基于扩展卡尔曼滤波的结构参数和荷载识别研究

经典的扩展卡尔曼滤波(Extend Kalman Filter,EKF)方法可有效识别结构参数,但却需要已知外部激励,然而,在工程实际中,有些外激励往往难以实时获取。为此,该文提出了一种基于EKF的未知激励下的结构参数和荷载识别方法。通过在观测方程中引入投影矩阵,实现了结构参数的识别,同时,利用最小二乘估计实时识别了未知的外激励。为了验证该方法的有效性和鲁棒性,文中采用了三个数值算例:四层的Benchmark模型、分段线性系统和非线性Duffing系统。数值分析的结果表明,该方法不仅能够准确识别线性和非线性结构的参数,还能有效识别作用于这些结构的外激励。

基于连续生理指标的急性呼吸窘迫综合征预警模型

目的提出了一种急危重症患者中重度急性呼吸窘迫综合征(acute respiratory distress syndrome,ARDS)预警模型.方法在重症监护医学信息数据库Ⅲ(international intensive care medical information database Ⅲ,MIMIC-Ⅲ)中筛选出符合条件的患者,提取患者的心率(HR)、呼吸频率(RR)、血氧饱和度(SpO2)和平均动脉压(MAP)四项连续生理指标的时间序列数据,然后将数据划分到时间窗口中,在时间窗口中提取出线性和非线性参数.进行特征选择,采用集成学习方法XGBoost预测患者在所选的时间窗口内是否会发作ARDS.结果分类准确率达到88.33%,敏感度和特异度达到了86.30%和90.37%,受试者工作特征(ROC)曲线下面积(AUC)值为0.94.结论XGBoost具有高准确率、敏感度和特异度;此ARDS预警模型比以往的模型预测准确度更高,预测时间更加提前.