP、VIP、IL-6、TNF-α、BDNF表达;Western blot检测PAC1-R、Vipr1、Vipr2蛋白表达。结果模型组小鼠表现出抑郁样行为,海马尼氏体数量减少,胃肠运动减慢,血清炎症因子IL-6、TNF-α水平升高(P<0.05,P<0.01),PACAP、VIP、BDNF表达降低(P<0.05,P<0.01),海马、胃窦、十二指肠组织PAC1-R、Vipr1、Vipr2表达降低(P<0.05,P<0.01)。与模型组比较,越鞠丸低、高剂量组可改善除Vipr1、Vipr2之外的其他上述指标(P<0.05,P<0.01)。结论越鞠丸可通过PACAP/PAC1-R降低炎症因子,升高BDNF水平,改善CUMS小鼠抑郁样行为和功能性消化不良。

柴贝止痫汤对癫痫—抑郁共病模型大鼠大脑皮层及海马中5-HTT、5-HT_(1A)R、5-HT_(2A)R和DA_(2)R表达的影响

目的 观察柴贝止痫汤对氯化锂—匹罗卡品慢性颞叶癫痫—抑郁共病模型大鼠大脑皮层及海马中5-羟色胺转运体(5-hydroxytryptamine transporter, 5-HTT)、5-羟色胺受体(5-hydroxytryptamine repreceptor, 5-HTR)(5-HT_(1A)R、5-HT_(2A)R)和多巴胺(dopamine, DA)受体(DA_(2)R)表达的影响,探讨柴贝止痫汤对癫痫—抑郁共病的干预机制。方法 建立氯化锂—匹罗卡品慢性颞叶癫痫—抑郁共病大鼠模型。造模成功后,将大鼠随机分为6组:正常组、模型组、西药组(西酞普兰给药)和柴贝止痫汤低、中、高剂量组,连续灌胃给药14天,每天2次。干预后,通过糖水偏好及强迫游泳实验进行抑郁行为学监测;酶联免疫吸附法检测大鼠大脑皮层及海马中5-HT、DA含量;实时定量PCR法检测大鼠大脑皮层及海马中5-HTT、5-HT_(1A)R、5-HT_(2A)R和DA_(2)R基因的mRNA表达水平;蛋白免疫印迹法检测大鼠大脑皮层及海马中5-HTT、5-HT_(1A)R、5-HT_(2A)R和DA_(2)R的蛋白表达水平。结果 药物干预后,与模型组相比,柴贝止痫汤中、高剂量组大鼠糖水消耗量显著增加(P<0.01),不动时间显著减少(P<0.01);与模型组比较,柴贝止痫汤中(P<0.05)、高剂量组(P<0.01)大鼠大脑皮层及海马中5-HT含量、皮层中DA含量升高,高剂量组(P<0.05)大鼠大脑海马中DA含量升高;与模型组相比,柴贝止痫汤高剂量组大鼠大脑皮层5-HTT mRNA表达降低(P<0.01),而海马中5-HTT mRNA表达升高(P<0.05);同时,柴贝止痫汤高剂量组大鼠大脑皮层和海马中5-HT_(1A)R mRNA表达明显升高(P<0.05),蛋白表达水平与mRNA水平表达一致。5-HT_(2A)R和DA_(2)R的mRNA和蛋白表达水平在处理前后均无变化。结论 柴贝止痫汤能够通过下调慢性颞叶癫痫—抑郁共病模型大鼠大脑皮层5-HTT,上调海马5-HTT,以及上调大脑皮层和海马中5-HT_(1A)R的表达水平,改善抑郁行为。

基于多源数据的铁路5G-R运用质量评估系统设计

铁路5G-R网络性能监控和故障排查技术研究是提升5G-R运用水平的重要手段,针对各类网络性能数据获取困难、铁路管理和技术人员对于5G-R网络运用质量关注的颗粒度不同、智能化手段支撑不足、缺乏系统级网络性能评估体系设计等问题,探究如何充分利用多源数据建立5G-R网络性能智能化评估系统以支撑智能铁路发展成为迫切需要。深入分析DPI、Uu接口、网管北向接口、路测等用于评估的数据源的特点和构成,并介绍各类数据的获取方法。提出基于劣化度理论的5G-R总体健康状态判断思路,并利用机器学习技术对网络异常和故障进行分析。在以上关键技术研究的基础上,提出基于微服务的5G-R运用质量评估系统架构。针对5G-R运用质量评估开展的关键技术研究和系统架构设计可为未来5G-R运维支撑系统研发提供技术支持。

