ⅠA~ⅡA期宫颈癌患者临床病理参数与预后的相关性及发生盆腔淋巴结转移的危险因素分析

目的 分析ⅠA~ⅡA期宫颈癌患者临床病理参数与预后的相关性及发生盆腔淋巴结转移的危险因素。方法 回顾性选择2017年1月至2018年7月在雅安市中医医院接受治疗的92例ⅠA~ⅡA期宫颈癌患者。统计患者5年总体生存率,比较不同临床病理参数的患者的5年总体生存率,使用多因素Logistic回归分析临床病理参数与预后的关系;记录盆腔淋巴结转移的发生情况,使用单因素和多因素Logistic回归分析盆腔淋巴结转移的危险因素。结果 不同国际妇产科学联合会(FIGO)分期、肿瘤组织学类型、间质浸润深度及有无宫旁浸润、盆腔淋巴结转移、嗜神经侵袭的患者的5年总体生存率比较,差异均有统计学意义(P<0.05)。经多因素Logistic回归分析,ⅠA~ⅡA期宫颈癌患者预后受FIGO分期、肿瘤组织学类型、间质浸润深度、盆腔淋巴结转移的影响(P<0.05)。经单因素分析,不同FIGO分期、肿瘤最大直径、肿瘤分级、间质浸润深度及是否淋巴脉管间隙浸润的ⅠA~ⅡA期宫颈癌患者的盆腔淋巴结转移率比较,差异均有统计学意义(P<0.05);经多因素Logistic回归分析,肿瘤分级、淋巴脉管间隙浸润和间质浸润深度均是ⅠA~ⅡA期宫颈癌患者发生盆腔淋巴结转移的独立危险因素(P<0.05)。结论 ⅠA~ⅡA期宫颈癌患者的临床病理参数与其预后密切相关,其中盆腔淋巴结转移风险受肿瘤分级、淋巴脉管间隙浸润和间质浸润深度影响,值得临床予以重视。

ⅠA~ⅠB期子宫内膜癌术后患者5年生存状况分析及其影响因素研究

目的 探讨ⅠA~ⅠB期子宫内膜癌术后患者5年生存状况分析及其影响因素。方法 回顾性分析2015年1月至2017年6月于本院进行子宫内膜癌术且完成随访的ⅠA~ⅠB期子宫内膜癌患者86例的临床资料,选择Kaplan-Meier法计算ⅠA~ⅠB期子宫内膜癌术后患者5年总生存率与无进展生存率。同时,依据5年无进展生存状况分为无进展存活组与病情进展与死亡组,采用χ^(2)检验对临床资料实施单因素分析,并将有统计学意义的单因素分析结果进行Cox模型多因素分析。结果 随访5年后,死亡8例,单纯远处转移2例、单纯局部复发3例、局部复发与远处转移同时出现4例,5年总生存率90.70%,5年无进展生存率80.23%;单因素分析显示,年龄>60岁、BMI≥28 kg/m^(2)、组织学G2与G3分级、低分化、肿瘤直径>2 cm、为ⅠA~ⅠB期子宫内膜癌术后5年无进展生存率的影响因素,差异有统计学意义(P<0.05);Cox模型多因素分析显示,年龄>60岁、低分化为ⅠA~ⅠB期子宫内膜癌术后5年无进展生存的危险因素。结论 本研究中,5年总生存率及无进展生存率分别为90.70%、80.23%,且Cox模型多因素分析显示,年龄、低分化为ⅠA~ⅠB期子宫内膜癌术后患者疾病进展或死亡的危险因素。

基于全局导向的智能车辆路径规划融合算法研究

针对曲线道路的路径规划问题,本文提出一种基于全局导向人工势场法的路径规划融合算法。考虑持续转弯的弯曲道路工况,构建基于变形栅格的栅格地图;考虑道路环境中的行车风险,基于行车风险场理论优化A^(*)算法启发函数从而改进A^(*)算法。改进传统人工势场法的局限性及固有缺陷,在局部路径规划中考虑自车、环境车辆及障碍物的轮廓形状,引入全局导向路径进一步改进人工势场法。以改进A^(*)算法规划路径为全局最优导向路径,设计基于改进人工势场法的路径规划融合算法。仿真结果表明,提出的融合算法可以生成有效的行驶路径,与数据集提取的实车路径接近,且在障碍物环境中规划的路径安全高效,满足车辆的行驶要求。

