基于GADF与2D CNN-改进SVM的道岔故障诊断方法研究

针对道岔故障特征不易提取以及道岔故障诊断准确率较低的问题,提出一种格拉姆角差场(Gramian Angular Difference Fields, GADF)与二维卷积神经网络(Two Dimensional Convolutional Neural Network, 2D CNN)-改进支持向量机(Support Vector Machine, SVM)的道岔故障诊断组合方法。首先,结合现场实际应用情况,选取道岔设备正常转换与典型故障的转辙机功率曲线,建立转辙机功率曲线样本数据库;采用GADF编码将一维转辙机功率曲线信号转换为具有时间相关性的二维特征图,分别选择16×16、32×32以及64×64大小的特征图并提取图像数据。其次,在LeNet-5模型的基础上设计2D CNN网络结构,并将图像数据输入至基于2D CNN的道岔故障特征提取模型中,经多层的卷积层、池化层以及全连接层提取特征指标,建立道岔故障诊断样本数据库。最后,通过北方苍鹰优化(Northern Goshawk Optimization, NGO)算法优化SVM算法的惩罚因子与核函数方差,构建基于NGO-SVM的道岔故障诊断模型。实验结果分析表明,将转辙机功率曲线数据经GADF编码为64×64大小的特征图,并通过2D CNN模型提取道岔典型特征数据,较其他数据处理方法具有较高的故障诊断准确率,同时提高了故障诊断实时性;将建立的道岔故障诊断样本数据库输入至NGO-SVM道岔故障诊断模型,其故障诊断准确率高达97.5%,较其他故障诊断模型具有更好的故障诊断性能,为道岔故障诊断提供了一种新方法,对现场道岔设备的日常维修具有一定的指导意义。

基于SincNet网络结合L2正则化的故障诊断

故障诊断对于保持设备和系统的正常运行至关重要,它可以帮助提高效率、减少成本、增强安全性、改善用户满意度,并为决策和优化提供支持。通过及时进行故障诊断和解决,可以提高生产效率、降低风险,并提供更好的产品和服务。针对基于物理信息模型和基于数据驱动模型等传统故障诊断方式的可解释性不强、故障诊断正确率较低的缺点,提出一种基于卷积神经网络(convolution neural network, CNN)、SincNet和L2正则化相结合的故障诊断方法。通过以轴承为例,进行实验验证,并于传统CNN进行对比,准确率达到99.5%,也更具有可解释性。相较于传统的CNN,该模型的可解释性更强、故障诊断准确率更高。

基于R2CNN的天气雷达边界层辐合线识别算法

边界层辐合线是触发对流的中尺度天气系统之一,边界层辐合线的精细化识别对于揭示其形成、演变及与其他系统相互作用机制至关重要。目前自动识别技术在适应边界层辐合线多样性(如尺度、强度和形状)方面存在局限。旋转区域卷积神经网络(R2CNN)可提高识别准确性、鲁棒性和泛化能力。综合考虑天气雷达型号和分辨率的多样性,针对性构建识别数据集用于模型训练,调整相应参数得到识别模型,并利用交并比和置信度评估检验识别效果。结果表明:基于R2CNN的边界层辐合线识别算法在使用较低交并比阈值时命中率更高且空报率更低,当置信度为0.7时,TS(threat score)评分最高。与现有的阵风锋识别算法(Machine Intelligence Gust Front Algorithm,MIGFA)效果相比,R2CNN在减少误报、提升命中率及平衡识别频率等关键性能方面优势显著,适用于业务应用与推广。

肝癌相关抗原calponin2的血清免疫反应及其意义

目的:检测肿瘤相关抗原calponin2对肝细胞癌(hepatocellular carcinoma,HCC)的特异性。方法:应用SEREX(serological identification of antigens by recombinant expression loning)技术检测calponin2抗原在肝癌、肺癌、胃癌、直肠癌、肝炎、肝硬化患者(各31例)及正常健康者(32人)血清的抗体阳性率。结果:相应抗体主要见于HCC患者血清,其血清阳性反应率为54.8%;肝炎、肝硬化患者血清阳性反应率均为3.2%;肺癌、直肠癌、胃癌患者的血清阳性反应率分别是3.2%、9.7%和6.5%;正常人血清阳性反应率为3.1%。Calponin2抗体在肝癌血清中的阳性率最高(P<0.01)。Calponin2阳性率与AFP阳性率及含量、癌组织病理分级、患者年龄及γ-谷氨酰转肽酶(γ-GT)水平无相关性。使用calponin2诊断肝癌的灵敏度、特异性和准确度分别为54.8%、95.2%和89.4%。结论:Calponin2在HCC中有一定的特异性,具有作为新的HCC血清学诊断潜在标志物的意义。