应用卷积神经网络VGG16的星载GNSS-R海冰检测

针对全球卫星导航系统反射计(global navigation satellite system-reflection,GNSS-R)海冰检测中延迟-多普勒图(delay-Doppler map,DDM)数据噪声大、消融期精度低等问题,提出将VGG16卷积神经网络模型应用于海冰检测。通过深层的网络结构提取DDM多层次特征进行海冰海水分类,以提高海冰检测的精度和稳定性。实验结果表明,与美国国家海洋和大气管理局地表类型数据对比,所提出的基于VGG16海冰检测方法检测准确率为98.02%,有效提升了海冰检测的准确率和稳定性。

基于Mask R-CNN的地质雷达岩溶预报图像识别研究

岩溶隧道开挖可能遭遇岩溶涌水、突泥等岩溶地质灾害,地质雷达能够有效预报岩溶等地质灾害。然而,传统地质雷达图像解译存在专家经验依赖性强、解译效率慢且易误判漏判等情况。本文采用可实现端到端识别的深度学习技术开展地质雷达图像目标检测与识别的研究,将基于Mask R-CNN的卷积神经网络算法应用于地质雷达岩溶预报图像异常的智能识别。在TensorFlow和Keras框架下,利用地质雷达设备采集获得的数据构建训练数据集和测试数据集,对Mask R-CNN深度学习模型进行训练,最终得到权重参数较好的地质雷达岩溶预报图像的双曲异常检测模型。试验结果及应用案例表明,Mask R-CNN目标检测方法在地质雷达岩溶预报图像的目标检测与识别上取得了良好的效果,有效提高了地质雷达图像的智能化识别效率。

基于改进Faster R-CNN的热轧带钢表面缺陷检测

热轧带钢是钢铁行业的重要产品,其表面缺陷是影响产品质量的重要因素。针对传统缺陷检测算法存在的过程繁琐、精度不足和效率低下等问题,提出一种基于改进更快速区域卷积神经网络(faster region-based convolutional neural network,Faster R-CNN)的检测算法,实现对热轧带钢表面缺陷的高效、高精度检测。首先,采用特征相加的方法对底层细节特征和高层语义特征进行融合;然后,采用精准的感兴趣区域池化(precise region of interest pooling,Precise ROI Pooling)获取固定大小的特征向量,避免特征出现位置偏差;最后,利用均值偏移聚类算法对带钢数据集进行聚类,获得适用于热轧带钢表面缺陷检测的先验框尺寸。实验结果表明,所提算法在热轧带钢表面缺陷检测数据集上的平均精度均值达到了85.34%,检测速度为23.5帧/s,且鲁棒性良好,满足实际的工业检测需求。

BCMA CAR-T治疗复发/难治性多发性骨髓瘤患者的长期疗效和影响因素分析

目的:评价靶向B细胞成熟抗原(B cell maturation antigen,BCMA)嵌合抗原受体T细胞(chimeric antigen receptor-T cell,CAR-T)治疗复发/难治性多发性骨髓瘤(relapsed/refractory multiple myeloma,R/R MM)的长期疗效和安全性。方法:回顾性分析2018年7月至2023年7月在南昌大学第一附属医院接受BCMA CAR-T细胞治疗20例R/R MM患者的临床资料,随访日期截至2023年12月31日。应用Kaplan-Meier生存分析评估患者总生存(overall survival,OS)率和无进展生存(progression-free survival,PFS)率,并统计相关不良反应。结果:20例R/R MM患者,既往中位治疗线数为3(2~6)线,客观缓解率(objective response rate,ORR)为75%,完全缓解(complete response,CR)率为50%;中位随访时间29个月,中位PFS为26个月。10例CR的患者中,5例在末次随访时仍处于缓解状态,缓解持续时间最短为6个月,最长48个月。亚组分析中,髓外浸润、17p缺失遗传学异常和肿瘤高负荷患者PFS显著更差(P<0.05)。细胞因子释放综合征(cytokine release syndrome,CRS)是CAR-T细胞治疗最常见的不良反应,发生率为90%,3~4级CRS的发生率为35%;远期不良反应少,未发生CAR-T细胞治疗相关死亡。结论:BCMA CAR-T细胞是当前R/R MM治疗的有效方案,不良反应可控。髓外浸润和肿瘤高负荷的患者治疗有效,但持久反应欠佳,如何进一步巩固和维持患者的疗效,值得进一步设计前瞻性的临床研究并探究其差异性。