基于改进A*算法的高速公路选线决策辅助模型

为提高山区高速公路选线的智能化水平,基于改进A*算法对高速公路选线决策辅助模型进行了分析。提出了高速公路选线的平面约束指标和纵断面约束指标;根据山区高速公路选线实际情况,从估价函数、搜索范围、搜索方向、数据结构、优化方法等方面对传统A*算法进行了改进,建立高速公路选线决策辅助模型;并通过实际案例验证了该模型的有效性。研究结果表明:与传统A*算法相比,改进A*算法在搜索时间、搜索次数、搜索节点数方面分别降低了约75%、48%、44%;路线优化后的总转折角度和长度分别降低了约83%和17%;高速公路选线决策辅助模型能有效地处理自然环境复杂条件下的选线问题,具有较高的实用价值。

基于城市复合网络的出行交通分配组合模型研究

文章提出了一种交通分配组合模型,解决传统四阶段方法缺乏联系导致误差逐渐放大的问题。文章基于构建的城市复合网络,将交通方式划分和交通分配整合在一起,综合考虑交通方式选择和交通分配的影响。通过基于A*算法的备选路径集查找方法,求解给定OD上的k短路径情况。采用广义费用公式对多方式出行效用进行计算,将费用、时间和换乘行为进行统一量化。最后,建立交通方式划分与交通分配组合模型,采用多层次迭代平衡求解,优化交通方式分担率。算例分析验证了组合模型在流量分配方面的优势,具有更好的路段流量均衡性和较低的阻抗时间。该模型可为城市交通规划和出行预测提供参考。

基于六向搜索A^(*)算法的移动机器人路径规划

针对移动机器人利用传统A^(*)算法在复杂环境中进行路径规划时,存在着扩展节点数多导致的搜索效率低,以及路径平滑性不足等问题,提出了一种基于六向搜索的A^(*)算法。首先,在传统A^(*)算法启发函数的基础上利用曼哈顿距离进行加权,减少了算法的搜索时间和扩展节点数;其次,对传统A^(*)算法搜索策略进行改进,提出一种六向搜索策略,进一步减少算法扩展节点数,并同时提升路径平滑性;最后,利用路径平滑策略来对规划出来的路径进行平滑处理。实验结果表明,基于六向搜索的A^(*)算法在不同地图规模的仿真环境中都能获得较高的搜索效率,且扩展节点数更少、转折角度更小、更有利于移动机器人的路径规划。

基于SLAM技术的矿区巷道巡检机器人路径规划优化

针对矿区巷道环境复杂、道路狭窄等特点,提出了一种基于SLAM(SimultaneousLocalizationandMapping)技术的矿区巷道巡检机器人路径规划优化方法,实现机器人的自主定位和地图构建。采用激光雷达、RGB-D相机等多种传感器相融合,获取矿区三维点云数据,并使用SLAM算法实时构建矿区三维地图。同时,通过配准当前获取的点云数据与已构建的地图,实现机器人在矿区内的自主定位。针对矿山中存在的狭窄、弯曲、分支等复杂环境,提出了一种增量式A~*优化算法用于路径规划。该算法在传统A~*算法的基础上,引入了路径平滑、走廊宽度约束等优化策略,能生成满足矿区复杂环境约束的平滑可行路径。算法采用增量式方式更新,只需对改变的局部区域重新进行路径搜索,大大减少了整体路径规划的计算耗时。通过试验验证该算法性能,结果表明:与传统路线规划方法相比,该算法能够快速、精准地完成巡检任务,为矿区巷道巡检机器人推广应用提供了参考。

基于A^(*)算法的四面体机器人路径规划研究

针对四面体机器人在三角网格地图中的可避障路径规划问题,提出了一种基于A^(*)算法的四面体机器人路径规划方法。基于机器人的运动原理,分析了机器人的运动轨迹为三角形网格;基于三角网格地图,提出了机器人位姿表示方法;在此基础上,提出了基于A^(*)算法的机器人路径规划方法。利用Matlab软件对四面体机器人的路径规划进行仿真试验,验证了方法的可行性与准确性,为四面体机器人深空陆巡探测奠定了重要基础。

基于TI-A~*的多机器人动态规划协调方法研究

多机器人在动态环境下路径规划问题是集群机器人群体感知与协调的重要基础问题之一。通过引入时间代价函数,提出结合时间代价的A~*算法(Time Integrated A~*Algorithm,TI-A~*),将规划问题分解成路径规划和冲突协调两个模块。利用变速运动来协调避免死锁和碰撞。通过调整协调阶段介入的时间,可得出改变运动速率和改变规划路径等两种不同TI-A~*协调方法。比较两种算法,归纳各自适用环境。仿真结果验证了移动机器人能够在复杂环境下进行动态路径规划,表明两种算法均基本解决了现有A~*算法存在的问题。