ADDLs通过阻断ERK1／2与h3 Calponin的结合影响细胞质ERK1／2活化

目的探讨ADDLs对细胞质p—ERK1／2的影响，揭示ADDLs影响突触可塑性导致认知功能障碍的分子机制。方法采用体外培养的大鼠海马神经元。免疫印迹方法观察ADDLs对p—ERK1／2的影响，细胞组分分离方法探索ADDLs影响ERK1／2在神经元各部位活化的规律；免疫共沉淀的方法检测ERK1／2与h3 Calponin的结合以及ADDLs对两者结合的影响。结果ADDLs以时间依赖的方式降低了神经元中p—ERK1／2水平；ADDLs对细胞质和细胞核部分ERK1／2的影响具有时序性，ADDLs作用1h显著降低细胞质中p—ERK1／2水平，作用6h细胞核中的p—ERK1／2才显著降低；免疫共沉淀结果显示ADDLs作用1h即可降低ERK1／2与h3Calponin的结合，而此时细胞核中P—CREB水平无显著变化。结论ADDLs作用早期首先通过阻断ERK1／2与h3Calponin的结合影响细胞质ERK1／2活化。

P63、Calponin和D2-40在涎腺肿瘤肌上皮细胞中的表达及意义

目的:分析P63、Calponin、D2-40在各型涎腺肿瘤肌上皮细胞中的表达情况,探讨D2-40标记涎腺肿瘤肌上皮细胞的价值。方法:收集附属弋矶山医院2004年1月至2010年1月的6年间,手术切除的各型涎腺肿瘤标本切片作为研究材料。采用免疫组化SP法检测各型涎腺肿瘤组织中P63、Calponin、D2-40的表达。结果:P63、Calponin、D2-40均表达于肌上皮细胞,在各型涎腺肿瘤中总的表达率分别为82.14%、76.79%、66.07%。D2-40在多形性腺瘤、腺样囊性癌、上皮-肌上皮癌均有表达,表达率分别为94.12%、61.90%、66.67%,在恶性多形性腺瘤中未见表达。D2-40在多形性腺瘤、涎腺恶性肿瘤的癌旁组织、癌组织中均出现阳性表达,并以此为序其阳性表达率呈递减趋势,且3者间表达率的差异具有统计学意义(P<0.05)。结论:D2-40是一种较好的涎腺肿瘤肌上皮细胞的标记物;D2-40的低水平表达可能是涎腺肿瘤恶化的活跃指标之一。

基于CBAM-InceptionV2-双流CNN的风电机组轴承故障诊断

针对风电机组轴承故障诊断中经典一维卷积神经网络和二维卷积神经网络准确率低的问题,将一维原始振动信号和二维时频图相融合,构建基于CBAM-InceptionV2-双流CNN的滚动轴承故障诊断方法。首先,通过快速傅里叶变换和小波变换,将原始振动信号转化为一维数据和二维时频图;其次,构建基于CBAMInceptionV2-双流CNN模型;最后,将提取到的双层特征信息进行融合,并输入到Softmax完成故障分类。实验结果表明,所提模型能够显著地提升轴承故障诊断的准确性。

基于S2S-CNN-GRU的机场离港航班延误预测

为解决空中交通管理中机场离港航班延误预测难题,采用序列到序列(S2S)框架将门控单元循环网络(GRU)和卷积神经网络(CNN)相结合,提出一种基于S2S-CNN-GRU的航班延误预测模型,主要采用序列到序列的框架结构,利用CNN来捕获机场航班延误状态的结构化特征,作为编码器的输入,利用GRU捕获延误状态的时间特征,并作为解码器输出预测结果,提高预测的准确性。采用美国实际数据检验该模型的有效性,并同其他模型进行对比。结果表明:基于S2S-CNN-GRU的航班延误预测模型预测的平均绝对误差(MAE)为3.03,均方根误差(RMSE)为5.82,明显优于其他模型的预测效果。