基于空间注意力机制的Mask R-CNN致密储层岩石薄片图像鉴定

针对陆相致密储层岩石薄片鉴定识别难、制片成本高、时间消耗长和人为主观强等难题,选取鄂尔多斯盆地临兴区块上古生界和松辽盆地三肇凹陷扶余油层为靶区,提出一种基于深度学习的致密油储层岩石薄片人工智能鉴定方法,引入图像预处理技术去除岩石薄片图像噪声并统一图像像素大小,构建空间几何增广机制,基于空间注意力机制改进Mask R-CNN算法,并将上述方法应用于实例靶区进行有效性验证。结果表明:图像预处理技术能够在保障图像特征的前提下,有效提高图像质量,减少噪声干扰;空间几何图像增广机制能够在在一定程度上增加可用样本的数量;基于空间注意力机制的Mask R-CNN算法可以同时完成复杂岩石薄片成分的分割与智能识别工作,分割精度在不同数据集情况下的平均精度为89.2%,整体识别准确率为93%,适用于致密油储层岩石薄片特征鉴定。

基于S-R和分解定理的二维几何非线性问题的虚单元法求解

应变-旋转(Strain-Rotation,S-R)和分解定理为分析几何非线性问题提供了合理可靠的理论基础,但用有限元求解时会遇到大变形发生后的网格畸变问题。近年提出的虚单元法(Virtual element method,VEM)适用于一般的多边形网格,因此,该文尝试使用一阶虚单元求解基于S-R和分解定理的二维几何非线性问题,以克服网格畸变的影响。基于重新定义的多项式位移空间基函数,推演获得一阶虚单元分析线弹性力学问题时允许位移空间向多项式位移空间的投影表达式;按照虚单元法双线性格式的计算规则,分析处理基于更新拖带坐标法和势能率原理的增量变分方程;进而建立离散系统方程及其矩阵表达形式,并编制MATLAB求解程序;采用常规多边形网格和畸变网格,应用该文算法分析均布荷载下的悬臂梁和均匀内压下的厚壁圆筒变形。结果与已有文献和ANSYS软件的对比表明:该文算法在两种网格中均可有效执行且具备足够数值精度。总体该文算法为基于S-R和分解定理的二维几何非线性问题求解提供了一种鲁棒方法。

T/R双模微波功率模块技术及其应用

微波功率模块(MPM)是真空电子器件和固态电子器件组合而成的一种新型微波功率器件,具有频率高、频带宽、功率大、体积重量小等特点,它使常规行波管的应用变得更加便利和广泛。现代战争向雷达、电子战综合一体化方向发展,这就要求功放既能工作在高峰值功率、低占空比的高模工作方式,也能工作在低峰值功率、准连续波的低模工作方式,针对这一需求,结合电子系统收发共孔径的要求,提出了T/R双模MPM技术。T/R双模MPM技术的核心是T/R双模行波管,基于三端口双向T/R行波管,通过在慢波系统的衰减器附近设置一个耦合口,实现行波管的信号反向接收功能;通过T/R双模行波管设计、双模放大均衡组件、双调制栅极电源等技术实现MPM的双模双向功能。T/R双模MPM应用前景广阔,特别是在基于无人机平台的作战应用中的具有明显优势。

Ⅰ导联R/(R+S)对胸前V3导联移行流出道室性心律失常起源部位的鉴别价值

目的:探索鉴别胸前V3导联移行流出道室性心律失常(OT-VA)起源部位的体表心电图指标。方法:连续选择2017年1月至2022年8月行导管射频消融术的胸前V3导联移行OT-VA患者65例。比较左室流出道起源组(LVOT组)和右室流出道起源组(RVOT组)室性心律失常发作时体表心电图QRS波振幅及相关指标的差异,选择差异有统计学意义的指标,绘制ROC曲线评价所选取指标鉴别OT-VA起源部位的效能。结果:LVOT组11例,RVOT组54例,两组间差异有统计学意义且ROC曲线下面积(AUC)最大的指标为Ⅰ导联R波/(R+S)波振幅比[R/(R+S)],其鉴别OT-VA起源部位的AUC(95%CI)为0.949(0.894~1.000),截断值为0.50。Ⅰ导联R/(R+S)<0.50诊断胸前V3导联移行LVOT起源OT-VA的敏感度、特异度和准确度分别为0.909、0.944和0.938。结论:Ⅰ导联R/(R+S)<0.50可准确鉴别LVOT起源的胸前V3导联移行OT-VA。