货架下方可通行无人仓中多自动导引车系统的路径规划

多自动导引车(automated guided vehicle,AGV)系统进行搬运作业时容易发生冲突、碰撞和死锁。为此,引入多值栅格和交通规则改进A*算法解决货架下方可通行场景下多AGV系统的轨迹规划问题。为提升系统搬运效率,通过增加货架召回机制、转弯代价和热度代价对规划路径进行优化,并采用二叉堆数据结构提高路径规划速度。利用Python搭建了可视化的四方向栅格无人仓模型,对改进A*算法和轨迹优化策略进行仿真验证。仿真结果表明,改进A*算法具有求解速度快、防死锁能力强的优点,可以快速完成该场景下的多AGV系统的路径规划。

改进蚁群算法的无人机航迹规划

航迹规划技术是保证无人机成功完成任务的关键,针对传统蚁群算法存在的容易陷入局部最优、收敛性差等问题,提出一种用于无人机航迹规划的改进蚁群算法。首先,对初始信息素浓度进行不均衡分配,利用A~*算法规划出一条较优路径,使该条路径上的信息素浓度高于其他路径,避免初期搜索的盲目性;其次,引入一种启发式因子来优化状态转移规则,提高了算法的收敛速度;最后,利用高斯函数的特性平滑信息素挥发因子的变化,信息素挥发系数可以通过当前状态和目标之间的距离进行动态调整,避免算法陷入局部最优。仿真结果表明,在相同的环境下,所提算法相较于传统蚁群算法,生成的航迹长度更短,且收敛速度更快。

好氧颗粒污泥处理锅炉脱硫废水的性能及机制探究

为了探究好氧颗粒污泥(AGS)对锅炉脱硫废水处理效能及作用机制,以AGS和锅炉脱硫废水为探究对象,构建了AGS和传统A~2/O工艺,在中温条件下比较了AGS和传统A~2/O工艺对锅炉脱硫废水处理效能的影响,并解析相关作用机制。结果表明,相较于传统A~2/O工艺,AGS处理锅炉脱硫废水具有更优的污染物和营养盐去除,在AGS工艺内,化学需氧量(COD)、NH_(4)^(+)-N和总氮(TN)的去除率分别高达94.6%~97.8%、94.3%和74.3%。AGS工艺内胞外聚合物(EPS)含量高于传统A~2/O工艺。在内聚物聚羟基脂肪酸酯(PHA)富集方面,AGS展示出更大富集量,可高达5.87 mmol/g,但糖原质的代谢水平下降。AGS内微生物群落主要是Proteobacteria、Bacteroidetes、Firmicutes,其中Bacteroidetes和Nitrospirae的相对丰度显著高于传统A~2/O工艺。研究结果为锅炉脱硫废水的高效处理提供一定的技术支撑。

青椒酱熬制过程中品质变化及护色模型构建

为研究青辣椒酱熬制过程中的品质变化并构建相关护色模型,以叶绿素保存率、a^(*)值、15 d内色差值(△E)、感官评分为考量指标,所得综合评分为评价指标,选用磷酸氢二钠(A)、葡萄糖酸锌(B)、D-异抗坏血酸钠(C)3种护色剂做护色试验。单因素实验结果表明:3种护色剂的最适添加量分别为:A(0.3%)、B(0.075%)、C(0.07%)。采用响应曲面方法,以综合评分为响应值,研究3种护色剂配方对青辣椒酱色泽的影响。结果表明:3种护色剂对青辣椒酱色泽的影响不同,排序为A>C>B。构建的青椒酱色泽影响因素二次多项式回归方程模型为:Y综合评分=+0.85+0.080A+0.030B-0.048C+0.063AB+0.072AC-0.012BC-0.12A2-0.020B2-0.15C2,其决定系数R2为0.9825,说明试验数据和该模型试验相关性较好,可用来确定青辣椒酱最佳护色配方,即:磷酸氢二钠添加量0.30%、葡萄糖酸锌添加量0.09%、D-异抗坏血酸钠添加量0.07%。用此配方制作的青辣椒酱色泽翠绿且有光泽,a^(*)值为-4.33,感官评分94.35,综合评分0.91。青辣椒酱叶绿素保存率为72.62%,相较于未护色处理的保存率(仅55.78%),提升了30.19%,护色效果明显优于传统工艺。本研究构建的护色模型,能确反映所选护色剂对青椒酱色泽品质的影响,确定最佳护色工艺,并解决了青辣椒酱叶绿素褐变问题。