基于多标签分类的T2DM证候预测模型研究

目的探究T2DM的中医证侯特征、T2DM发生发展不同病程阶段的证侯分布特征、优化T2DM中医证候诊断模型,为T2DM证候诊断标准的研究提供依据与指导。方法基于国家科技重大专项中医证候生物学技术平台,以大量临床证候数据为研究对象,清洗出1255条有价值的数据。基于条件概率公式对缺失的数据进行数据补全,运用多标签分类学习算法,构建了卷积神经网络模型,对输入为T2DM人性别、年龄、病程、症状等多个属性,预测T2DM证候特征。结果应用传统机器学习算法在未进行数据补全之前,能够达到最高60.82%的准确率。利用全连接神经网络与卷积神经网络抽取数据的高维特征能够较好地提升准确率达64.65%。基于条件概率公式对缺失的数据进行补全,较大程度地提升了传统机器学习算法和神经网络算法的准确率,分别达到72.75%和75.47%。并通过多种传统机器学习算法计算出的不同输入属性对预测值的贡献比例进行统计,得出年龄属性对证候预测结果的贡献最大,达到22.65%,其次是病程。结论基于条件概率的数据补全和CNN的多标签分类学习模型用于T2DM证候诊断研究是可行的和有效的,模型具有较强的泛化力,稍作修改就可用于其它疾病的临床数据分析,为中医智能化提供新的思路。

匹鲁卡品致小鼠癫痫神经元模型的建立及其F-actin、Calponin 3和ROCK2的表达

目的:探讨匹鲁卡品所致小鼠癫痫神经元中细胞骨架丝状肌动蛋白(F-actin)、调宁蛋白3(Calponin 3)和Rho相关含卷曲螺旋蛋白激酶2(ROCK2)的表达,研究癫痫发作后RhoA/ROCK2通路与Calponin 3和F-actin解聚和重构之间的关系。方法:采用木瓜蛋白酶消化法分离ICR新生小鼠乳鼠皮层神经元,生长至第7天时用微管关联蛋白2(MAP2)抗体进行免疫组织化学染色鉴定神经元。将培养7d的神经元分为对照组和癫痫模型组,对照组用神经元培养基培养,癫痫模型组在神经元培养基中分别加入终浓度为2、3和4mmol·L^(-1)匹鲁卡品,24h后换为正常培养基。分别在造模后不同时间点取出各组细胞固定,进行免疫组织化学染色和荧光染色。采用Alex-546标记的phalloidin进行荧光染色观察神经元中F-actin分布;免疫组织化学染色观察神经元中Calponin 3、ROCK2和磷酸化ROCK2(p-ROCK2)表达和分布。结果:光镜下观察和F-acitn荧光染色,与对照组比较,造模24h后,2mmol·L^(-1)匹鲁卡品组细胞无明显变化;3mmol·L^(-1)匹鲁卡品组神经元中F-acitn出现解构,神经元部分突起消失,但在更换正常培养基后,细胞形态和F-actin结构在造模7d后逐渐恢复;4mmol·L^(-1)匹鲁卡品组神经元中F-actin结构崩解破坏严重,神经元突起不可逆性消失。免疫组织化学染色,对照组Calponin 3和ROCK2弥散分布于胞质中;在造模1d时癫痫模型组(3mmol·L^(-1)匹鲁卡品)神经细胞中Calponin 3和ROCK2明显聚集在细胞膜下方,随培养时间延长其表达量明显上调,位于细胞膜下方的p-ROCK2表达量也较对照组明显增加,同样随培养时间延长其表达量逐渐升高。结论:利用3mmol·L^(-1)匹鲁卡品成功建立癫痫神经元模型。3mmol·L^(-1)匹鲁卡品可使神经元细胞内ROCK2活化为p-ROCK2,并上调神经元内的ROCK2和p-ROCK2表达量,促使F-actin解聚导致神经元突起部分消失,p-ROCK2激活Calponin 3磷酸化,促进F-actin重构和神经元形态结构的恢复。