基于FPGA加速的Mask R-CNN稻瘟病高通量自适应识别模型研究

针对基于图像的稻瘟病现场检测技术依赖先验知识且受制于算力与田间网络状况,无法实现自适应实时检测的问题,提出一种可利用现场可编程门阵列(Field programmable gate array,FPGA)加速的Mask R-CNN(Mask region-based convolutional neural network)稻瘟病高通量自适应快速识别模型。首先将骨干网络改进为MobileNetV2,利用其倒残差模块降低计算量,提高模型并行处理能力;随后增加用于稻瘟病多尺度特征融合的特征金字塔网络模块,使模型具备多尺度自适应处理能力;最后由全卷积网络(Fully convolutional network,FCN)分支输出稻瘟病病斑的实例分割,同时使用交叉熵损失函数完成稻瘟病的定位与分类。稻瘟病实测数据集对模型的验证结果表明:当输入为全高清图像时,模型平均推理时间减少至85 ms,相较GPU服务器、同级别GPU边缘计算平台,速度分别提高86.2%、63.0%。在交并比为0.6时,准确率可达98.0%,病斑捕获能力平均提升21.2%。提出的Mask R-CNN自适应快速识别模型能够在田间恶劣网络状况下实现稻瘟病的快速现场检测,具有更好的抗噪能力和鲁棒性能,为水稻病害实时检测、察打一体提供了高效实时的片上系统方案。

改进Mask R-CNN的馆藏报纸图像内容分割

开展馆藏报纸图像内容分割研究,能提升文字识别准确率,对促进机器识别取代人工操作、提高图书馆数字化工作效率具有重要意义。文章根据报纸图像呈现的特征,提出一种基于改进MaskR-CNN的算法,实现报纸图像内容分割。首先,通过优化锚框比例和损失函数,对原始MaskR-CNN算法进行改进。其次,采用数据增强、调整训练参数开展样本训练。最后,通过实验的方式对改进后的MaskR-CNN算法训练模型和原始算法训练模型进行比较,并采用AP_bbox和AP_segm评价指标对实验结果进行评估,改进后的算法训练模型AP_bbox为0.935,AP_segm为0.943,均超过原始算法训练模型。实验结果表明,改进后的MaskR-CNN算法能够实现报纸图像内容有效检测与分割。

一种4 GHz瞬时带宽的6~18 GHz超宽带T/R组件设计

针对现代电子对抗设备的大瞬时带宽要求,文中设计了一种瞬时带宽4 GHz的6~18 GHz超宽带T/R组件。采用砖块式多芯片组件(Multi-Chip Module,MCM)和超宽带信号传输等技术实现了T/R组件高集成、小型化和模块化的要求。对T/R组件组成构架、收发通道指标预算、宽带信号传输特性仿真和电磁兼容性设计进行了详细描述。测试结果显示,T/R组件在12 GHz工作带宽内具有良好的性能,发射功率大于35 dBm,接收增益大于20 dB,噪声系数小于5 dB,延时总量达762 ps。

基于R-L分数阶定义的CCM Flyback变换器建模与分析

针对电容电感都为分数阶这一事实,利用分数阶微积分R-L定义和状态空间平均法,对工作在电感电流连续模式(CCM)下的分数阶Flyback变换器进行建模与分析。推导CCM分数阶Flyback变换器的静态工作点和小信号传递函数以及变换器工作在CCM模式下的条件。其次,讨论Caputo模型与R-L导数模型的区别,得出在R-L分数阶定义下直流静态工作点不仅与占空比相关,而且还与电感和电容的阶数以及负载有关。最后,在PSIM中搭建R-L分数阶CCM Flyback变换器电路模型,得到不同分数阶电感电容阶数下分数阶Flyback变换器输出电压和电感电流的仿真波形,通过仿真结果与理论计算结果对比,验证所建模型的正确性,得出分数阶电感电容的阶数会影响闭环控制器的设计和分数阶模型能更加精确地描述Flyback变换器的工作特性。

基于改进Mask R-CNN的青菜杂质检测研究

绿叶蔬菜的智能包装加工是实现绿叶蔬菜智能化生产、降低生产成本的重要部分,对绿叶蔬菜在包装加工时的杂质检测是其重要前提。以青菜为研究对象,提出一种基于Mask R-CNN的青菜杂质检测模型。首先采集标注掺杂枯树叶、枯菜叶和碎纸片3种常见杂质的青菜图像1370多张,并通过数据增强的方法扩充建立含有2740张青菜杂质图像的数据集。为减少背景对杂质检测的影响,通过在Mask R-CNN模型中加入协调注意力机制,同时添加全连接层和Dropout层,增强模型特征提取能力,减少过拟合现象,并使用迁移学习方法对模型进行微调。结果表明改进后的Mask R-CNN算法对青菜杂质识别的平均精度均值为99.19%,检测速度为8.45 FPS,检测效果良好,可以满足青菜杂质的检测需求。

稀疏图的r-动态染色

通过分析极小反例的结构性质,运用权转移的方法,研究了对于mad(G)<14/5的稀疏图G的r-动态染色数,证明了对于满足mad(G)<14/5的图G,若r≥9,则χr(G)≤r+2.研究结果推广了稀疏图r-动态染色的已知结果.