Dijkstra算法与A~*算法研究

对于单源点最短路径问题可用Dijkstra算法进行实现,对两点间(单源点、单目的点)最短路径问题则用A~*算法实现。重点对A~*算法的实现作了细致的讨论,并用A~*算法解决了八数码问题。

基于A^(*)算法的大型停车场停取车动态诱导方法

针对大型停车场停取车问题展开研究。首先,明确停取车场景,对不同场景下的停取车过程建立相应模型;其次,考虑到大型停车场内部存在既进又出等多种复杂情况,提出一种适用于大型停车场的新型路阻函数;然后,通过A^(*)算法求解最优停取车路径,并对提出的模型进行数值模拟和实例验证。结果表明:提出的停取车动态诱导方法能够适应于不同的停取车场景,且模型结构简单、计算效率高,可以有效降低停取车成本,能够为当前大型停车场的智慧管理提供技术支撑。

车间环境下多AGV路径智能优化研究

随着我国工业技术的高速发展,多自动运输车(Automated Guided Vehicle,AGV)在自主性和节约成本方面,受到越来越多的重视。基于多AGV在复杂多变的车间环境中的路径规划问题,提出了改进的A~*算法和DWA算法(Dynamic Window Approach)融合的智能优化算法。首先,利用A~*算法规划出从起点到终点的全局路径,然后针对A~*算法多冗余的缺点,提出了一种提取关键点的方法,剔除掉全局路径中的冗余节点和多余拐点,保证了对全局路径的改进。其次,通过对全局路径的分段,设置一系列的局部目标点,利用DWA动态窗口法对新增和移动的障碍物进行动态避障的同时不断到达局部目标点,得到了多AGV从起点到目标点的最优路径,最终实现了对多AGV关于路径长度和安全性方面的改进。

高速铁路网列车运行径路精细化搜索算法研究

高速铁路网列车运行径路搜索是列车运行组织、计划编制、应急指挥工作中的重要基础,提升径路搜索的精细化程度有着重要意义。目前有关径路搜索的研究主要以车站或车场作为节点,在枢纽等连通关系复杂的地区径路搜索更容易产生误差,径路搜索精细化程度有待提升。针对大规模复杂高速铁路网,根据线路区间信息、车站站场结构以及站内列车进路信息,构建基于车站进出口的复杂拓扑网络及多维度路径信息表示方法,设计基于启发式A~*算法的考虑精细化站场结构的多径路搜索算法。实例验证表明,该方法可以实现复杂路网条件下高速铁路列车网运行径路的精细化求解,且相比中观路网的径路搜索精细程度更高,可以为高速铁路列车运输组织工作提供技术支持。

高浓度废乳化液处理技术工程应用

大量来自机械制造和金属加工行业的机器零件切削、研磨工艺过程产生的废乳化液对生态环境和人体健康具有较大危害,其特性十分复杂,含油浓度高达几万mg/L,COD可达几万到几十万mg/L,具有可生化性差、化学性质稳定、难降解、处理难度大等特点。通过采用破乳、隔油、气浮、芬顿氧化、MVR蒸发、混凝沉淀、生化(A~2O)、MBR、RO组合工艺可以安全、稳定、高效地去除乳化液中的各类污染物,去除率达到99.9%,出水水质优于《城市污水再生利用工业用水水质标准》(GB/T19923-2005)工艺与产品用水标准,可作为工厂废线路板破碎分选车间循环用水,既节约了成本,又提高了效益。

A~*算法的改进及其PROLOG实现

在人工智能领域中,A~*算法是实现有向图最佳优先搜索的一种启发式算法。本文介绍了A~*算法和对A~*算法的改进——B算法,并叙述了用Turbo Prolog实现B算法的方法。

基于移动机器人的校园快递配送系统设计

基于移动机器人的校园快递配送系统对降低快递点拥挤程度和减少快递寄取时间具有重要作用。系统从TI-RSLK机器人出发,设计完成了校园快递智能配送基本任务。为解决机器人自主导航问题,使用红外避障及A~*算法,使移动机器人能够在校园内自主规划路径并避开障碍物,从而实现快速、安全地配送快递。同时采用物联网技术,实现对移动机器人的实时监控和远程操作,保障了快递配送过程的准确性和稳定性。以安徽大学磬苑校区为例,构建校园网络道路模型图,结合算法完成快递配送。在实际应用中,该系统可有效减少校园内快递配送的人力成本,提高配送效率,为校园内师生提供更加便捷、快捷的快递服务。