SCMA-D2D混合网络卷积自编码器

为满足物联网通信大连接、低功耗的需求,高效利用有限的频谱资源成为一项重要的挑战。在应用了稀疏码分多址接入(SCMA)技术的蜂窝网络中增加设备对设备(D2D)用户对,两者共享频谱资源,可以进一步提高频谱利用率,满足大规模连接和低功耗的通信需求。然而,当不同类型的用户共享相同的频谱资源时会导致严重的用户间干扰,导致多用户检测精度降低,译码复杂度增高。本文使用卷积神经网络(CNN)进行SCMA-D2D混合网络自编码器设计,通过端到端的联合训练,设计出合适的神经网络结构。用CNN单元实现混合网络的编码,学习SCMA蜂窝用户和D2D用户的有效码本;将混合网络的多用户检测问题建模为一个基于共享层机制的多任务分类解码问题,建立多用户分类解码器。实验结果表明,本文提出的自编码器能够生成对系统适应性更强的码本,结合接收端的多任务分类解码器能够有效地提高整个混合网络系统的误码率性能,同时减小译码计算复杂度。

CNN2通过上皮-间质转化促进结直肠癌细胞的侵袭与迁移

目的 探讨结直肠癌(colorectal cancer,CRC)中CNN2的表达及其对细胞的侵袭和迁移的作用。方法 采用qRT-PCR法检测CNN2基因在CRC不同细胞系中的表达,应用免疫组化法检测CNN2蛋白在CRC及对应癌旁正常组织中的表达,并分析其与CRC临床病理特征的关系。应用siRNA技术干扰CRC细胞中CNN2的表达,采用Transwell侵袭实验和划痕愈合实验检测CRC细胞的侵袭和迁移能力;利用Western blot法和免疫组化法检测EMT在CNN2促进CRC细胞株中的作用。结果 30例CRC中CNN2高表达23例,低表达7例。CNN2的表达与患者性别、年龄和分化程度无关(P>0.05),而与肿瘤淋巴结转移及TNM分期有关(P<0.05)。在CRC细胞株HCT116和HCT-8中干扰CNN2后,CRC细胞的侵袭(侵袭率分别为:si-NC组vs si-CNN2组:137.67±5.25 vs 51±5.35、178.33±12.28 vs 89±3.27)和迁移能力(迁移率分别为:si-NC组vs si-CNN2组:55.4%±0.9%vs 24.2%±4.3%、57.3%±1.6%vs 24.05%±2.65%)均明显下降(P<0.05)。Western blot结果显示,干扰CNN2后,CRC细胞株HCT116和HCT-8中的上皮标志物E-cadherin的表达水平显著增强(分别为:1.615±0.047、1.229±0.073),而间质标志物N-cadherin及vimentin的表达(N-cadherin分别为:0.597±0.181 5、0.451±0.003 5;vimentin分别为:0.723±0.047 5、0.676±0.134)明显下降(P<0.05);且在CRC组织中CNN2与E-cadherin的表达呈负相关(r=-0.866,P<0.01)。结论 CNN2在CRC中高表达,并通过EMT促进CRC细胞的侵袭和迁移。

肝癌相关抗原H2-calponin基因重组质粒的构建与表达

目的应用基因工程的方法构建H2-calponin(CNN2)基因工程表达质粒,体外表达、分离、纯化CNN2蛋白。方法以PCR扩增CNN2cDNA序列,用基因工程技术将CNN2基因重组到表达质粒pColdⅢ中,转化BL21(DE3)pLysS宿主菌,以SDS-聚丙烯酰胺凝胶电泳(sodium dodecyl sulfate polyacrylamideg elelectrophoresis,SDS-PAGE)检测目的蛋白的表达情况,优化表达条件,以较大体积培养基因工程菌,菌体经超声波破菌后,过Ni-NTA亲和柱纯化,Western-blot检测表达纯化的融合蛋白。结果转化有pColdⅢ-CNN2重组质粒的基因工程菌能诱导表达CNN2蛋白,表达的目的蛋白占总菌体蛋白的35%;SDS-PAGE检测发现菌体上清液和沉淀物中均有目的蛋白片段,证实部分CNN2蛋白以可溶性形式表达;Western-blot检测结果提示表达纯化的蛋白能与抗CNN2抗体发生反应。结论成功构建出表达可溶性CNN2蛋白的重组质粒,诱导表达的蛋白具有CNN2免疫原性。

ELISA法检测血清中抗CNN2抗体的实验条件优化性探讨

目的探讨血清抗钙调节蛋白Calponin 2(CNN2)抗体的最适酶联免疫吸附测定(enzyme linked immunosorbent assay,ELISA)实验条件。方法将BL21(DE3)p Lys S-pColdⅢ-C基因工程菌重组表达而分离纯化的CNN2包被至酶标板。采集肝细胞癌患者血清和正常人血清,探讨蛋白包被浓度、血清稀释液的选择、封闭方式及条件的选择、HRP标记亲和素稀释度的最适条件。结果CNN2蛋白浓度为10μg/ml时为最适蛋白包被浓度。0.5%胎牛血清蛋白(BSA)为最适封闭方式。使用PBST来稀释血清,成本低,效果好。亲和素的最适稀释比为1∶9000。最适实验条件的重复性良好。ROC曲线分析结果显示,最适实验条件下,该检测方法ROC曲线下面积(AUC)为0.978(95%CI:0.947~1.000,P=0.000);截断值为0.484,其对应的灵敏度为96.0%,特异度为93.0%。结论构建了检测血清抗CNN2抗体的最适ELISA实验条件。

乳腺癌组织中HER2、GCDFP15、Calponin表达及其与术后复发转移的关系

目的:探讨乳腺癌患者标本组织内人表皮生长因子受体2(HER2)、巨囊性病液体蛋白15(GCDFP15)及钙调理蛋白(Calponin)表达及其与术后复发转移的相关性。方法:选取2018年1月-2020年10月朝阳市中心医院收治的91例乳腺癌患者。以免疫组化法检测并比较不同组织内的HER2、GCDFP15及Calponin表达情况。将所有受试者按照术后复发转移情况分成A组(复发转移)和B组(无复发转移)。对比两组临床资料和乳腺癌组织内的HER2、GCDFP15、Calponin表达情况及血清细胞角蛋白19片段抗原21-1(CYFRA21-1)及可溶性CD40配体(sCD40L)水平。采用多因素logistic回归分析乳腺癌患者术后复发转移相关影响因素。结果:乳腺癌组织中HER2、GCDFP15阳性表达率分别为65.93%、70.33%,均高于癌旁正常组织的21.98%、40.66%,而Calponin阳性表达率为27.47%,低于癌旁正常组织的72.53%(P<0.05)。多因素logistic回归分析可得:HER2阳性、GCDFP15阳性、血清CYFRA21-1、sCD40L水平均是乳腺癌患者复发转移的危险因素,而Calponin阳性为保护性因素(P<0.05)。结论:乳腺癌患者标本组织内HER2、GCDFP15、Calponin表达与其复发转移密切相关,可能成为预测患者复发转移的可靠指标。

基于改进R^(2) CNN 的遥感图像船舶检测方法研究

为深入研究光学遥感图像中的船舶检测问题,提升检测精度和降低模型复杂度,设计基于改进旋转区域卷积和神经网络(Rotational Region Convolutional Neural Networks),R^(2)CNN的两阶段旋转框检测模型。在模型的第一阶段使用水平框作为候选区域;在模型第二阶段引入水平框预测分支,并且设计一种间接预测角度的回归模型;在测试阶段进行旋转框非极大值抑制时,设计基于掩码矩阵的旋转框IoU(Intersection over Union)算法。试验结果显示:改进R^(2)CNN模型在HRSC2016(High Resolution Ship Collection 2016)数据集上取得81.0%的平均精确度,相比其他模型均有不同程度的提升,说明改进R^(2)CNN在简化模型的同时能有效提升使用旋转框检测船舶的性能。

不稳定型心绞痛合并2型糖尿病患者血清松弛素2和钙调理蛋白1的表达及临床意义

目的探讨不稳定型心绞痛(UAP)合并2型糖尿病(T2DM)患者血清松弛素2及钙调理蛋白1(CNN1)的表达及临床意义。方法选取2018年2月至2020年2月在湖北省武汉市红十字会医院诊治的120例UAP患者为研究对象,根据是否有T2DM分为UAP组(62例)和UAP合并T2DM组(58例)。采用酶联免疫吸附试验法检测2组患者血清松弛素2、CNN1水平。比较2组一般临床资料及血清松弛素2、CNN1水平。分析UAP合并T2DM患者血清松弛素2、CNN1与临床指标的相关性。采用多因素Logistic回归分析影响UAP合并T2DM发生的因素。采用受试者工作特征曲线分析血清松弛素2、CNN1单独及联合检测对UAP合并T2DM的预测价值。结果UAP合并T2DM组三酰甘油、空腹血糖、高敏C反应蛋白(hs-CRP)、Gensini评分、松弛素2及CNN1水平均明显高于UAP组(均P<0.05)。UAP合并T2DM患者血清松弛素2与空腹血糖、hs-CRP呈显著正相关,CNN1与空腹血糖、hs-CRP和Gensini评分呈显著正相关(均P<0.05)。松弛素2(比值比=1.347,95%置信区间:1.085~1.674,P=0.008)、CNN1(比值比=2.172,95%置信区间:1.098~4.296,P=0.007)是影响UAP合并T2DM发生的独立因素。血清松弛素2、CNN1单独及联合检测对UAP合并T2DM预测的曲线下面积为0.769、0.786、0.875,血清松弛素2、CNN1联合检测预测的曲线下面积显著高于血清松弛素2、CNN1单独检测(Z=3.810、3.509,均P<0.001)。结论UAP合并T2DM患者血清松弛素2、CNN1表达升高,松弛素2、CNN1是影响UAP合并T2DM发生的相关因素,血清松弛素2、CNN1联合检测对UAP合并T2DM具有较高的预测价值。

基于Word2vec和K-Means算法的勘探开发成果文档聚类研究

根据渤海油田七年行动计划部署,现阶段勘探开发研究成果数量激增.目前,渤海油田勘探开发研究成果入库前分类工作主要依靠传统手动方式,效率低下且无法满足成果文档及时共享的需求.针对以上问题,提出一种基于Word2vec和卷积神经网络(convolutional neural networks, CNN)的文本特征提取方法并结合K-Means聚类算法对勘探开发阶段的成果文档进行自动分类.该方法在预训练word2vec向量的基础上基于自有开发成果文档标题语料库进行再训练,将低维向量的形式表征及文本的深层语义特征相结合,最后采用聚类算法对成果文档进行聚类.实验结果表明,在搜集的近7万份勘探开发成果文档数据集中,采用该方法使文档分类效率比手工方法提升了91.8%,标签获取准确率达93.6%,效率上和准确率都实现了较大提升.

基于MobileNet V2的口罩人脸检测

很多场所和环境要求人员佩戴口罩才准许进入.当由人工进行口罩人脸检测时,耗时且漏检率、错检率高.因此,设计一个用于检测人脸是否佩戴口罩的模型显得十分重要,并且该模型需要具备轻量、快速、精度高的特点,以便将其应用于实时视频检测.首先,对传统MobileNet V2模型进行改进,缩小模型深度,提高其计算速率;然后,建立了1 600张图像的人脸数据库,并进行手工标注;最后,利用该人脸数据库对改进后的模型进行训练,最终训练完成的模型仅11.5 MB.通过实验对比该模型与其他三种口罩检测模型的检测精确度、损失值和检测速度,对戴口罩的人脸该检测模型的平均检测精确度提高了3%以上,检测速度也快于其他三类.

融合LDA和CNN的施工触电事故原因识别和预判

鉴于施工触电事故具有突发性强、致死率高的特点,为了有效辅助事故原因的调查,首先,对318份施工触电事故进行预处理,运用词频-逆文档频率(Term Frequency-Inverse Document Frequency,TF-IDF)关键词处理算法和可视化技术提取关键信息。其次,通过狄利克雷主题模型(Latent Dirichlet Allocation,LDA)提取原因主题词条,并根据关键信息构建相应的原因主题标签。随后,运用Word2Vec模型将“事故经过”和“主题标签”转化为词向量矩阵,并输入卷积神经网络(Convolutional Neural Networks,CNN)模型中,利用CNN模型数据预测的特征,实现事故原因的预判。最后,对比分析CNN模型与其他两种经典模型的预判效果。试验结果表明,该方法能够在事故调查完成前,较准确地预判事故可能原因。该模型构建的事故原因库,可以为事故预防提供一定参考,模型可以作为辅助事故实际调查的有效手段。